DeepSeek V4 Flash 低价斩杀线背后：当梁文锋也卷不动算力账单（含实测）

文 | 大模型之家

8月 6 日，DeepSeek 在用户后台突然发布调价预告，宣布计划在近期对全部 API 接口服务进行整体提价，且预计涨幅较大。官方在公告中明确建议企业与个人开发者合理规划调用量、控制充值金额，具体调价细则与生效时间以后续正式公告为准。

这距离梁文峰上一次给行业带来 " 价格震荡 "，仅仅过去了七天。

7 月 31 日，DeepSeek 在 API 文档里更新了一条日志，宣布 DeepSeek-V4-Flash 正式版上线公测。模型的架构与参数规模和 4 月 24 日开源的预览版完全一致，2840 亿总参数、130 亿激活参数的 MoE 架构，唯一重做的东西是后训练。

然而，正是这唯一的改动，让整个行业惊掉了下巴。在官方公布的 9 项 Agent 基准测试中，正式版全面越过自家旗舰 V4-Pro 预览版，指令遵循能力呈现出跨代际的提升。与此同时，DeepSeek 首次原生支持 Responses API 格式，并直接向 OpenAI 的 Codex 亮剑。开发者可以直接在 ChatGPT 桌面端或是 VS Code 插件里，将底层引擎无缝切换为 DeepSeek。

随后几天，各大榜单和开发者的时间线都被这个模型 " 血洗 " 了一遍。大模型之家也在第一时间对 DeepSeek V4 Flash 正式版进行了实测，进步确实不小，但它真正的杀伤力不在只跑分上。

实测：修复生产 bug，仅需 8 毛 8

实测的机会来得有些偶然。笔者自己搭建的舆情管理系统正好出了 bug：信源匹配数量断崖式下跌，前一天还能匹配出 10000 多条数据，当天只剩不到 2000 条。

DeepSeek V4 Flash 正式版在遍历遍历 " 屎山代码 " 之后，很快定位到匹配历史骤减的根源：每次遍历信源之后的归档写出环节存在错误，导致此后更新的历史库条目大幅下降。

从开始定位 bug 到给出解决方案，全程不到 3 分钟，并且一次修复成功，匹配数量从 1966 条恢复到了 11020 条。

在这个过程中还有一个计划外的收获。DeepSeek V4 Flash 正式版甚至在检查代码时顺手揪出了信息条目重复的暗病，并附赠了去重方案。

而在一次修正的成果背后，DeepSeek V4 Flash正式版的消耗也是可圈可点：整个项目消耗了不到21.7万Token，缓存命中率高达99.8%。按照正式版的定价（输入 1 元 / 百万 Token、缓存命中 0.02 元 / 百万 Token、输出 2 元 / 百万 Token）估算，这次在生产环境中 debug 的总成本，仅需要 0.88 元人民币（约 0.13 美元）。如果抛开后续的去重和项目归档，仅算最初的 Bug 定位与修复，成本仅为 0.27 元（约 0.04 美元），若通过第三方平台的 Token Plan 调用，价格还能再压一压。

在 Agent 时代全面到来之前，几毛钱修好一个生产环境的 Bug，恐怕是难以想象的。

不过，DeepSeek V4 Flash正式版也并非没有短板。其API 目前仍不支持多模态图像输入，这使得它在处理前端任务中会表现出 " 审美 " 不足，且 284B 总参数量、13B 激活的体量，决定了它在复杂、长流程的任务规划中依然会感到吃力。单点定位、单次修复是它的绝对主场，可一旦拉长到多步骤、多分支的完整工程，其表现就会不可避免地下滑。

Agent 时代难逃 " 真香定律 "

凭借着不错的能力与极为出色的性价比，DeepSeek V4 Flash 正式版发布后，" 斩杀线 " 一说在 AI 圈里不胫而走，" 干翻 Claude" 的说法铺天盖地。

根据第三方评测机构 Artificial Analysis 的综合智能指数显示，DeepSeek V4 Flash 正式版得分 50，在国内落后于 Kimi K3 的 57 分和智谱 GLM-5.2 的 51 分，排在第三。

值得注意的是，DeepSeek V4 Flash 正式版的输出价格是每百万 token 0.28 美元（2 元人民币），而 GLM-5.2 的输出定价是 4.29 美元，是它的 15 倍；Anthropic 旗舰 Claude Fable 5 的输出定价更是高达 50 美元，是它的 178 倍。

Artificial Analysis 按综合评测任务口径估算，DeepSeek V4 Flash正式版完成一项任务的平均成本约 0.03 美元，Kimi K3 约 0.86 美元，Fable 5 约 3.15 美元，最贵与最便宜之间差了 105 倍。

也许在单轮闲聊中，几毛与几分的差价毫无体感，但 Agent 场景会将其指数级放大。一个真实的软件工程任务，模型需要读仓库、改代码、调终端、查输出、发现错误再重来，动辄触发百次以上的调用。一次 0.03 美元和一次 3.15 美元，跑 50 次，就是一杯咖啡和一台咖啡机的区别。这不是倍数差，而是量级碾压。

这也是为什么，各大厂商立刻闻风而动。DeepSeek V4 Flash 正式版上线前一天，OpenAI 宣布 GPT-5.6 系列调价，入门款 Luna 降价 80%；8 月 1 日，智谱重新开放了一度需要抢购的 GLM Coding Plan 订阅。

虽然在瞬息万变的模型市场，我们很难把所有同行的降价都归因于 DeepSeek，但在如此密集的动作背后，整个行业的价格锚点正在被重塑。这也恰恰是" 斩杀线 " 的真正含义：性能比它强的，价格贵出一两个数量级；价格向它看齐的，性能又存在代差。

正因为 DeepSeek V4 Flash 正式版的出色表现，也让尚未露面的 DeepSeek V4 Pro 正式版备受行业期待。如果 Flash 的定义是 " 够用 "，那么瞄准 GPT-5.6 Sol 一档的 Pro，才会是 DeepSeek 真正意义上的正面进攻。届时，" 国模一哥 " 的地位，也许会再次发生洗牌。

重启 500 亿募资，梁文峰的秣马厉兵

与 DeepSeek 产品侧的 " 抠门 " 形成对照的，是梁文峰在资本侧的胃口。

据报道，DeepSeek 已重启第二轮融资，计划募资 500 亿元，投前估值约 5000 亿元。而就在两个月前，他们刚刚完成了中国大模型史上规模最大的首轮融资——拿走了包括国家人工智能产业投资基金、腾讯、宁德时代等在内的 510 亿元，是中国 AI 大模型史上规模最大的首轮融资。

大模型之家了解到，两轮合计超千亿的募资，将有超过六成资金用于自建智算中心与国产芯片适配，另有一条一年前已秘密启动的自研推理芯片产线，以及核心人才团队的稳定与扩充。这家曾经以 " 轻资产、重算法 " 著称的公司，正在被残酷的算力需求逼着变 " 重 "。

梁文锋曾表示：采购一批服务器，大约 10 个月通过 API 收入收回设备成本，在 DeepSeek 内部，这已经算 " 合理利润 "。也就是说，此前的低价不是靠补贴烧出来的战术，而是算法优化带来的成本结构性优势。

同一赛道的另一面是月之暗面。7 月 16 日发布 2.8 万亿参数的 Kimi K3 之后，这家公司先以约 315 亿美元（折合人民币约 2100 亿元）的估值完成 F 轮融资，随即以 500 亿美元估值开启 Pre-IPO 轮，预计年内递表上市。K3 的 API 定价比上一代 K2.6 涨了三到四倍，输出达到 100 元 / 百万 token。一个涨价押注 " 更聪明 "，一个降价押注 " 够用就好 "。两条路线都拿到了巨额资本背书，市场还没有投出最终答案。

然而，8 月 6 日后台那一纸突如其来的调价预告，无情地戳破了 DeepSeek 带来的这场低价狂欢的滤镜。它透露出大模型商业化进程中，触碰到了最冰冷的物理现实：算法的精妙固然可以压缩单位 Token 的算力成本，但算力集群的硬件天花板与现金流压力，无法被无限平抑。

DeepSeek V4 Flash正式版上线后，在 OpenRouter 榜单上创下了单周 7.1 万亿 Token 的恐怖消耗量。极低的价格引发了全网开发者的 " 报复性 " 调用，高峰期的并发请求直接让服务器集群不堪重负。在自建智算中心尚未完全交付的当下，通过价格杠杆筛选高价值客户、抑制低效高频消耗，成了防止服务器被彻底挤爆的唯一自救手段。

另一方面，则是重资产基础设施的现实账单。自建超大规模智算中心、深度适配国产芯片乃至自研推理芯片的产线建设，无一不是动辄百亿级的现金流黑洞。即便是手握千亿融资金额，面对硬件周期与供应链成本，DeepSeek 也必须重新算账：如果长期维持临界状态的低毛利，硬件扩张与研发投入的血条终究难以为继。

写在最后

"8 毛 8 修 Bug" 的故事固然动听，但 8 月 6 日的提价信号终归证明了一件事：即便是技术与成本控制极具天赋的梁文锋，也无法凭一己之力脱离算力硬件的客观物理规律。当强如 DeepSeek 都不得不踩下刹车、调头提价时，这场靠 " 价格战 " 互相放血的时代，或许真的要画上句号了。

而在另一边，阿里 " 千问办公 "、腾讯 WorkBuddy 与字节豆包，正为了 C 端办公场景打得刺刀见红。对比之下，DeepSeek 那个功能依然 " 简陋 " 的官网，克制得仿佛不属于这个时代。

克制的产品形态，极致的 API 定价，与千亿级别的重资产基建，构成了 DeepSeek 最真实的商业底色。DeepSeek 踩下的这一脚刹车，与其说是向商业现实低头，不如说是整个行业在一场狂热的价格战后，对客观商业规律的第一次真正敬畏。