
作者|宋思杭
编辑|苗正卿
头图|视觉中国
DeepSeek 第二轮千亿融资,落地了。
近日,DeepSeek 已完成工商变更,新增股东杭州程砚。这家持股平台同期新增 31 家合伙人,背后包括腾讯、宁德时代、中国移动、中国电信、vivo、小红书等产业资本,以及砺思、博裕、IDG 等投资机构。
自从 DeepSeek 开放融资之后,梁文锋似乎换了一种打法。
至少,在 V4 之前的版本,提起 DeepSeek,还能联想到 SOTA 模型。但自从开启融资后,DeepSeek 就把性价比、商业化放到了更重要的位置。
与此同时,相比于 DeepSeek R1 早期刚发布时的成绩,如今的版本在 SOTA 模型的排名中有所下降。
R1 发布初期,Artificial Analysis 在 2025 年 1 月 23 日公布的 Quality Index 中给出 89 分,仅次于 OpenAI o1 的 90 分,位居第二。到了 2026 年 10 月 27 日,AA 的 Intelligence Index 榜图显示,DeepSeek V4.1 Flash 1017 得分 32,排名 14,前面有 13 个模型。

而就在一周后,11 月 13 日,它开放了全家桶应用 API,让开发者调用搜索、文件解析、链接阅读、语音等能力。其中,搜索、抓取、OCR 和语音等项目,在模型调用费用之外另行计费。
当然,在模型调用费用之外对工具另行收费的,并不止 DeepSeek 一家。OpenAI 的 API 网页搜索每千次调用收费 10 美元,搜索内容进入模型后还需支付相应的 Token 费用;文件检索则每千次调用收费 2.5 美元,存储另计。Anthropic 的 Claude API 网页搜索同样每千次收费 10 美元,搜索结果还会产生 Token 费用。不过,各家的收费边界并不完全相同,例如 Claude 的网页抓取不额外收取工具调用费,只对进入上下文的内容按 Token 计费。
开放全家桶应用 API 的两天后,围绕 DeepSeek 免费用户限额的讨论开始了。但实际上,这种关于算力不足的讨论,在 V4 发布后就已经陆续出现了,只是当时还是开发者层面。当时,大家讨论的焦点还是 Token 用量激增、后台调用超出预期等。
8 月 14 日,一名开发者在 GitHub 上反馈,自己用 V4 Flash 处理一个小项目,前一天多个任务累计消耗约 7000 万 Token,第二天沿用同一会话,仅一个小任务就把累计用量推到了 1 亿。他同时提到,过程中多次调用了 Playwright MCP。这起反馈指向的是长会话和工具交互带来的上下文负担:任务看起来很小,模型需要反复处理的历史却可能很大。
9 月 10 日,另一名用户报告,自己只在已有会话里贴了三个 GitHub 仓库链接,让模型进行分析,三轮用户对话却在约五分钟内产生了 854 次 API 请求,最终因余额不足而中断。按其日志排查,主代理派出的子代理又继续委派任务,198 次搜索工具调用进一步产生了 668 次计费请求;本地成本插件显示的请求量则远低于整棵任务树的实际请求量。
9 月 15 日,有反馈,用 Harness 搭配 V4.1 Flash 调研论文,12 分钟扣费 54.77 元,而主对话界面只显示约 787 万 Token。他随后查看会话,发现启动了 42 个子代理,并附上账单和会话文件。同一帖子里,另一名用户也称,更新后的一次对话没有写任何代码,却扣了 70 多元。
更让用户不安的,是自己没有继续操作,账户却仍在扣费。8 月 25 日,一名用户在 GitHub 上称,自己已把主会话切换到公司的 GPT 兼容网关,直到午饭时收到 DeepSeek 余额提醒,才发现个人 DeepSeek 账户仍被调用,最终余额耗尽。讨论中,有人将问题指向子代理沿用旧模型配置,也有人提醒联网搜索仍可能调用 DeepSeek。
当然,这些是用户对特定版本、配置和任务的报告,不能简单理解为 GPU 算力消耗。
梁文锋要平衡的,不只是把资源投向模型研发还是商业化服务,还包括如何让已经投入的资源产生有效结果。对 DeepSeek 来说,是不断增长的 Token 消耗,能否转化为用户愿意持续付费的工作成果。这也是从低价获得关注之后,商业化必须补上的一课。
综合来看,梁文锋所面临的问题与大部分国产模型厂商类似,即在商业化和 SOTA 之间如何取舍。
低价之后的成本问题
过去,DeepSeek 最容易让人记住的,除了模型能力,就是便宜。
低价降低了开发者的尝试成本,也让普通用户对大模型的价格有了新的预期。与此同时,开放权重让开发者可以自行研究、部署,也让其他平台能够接入 DeepSeek,进一步扩大了它的使用范围。
但使用 DeepSeek 的人越来越多,并不意味着这些使用都能给 DeepSeek 带来收入。
免费服务要消耗资源,付费调用要保证响应速度和稳定性,模型研发也需要持续投入。即便技术进步降低了单次调用的成本,随着用户和 Token 用量增长,DeepSeek 需要承担的总成本仍可能增加。
分时定价就是一种调节方式。按照 DeepSeek 价格页的安排,模型 API 分为高峰和空闲时段,高峰价格为空闲价格的两倍。对开发者来说,同样的调用,放在不同时段,费用也会不同。
当然,限额和分时定价,不能直接说明 DeepSeek 存在多大的算力缺口,也不足以判断它的财务状况。但这些安排背后,都涉及同一个问题:在低价吸引来大量用户之后,如何覆盖持续提供服务的成本。
而过去建立起来的低价形象,又让 DeepSeek 的调整多了一层难度。
用户已经习惯了免费或低价,再调整收费和额度,就会与此前的体验形成比较。对 DeepSeek 来说,涨价或限额能否被接受,最终还要看它提供的服务,是否值得用户付出更多。
便宜的调用未必省钱
从开发者社区的反馈来看,调用价格和实际使用成本之间,已经出现了一些差别。
在 Hacker News 有关 DeepSeek V4.1 Flash 1017 的讨论中,有用户认可它的价格、上下文容量和代码生成表现。按照这类用户的说法,主要思路由自己来定,再把执行工作交给 DeepSeek,已经能够满足需要。
但也有用户提到,遇到复杂任务,模型给出的结果仍需要反复检查,有时还要交给更贵的模型修正。这样一来,即便单次调用便宜,完成整个任务的成本也未必低。
当然,这些反馈只是部分开发者的使用经历。但它们说明,至少对这部分用户来说,评价模型时,价格之外还有一笔账要算。
刚开始尝试时,用户更容易关注模型能做什么。真正用来工作之后,花了多少钱、用了多长时间,以及结果能不能直接使用,都会影响下一次的选择。
普通用户也有类似的问题。日常聊天慢几秒,影响可能不大;但如果是在赶一项工作,服务中断或长时间等待,就会打乱原来的安排。用得越深入,用户对稳定性的要求也就越高。
因此,DeepSeek 要继续强调性价比,就需要让用户在完成任务之后,仍然觉得这笔钱花得值。这其中既包括调用费用,也包括检查、返工和等待所花的时间。
这也意味着,模型能力、服务稳定性和故障处理,都要跟上商业化的推进。否则,单次调用的价格再低,也可能被反复尝试的成本抵消。
对手也在降价
与此同时,低价也并非 DeepSeek 独有的竞争方式。
放到国内市场,DeepSeek 的价格优势并没有那么明显。以输入不超过 32K、缓存未命中的文本调用为例,每百万 Token,DeepSeek V4.1 Flash 在空闲时段的输入、输出价格分别为 1 元和 4 元,高峰时段则涨到 2 元和 8 元。
相比之下,同样按上述口径,智谱 GLM-5.3-Flash 每百万 Token 的输入、输出价格分别为 0.8 元和 2.8 元,比 DeepSeek 空闲时段还低;MiniMax-M3.1-Flash 则为 1 元和 4 元,与 DeepSeek 空闲时段持平。
至于 Kimi,其旗舰 K3.1 Pro 的输入、输出价格分别为 13 元和 68 元,仍明显高于 DeepSeek V4.1 Flash。也就是说,DeepSeek 相对 Kimi 旗舰仍有单价优势,但在智谱和 MiniMax 面前,便宜已经不是独有的卖点。
这当然让开发者在选择模型时,有了更多组合。简单任务可以交给便宜的模型,复杂任务则交给能力更强的模型。随着价格和效果变化,开发者也可以继续调整各家模型的使用比例。
对 DeepSeek 来说,这意味着,即便凭借低价获得大量调用,也未必能争取到用户更重要的任务。如果开发者只在简单工作上使用 DeepSeek,把复杂任务留给其他厂商,它能获得的收入空间也可能受到限制。
因此,DeepSeek 仍需要提高模型能力,让开发者愿意把更多工作交给它,而不只是因为便宜才调用它。
从这个角度看,商业化和 SOTA 很难完全分开。对手也在降价和升级,DeepSeek 要维持性价比,就仍然需要模型能力的支撑。
开放之后如何获得收入
在这样的背景下,从 Harness 到 DeepSeek 开放全家桶应用 API,也就都不难理解了。
按照官方解释,过去开发者要实现类似 DeepSeek App 的功能,需要自己接入外部工具,再处理模型与工具之间的调用。现在,这些工作可以更多地放到 DeepSeek 服务端完成。
也就是说,除了模型调用,DeepSeek 还希望通过搜索、文件解析、语音等服务,为开发者省去一部分接入和维护工作,并从中获得收入。
但工具越多,需要保证的服务环节也越多。开发者购买的是一整套能力,搜索、文件或语音中的任何一环出了问题,都可能影响最终结果,也会影响他们对 DeepSeek 的评价。
此外,开放模型带来的影响力,如何转化成 DeepSeek 自己的收入,也仍是一个问题。
用户可以通过第三方平台使用 DeepSeek,由平台提供服务并收取费用;企业也可以自行部署,再由其他供应商负责运营。这些使用都能扩大 DeepSeek 的影响,但收入未必直接流向 DeepSeek。
因此,扩大模型的使用范围之后,DeepSeek 还需要让开发者愿意直接购买官方服务。除了模型本身,官方能否提供更方便、稳定的使用体验,也会影响这部分收入。
全家桶 API 是在补充这部分能力。但开发者是否愿意持续使用,最终仍要看它能省去多少工作,以及新增的费用是否合适。
对于梁文锋来说,这些问题都要在推进商业化的过程中逐一处理。免费用户需要资源,付费用户要求体验,模型研发也不能停。有限的资源如何分配,既影响眼下的服务,也会影响下一代模型的竞争力。
DeepSeek 过去依靠技术效率和低价获得了关注。到了商业化阶段,它还需要把这些优势转化为持续的收入,再支撑后续的研发和服务投入。综合来看,梁文锋要做的,是在推进商业化的同时,继续保持模型的竞争力。
另一个变化是,海外厂商在推进商业化的同时,也没有放慢模型更新。Anthropic 已于 11 月 18 日完成 IPO 定价,计划于 19 日在纳斯达克开始交易,上市已到最后一步。模型方面,仅 11 月以来,Anthropic 就于 9 日发布了 Claude Fable 5.2 和 Mythos 5.2,继续提升编程、推理和视觉能力;17 日,OpenAI 又推出 GPT-6.2 Astra 和 Sol,分别面向复杂推理与编程,以及日常编程和 Agent 任务。
相比之下,DeepSeek V4 从 4 月 24 日首次发布算起,到 11 月 19 日已过去近 7 个月;即便从 8 月 13 日 V4 Pro 正式版上线算起,也已有 3 个多月。这期间,DeepSeek 在 9 月 10 日推出 V4.1 Flash,又在 10 月 17 日更新了 1017 版本,模型能力仍在提升,但截至 11 月 19 日,新一代 Pro 旗舰还没有亮相。
对梁文锋来说,眼下的压力并不小。