一天万博体育，8 万亿 Token。

这是 DeepSeek V4 Flash 一款模子，在一个 AI 编程器用里的单日用量。

▲开源 AI Agent 器用 OpenCode 发文称，DeepSeek V4 Flash 郑再版通过其平台消耗了 8 万亿 Token。其中，5 万亿来自免费额度，另外 3 万亿来自付费套餐 OpenCode Go。

算作对比，大模子路由平台 OpenRouter 接入了 400 多款模子，每月处理约 200 万亿 Token，平均每天约 6.6 万亿。

也即是说，DeepSeek 一款模子，只是在 OpenCode 一个进口里，一天消耗的 Token，就越过了 OpenRouter 全平台的日均鸿沟。

▲ OpenRouter 上 DeepSeek V4 Flash 是本周最热点模子

这和 DeepSeek V4 Flash 的廉价关连，才调擢升，价钱不变，原来被压抑的使用需求会赶快开释。 但 8 万亿 Token 背后，还有一个更迫切的变化：东谈主们使用 AI 的形态如故变了。

夙昔，咱们向模子问一个问题，得到一段回复，任务就兑现了。咫尺的 Agent 会我方读文献、修改代码、运行样式、查验成果，失败后再从头尝试。一次任务可能握续几个小时，调用几十次器用，也可能让多个 Agent 同期使命。

模子写出的代码恐怕比夙昔多许多，消耗的 Token 却可能翻上几十倍、几百倍。

有东谈主用 Claude Opus 5 制作一个单页 3D 游戏。模子需要欺压生成页面、截图查验、连接修改。临了只是一个 HTML 文献，一句教唆词却消耗了 6.9 亿 Token，用度接近 3000 元。

Agent 任务的多量爆发，让模子要解释我方的价值，除了智能的进程，还有性价比的盘算推算；揣测一款模子的单元，从「单次回复有多智谋」造成了「完成一项长任务要花几许钱、多久、失败几次」。

依据这套圭臬，DeepSeek V4 Flash 运行成了统统模子的斩杀线。

一百万个输出 Token，DeepSeek 收 2 元东谈主民币。Anthropic 的 Claude Opus 4.8，圭臬价钱是 25 好意思元，约 170 元，只看输出单价，二者收支约 85 倍。

7 月底，DeepSeek 推出 V4 Flash 郑再版，保留了模子架构与鸿沟，只是从头作念了后查考，要点加强编码和 Agent 任务。

隔天，大模子竞技场 Arena 公布前端编码评测榜单，将 V4 Flash 列入「价钱—性能」的前沿模子。限度 Arena 8 月 2 日的页面快照，V4 Flash 的初步名次暂列 Opus 4.8 Thinking 之前。

而在 Artificial Analysis 的 Intelligence Index v4.1 中，V4 Flash Max 得到 50 分，Claude Opus 4.8 Max 得到 56 分。前者跑竣工套评测产生的模子调用费约为 72.02 好意思元，后者则达到 3752.55 好意思元。

换句话说，Opus 多拿了 6 分，但跑完归拢套评测的调用费跳跃了约 52 倍。

V4 Flash 天然还不行解释我方全面越过 Opus，但只须两者如故能被放进归拢轮候选名单，85 倍的价差就足以更动默许选择。

当一款模子的价钱跳跃几十倍，性能最初却惟有几个百分点时，这笔账会越来越难算平。

来源受到冲击的，可能并不是最弱的小模子。低廉、快速的小模子仍然稳健分类、索要和路由等浅近使命。最强的旗舰模子也会仍然用来处理疑难任务，或者成为高失败资本场景里的保障。

委果无语的是中间一批模子：它们比 V4 Flash 强一些，却贵几十倍；又莫得强到不错踏实处罚 V4 Flash 作念不了的问题。

这即是 DeepSeek 的斩杀线，它不需要成为最强模子，只须达到「大多数时期不错作念完」，就能哄骗近两个数目级的价钱差，把更贵的模子挤出默许调用位。

V4 Flash 为什么能把茅台当矿泉水卖

一直以来，咱们齐认为模子的价钱能够即是和它的「智谋进程」联系，模子越智谋，天然它就要卖的越贵。

咫尺主流的几款大模子，Anthropic 家的 Opus 4.8 和 Opus 5 输出齐是 25 好意思元/百万 Token，Fable 5 输出为 50 好意思元/百万 Token；OpenAI 的 GPT-5.6 在前几天降价后，Luna 输出由 6 好意思元降至 1.2 好意思元，Terra 由 15 好意思元降至 12 好意思元，Sol 则保握不变，30 好意思元。

而几款国产大模子，依旧是商榷每百万输出的价钱，DeepSeek V4 Flash 是 2 元，刚刚发布的 Qwen 3.8 Max 是 36 元，Kimi K3 是 100 元，GLM 5.2 是 28 元。

▲DeepSeek 险些是以免费的价钱提供大模子

国产模子之间的对比，照旧与外洋旗舰模子的对比，DeepSeek 的价钱似乎齐是一股「清流」，是以是什么拔擢了模子价钱的不同。

最昭彰的是每生成一个 Token 的径直推理资本。

它受到激活参数目、数字精度、留意力机制、KV Cache 大小、输出长度、硬件哄骗率和并发量影响。归拢款模子，如若能用更少的盘算推算完成一次推理，或者能让更多苦求分享缓存，资本就会着落。

V4 Flash 总参数目为 2840 亿，但每个 Token 只激活约 130 亿参数。它同期使用搀杂留意力结构、低精度权重和针对长陡立文的缓存优化。

▲ V4 系列模子架构图

凭据 DeepSeek 在四月公开的 Preview 时候敷陈估算，在一百万 Token 陡立文下，V4 Flash 的单 Token 推理盘算推算量约为 DeepSeek V3.2 的 10%，KV Cache 约为后者的 7%。

这是与 V3.2 的里面架构对比，不代表它只需要其他统统模子十分之一的详细伙本，但足以解释 DeepSeek 为什么能把长任务价钱压低。

DeepSeek V4 系列结构，改良了一个 Transformer 模块里的三个要道部分，将留意力层改为先压缩再找要点的 CSA 机制和更极致的压缩但沿路浏览的 HCA 机制，两种交错摆设以均衡资本。

V4 的前馈层沿用 DeepSeekMoE：模子包含多量细分大师和极少分享大师，每个 Token 只被路由到其中一小部分大师。

因此 V4 Flash 固然共有 2840 亿参数，每个 Token 履行激活的惟有约 130 亿；V4 Pro 总参数达到 1.6 万亿，履行激活约 490 亿。它取得了大模子的学问和容量，但不需要每生成一个 Token 齐运行沿路参数。

其次是完成的处事资本，从模子查考、后查考到评测、安全，以及推理基础次第、优游算力等处事，这些资本固然不会出咫尺 Token 账单里，可是必须由模子厂商承担。

临了是营业订价，API 价钱并不是浅近的资本加成，厂商还需要琢磨市集份额、用户移动资本、品牌溢价、处事才调，以及客户兴隆为可靠性支付几许钱。

是以，模子价钱从来不是一张纯正的资本表。它同期反应了模子需要几许算力，也反应了厂商认为我方的才调、品牌和可靠性值几许钱。

OpenAI 和 Anthropic 的高价钱，可能同期包含更高的推理资本、家具生态、安全和处事溢价，以及它们在高难度任务上的订价权。

架构没变，Agent 才调为什么能大涨

咫尺，V4 Flash 郑再版还莫得发布新的时候敷陈，DeepSeek 在 7 月 31 日的更新日记中写：郑再版 V4 Flash 与 Preview 的结构和尺寸疏通，只从头进行了后查考。

此前预览版敷陈裸露的后查考经由，如故把要点放在代码和 Agent 上：DeepSeek 分辨查考数学、代码、Agent 和指示衔命大师，使用 SFT 和 GRPO 强化各自才调，再通过十多个西宾模子的 On-Policy Distillation 合并回归拢个模子。

器用调用也被当成单独的问题处理。

DeepSeek 联想了挑升的调用样式，减少参数转义和样式失实；Interleaved Thinking 让模子在器用复返成果后连接保留前边的推理；DSec 则提供数十万个并发沙箱，让模子反复锻练运行代码、读取报错和连接修改。

这些后查考并莫得给模子加多新的参数，却不错减少 Agent 最常见的失败：选错器用、填错参数、健忘前边的气象，或者在职务还没完成时停驻来。

郑再版在 Terminal Bench 2.1 上的 82.7 分，还使用了尚未发布的 DeepSeek Harness 极简模式和 max 推理档。此外，DeepSeek 为 V4 Flash 加入原生 Responses API，并针对 Codex 作念了适配。

预查考决定模子的才调底座，后查考主要更动模子怎么调用这些才调。

当 V4 Flash 不错部署在「消费级」电脑上

V4 Flash 的另一个变化，是让前沿 Agent 模子离土产货修复更近了一步。

固然每次推理只激活 130 亿参数，可是竣工的 2840 亿参数仍然需要存储和调度，官方仓库中的权重文献估量约 167 GB。

DeepSeek 给出的 vLLM 处事示例使用一台配备 4 张 GB300 的处事器。

社区神志 DwarfStar 则通过低比特量化，把 V4 Flash 的 q2 版块放进了 96GB 或128GB 斡旋内存修复，q4 版块冷漠使用至少 256GB 内存。在部分128GB Mac测试中，短陡立文速率不错达到每秒二十多 Token。

q2 版块能运行，也不代表它能复现官方 API 的 Agent 收货。极低比特量化可能毁伤代码、长陡立文和器用调用才调，社区运行时自身也仍处于早期阶段。

不外，DeepSeek 的 API 如故低廉到，土产货部署对多数东谈主恐怕更省钱。按照每百万输出 Token 0.28 好意思元盘算推算，一台售价约 4699 好意思元的 DGX Spark，稀零于约 168 亿输出 Token，还没算土产货部署的电费、障碍和调试资本。

而况，换个角度看 V4 Flash 的出现，似乎又是 DeepSeek 斩杀线里的要道一刀。在土产货部署上，DeepSeek 又斩掉了「高水平模子只可待在机房」的一部分门槛，它把门槛降到了高内存使命站。

一台高配 Mac 或 DGX Spark，如故不错用可交互的速率运行经过激进压缩的竣工 V4 Flash。

最强模子也运行谈性价比

更低的价钱不一定等于少赢利。

夙昔舍不得让 AI 常驻后台的公司，先前开启 Tokenmaxxing 然后又因为实在付不起账单的团队，咫尺不错运行批量整理文档、查验代码、跟进客服。原来只问一次的问题，也可能造成握续数小时、调用几十次器用的 Agent 任务。

单价着落，Token 总量却可能涨得更快。

Sam Altman 在 7 月底的播客节目曾提到，OpenAI 展望模子会产生极大的使用量，因此不需要依靠「极高毛利」来承担查考资本。他们和 DeepSeek 的梁文锋雷同，深信 AI 的需求险些是莫得上限的，AI 智能使用量会握续爆发。

即使每次调用赚得未几，只须调用量弥散大，累计利润依然不错障翳下一代模子的查考资本。

这亦然 V4 Flash 更值得留意的所在。

它没灵验一个完全最初的榜单收货，解释我方是最智谋的模子；它作念的，是把夙昔惟有旗舰模子才能承担的任务，压进了一个不错被反复调用、握续试错，致使不错让咱们浪费一些 Token 的价钱区间。

在聊天机器东谈主的时期，用户会为了更好的回复，多付几倍的价钱。但参加 Agent 时期，模子不再只回复一次。它要浏览文献、搜索贵府、履行代码、截图查验，再凭据成果从头运行。

一次任务中，在才调上几分的才调差距，可能只影响模子要不要多试两轮；但几十倍的价钱差距，却会决定这个任务有莫得阅历委果跑起来。

▲ 运行 AA 统统测试蹧跶的钱和智能得分对比，DeepSeek 拿下 50 分仅花了 72 好意思元，而 Fable 5 得到 60 分，蹧跶 5600 好意思元。

畴昔模子之间的竞争，很难再只用一张才调榜单解释。

用户需要盘算推算的，是完成率、调用次数、响应速率和最终账单；模子厂商出售的，也不再只是每一个 Token 的智能，而是每一好意思元最终能够完成几许使命。

从这个角度看，V4 Flash 委果斩掉的，是调用旗舰模子之前那种不需要盘算推算资本的俗例。

当一个低廉 50 倍致使 80 倍的模子万博体育，如故能够完成大多数编码和 Agent 任务，崇高模子就必须反过来解释：剩下那几分才调，究竟值不值得多付几十倍的钱。