单日消耗 8 万亿 Token。
这是 DeepSeek V4 Flash 在一个 AI 编程工具里的用量记录。
开源 AI Agent 工具 OpenCode 发布数据称，DeepSeek V4 Flash 正式版通过其平台总共消耗了 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。
作为参照，大模型路由平台 OpenRouter 接入了 400 多款模型，每月处理约 200 万亿 Token，平均每天约 6.6 万亿。
这意味着，DeepSeek 旗下仅一款模型，单在 OpenCode 这一个入口里，一天消耗的 Token 量就超过了 OpenRouter 全平台的日均规模。
OpenRouter 上 DeepSeek V4 Flash 是本周最热门模型
这与 DeepSeek V4 Flash 的低价策略紧密相关。能力提升了，价格却没变，原本被压抑的使用需求瞬间释放。但在 8 万亿 Token 的背后，更深层的变化在于人们使用 AI 的方式发生了改变。
过去，我们向模型提问，得到回答，任务便告结束。如今的 Agent 会自行读取文件、修改代码、运行程序并检查结果，若失败则重新尝试。一次任务可能持续数小时，调用几十次工具，甚至让多个 Agent 协同工作。
模型生成的代码量未必比过去多出多少，但消耗的 Token 却可能翻上几十倍乃至几百倍。
有人利用 Claude Opus 5 制作一个单页 3D 游戏。模型需不断生成页面、截图检查、继续修改。最终只是一个 HTML 文件，一句提示词却消耗了 6.9 亿 Token，费用接近 3000 元。
Agent 任务的爆发，迫使模型证明自身价值。除了智能程度，性价比成为关键考量；衡量模型的单位，从「单次回答有多聪明」转变为「完成一项长任务要花多少钱、多久、失败几次」。
基于这套标准，DeepSeek V4 Flash 成了所有模型的斩杀线。
每百万输出 Token，DeepSeek 收取 2 元人民币。Anthropic 的 Claude Opus 4.8，标准价格为 25 美元，约合 170 元。仅看输出单价，二者相差约 85 倍。
7 月底，DeepSeek 推出 V4 Flash 正式版，保留模型架构与规模，仅重新进行后训练，重点强化编码和 Agent 任务。
次日，大模型竞技场 Arena 公布前端编码评测榜单，将 V4 Flash 列入「价格—性能」前沿模型。截至 Arena 8 月 2 日的页面快照，V4 Flash 初步排名暂列 Opus 4.8 Thinking 之前。
在 Artificial Analysis 的 Intelligence Index v4.1 中，V4 Flash Max 获得 50 分，Claude Opus 4.8 Max 获得 56 分。前者跑完整套评测产生的模型调用费约为 72.02 美元，后者则高达 3752.55 美元。
换言之，Opus 多拿了 6 分，但跑完同一套评测的调用费高出约 52 倍。
V4 Flash 尚无法证明自己全面超越 Opus，但只要两者能被纳入同一轮候选名单，85 倍的价差就足以改变默认选择。
当一款模型价格高出几十倍，性能领先却仅几个百分点时，这笔账越来越难算平。
最先受冲击的，或许并非最弱的小模型。便宜、快速的小模型仍适合分类、提取和路由等简单工作。最强的旗舰模型也会继续用于处理疑难任务，或作为高失败成本场景里的保险。
真正尴尬的是中间一批模型：它们比 V4 Flash 强一些，却贵几十倍；又未强到能稳定解决 V4 Flash 做不了的问题。
这就是 DeepSeek 的斩杀线。它无需成为最强模型，只要达到「大多数时候可以做完」，就能利用近两个数量级的价格差，把更贵的模型挤出默认调用位。
V4 Flash 为何能把茅台当矿泉水卖
长久以来，人们认为模型价格与其「聪明程度」挂钩，模型越聪明，售价自然越高。
目前主流几款大模型中，Anthropic 家的 Opus 4.8 和 Opus 5 输出均为 25 美元/百万 Token，Fable 5 输出为 50 美元/百万 Token；OpenAI 的 GPT-5.6 在前几天降价后，Luna 输出由 6 美元降至 1.2 美元，Terra 由 15 美元降至 12 美元，Sol 保持不变，仍为 30 美元。
几款国产大模型依旧按每百万输出价格讨论，DeepSeek V4 Flash 为 2 元，刚发布的 Qwen 3.8 Max 为 36 元，Kimi K3 为 100 元，GLM 5.2 为 28 元。
DeepSeek 几乎以免费价格提供大模型
无论是国产模型间的对比，还是与国外旗舰模型的对比，DeepSeek 的价格似乎都是一股「清流」。究竟是什么造就了模型价格的差异？
最直观的是每生成一个 Token 的直接推理成本。
该成本受激活参数量、数字精度、注意力机制、KV Cache 大小、输出长度、硬件利用率和并发量影响。同一款模型，若能以更少计算完成推理，或让更多请求共享缓存，成本便会下降。
V4 Flash 总参数量为 2840 亿，但每个 Token 仅激活约 130 亿参数。它同时采用混合注意力结构、低精度权重及针对长上下文的缓存优化。
V4 系列模型架构图
根据 DeepSeek 四月公开的 Preview 技术报告估算，在一百万 Token 上下文下，V4 Flash 的单 Token 推理计算量约为 DeepSeek V3.2 的 10%，KV Cache 约为后者的 7%。
这是与 V3.2 的内部架构对比，不代表其只需其他所有模型十分之一的综合成本，但足以解释 DeepSeek 为何能将长任务价格压低。
DeepSeek V4 系列结构改造了 Transformer 模块里的三个关键部分，将注意力层改为先压缩再找重点的 CSA 机制和更极致压缩但全部浏览的 HCA 机制，两种交错排列以平衡成本。
V4 的前馈层沿用 DeepSeekMoE：模型包含大量细分专家和少量共享专家，每个 Token 仅被路由到其中一小部分专家。
因此，V4 Flash 虽共有 2840 亿参数，每个 Token 实际激活的仅约 130 亿；V4 Pro 总参数达 1.6 万亿，实际激活约 490 亿。它获得了大模型的知识和容量，却无需每生成一个 Token 都运行全部参数。
其次是完成的服务成本，涵盖模型训练、后训练、评测、安全以及推理基础设施、空闲算力等服务。这些成本虽不出现在 Token 账单里，却必须由模型厂商承担。
最后是商业定价，API 价格并非简单的成本加成，厂商还需考虑市场份额、用户迁移成本、品牌溢价、服务能力，以及客户愿意为可靠性支付多少钱。
因此，模型价格绝非一张纯粹的成本表。它既反映模型所需的算力，也反映厂商对自身能力、品牌和可靠性的估值。
OpenAI 和 Anthropic 的高价格，可能同时包含更高的推理成本、产品生态、安全和服务溢价，以及它们在高难度任务上的定价权。
架构未变，Agent 能力为何大涨
目前，V4 Flash 正式版尚未发布新的技术报告。DeepSeek 在 7 月 31 日的更新日志中写道：正式版 V4 Flash 与 Preview 的结构和尺寸相同，仅重新进行了后训练。
此前预览版报告披露的后训练流程，已将重点放在代码和 Agent 上：DeepSeek 分别训练数学、代码、Agent 和指令遵循专家，使用 SFT 和 GRPO 强化各自能力，再通过十多个教师模型的 On-Policy Distillation 合并回同一个模型。
工具调用也被视为单独的问题处理。
DeepSeek 设计了专门的调用格式，减少参数转义和格式错误；Interleaved Thinking 让模型在工具返回结果后继续保留前面的推理；DSec 则提供数十万个并发沙箱，让模型反复练习运行代码、读取报错和继续修改。
这些后训练并未给模型增加新参数，却能减少 Agent 最常见的失败：选错工具、填错参数、忘记前面的状态，或在任务未完成时停下。
正式版在 Terminal Bench 2.1 上取得 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 做了适配。
预训练决定模型的能力底座，后训练主要改变模型如何调用这些能力。
当 V4 Flash 可部署在「消费级」电脑上
V4 Flash 的另一变化，是让前沿 Agent 模型离本地设备更近了一步。
虽然每次推理仅激活 130 亿参数，但完整的 2840 亿参数仍需存储和调度，官方仓库中的权重文件合计约 167 GB。
DeepSeek 给出的 vLLM 服务示例使用一台配备 4 张 GB300 的服务器。
社区项目 DwarfStar 则通过低比特量化，把 V4 Flash 的 q2 版本放进了 96GB 或 128GB 统一内存设备，q4 版本建议使用至少 256GB 内存。在部分 128GB Mac 测试中，短上下文速度可达每秒二十多 Token。
q2 版本能运行，不代表能复现官方 API 的 Agent 成绩。极低比特量化可能损伤代码、长上下文和工具调用能力，社区运行时本身也仍处于早期阶段。
换个角度看 V4 Flash 的出现，这似乎是 DeepSeek 斩杀线里的关键一刀。在本地部署上，DeepSeek 又斩掉了「高水平模型只能待在机房」的一部分门槛，将门槛降到了高内存工作站。
一台高配 Mac 或 DGX Spark，已可用可交互的速度运行经过激进压缩的完整 V4 Flash。
最强模型也开始谈性价比
更低的价格不一定意味着少赚钱。
单价下降，Token 总量却可能涨得更快。
Sam Altman 在 7 月底的播客节目中曾提到，OpenAI 预计模型会产生极大使用量，因此无需依靠「极高毛利」来承担训练成本。他们和 DeepSeek 的梁文锋一样，相信 AI 的需求几乎无上限，AI 智能使用量将持续爆发。
即使每次调用赚得不多，只要调用量足够大，累计利润依然可以覆盖下一代模型的训练成本。
这也是 V4 Flash 更值得注意之处。
它未用绝对领先的榜单成绩证明自己是最聪明的模型；它做的，是把过去只有旗舰模型才能承担的任务，压进一个可被反复调用、持续试错，甚至允许浪费一些 Token 的价格区间。
在聊天机器人的时代，用户愿为更好的回答多付几倍价格。但进入 Agent 时代，模型不再只回答一次。它要浏览文件、搜索资料、执行代码、截图检查，再根据结果重新开始。
一次任务中，智力上几分的能力差距，可能只影响模型是否要多试两轮；但几十倍的价格差距，却会决定这个任务是否有资格真正跑起来。
运行 AA 所有测试花费的钱和智能得分对比显示，DeepSeek 拿下 50 分仅花 72 美元，而 Fable 5 得到 60 分，花费 5600 美元。
未来模型间的竞争，很难再用一张能力榜单解释。
用户需要计算的，是完成率、调用次数、响应速度和最终账单；模型厂商出售的，也不再只是每一个 Token 的智能，而是每一美元最终能完成多少工作。
从这个角度看，V4 Flash 真正斩掉的，是调用旗舰模型前那种无需计算成本的习惯。
当一个便宜 50 倍甚至 80 倍的模型，已能完成大多数编码和 Agent 任务，昂贵模型就必须反过来证明：剩下那几分能力，究竟值不值得多付几十倍的钱。
我们正在招募伙伴
📮 简历投递邮箱[email protected]