DeepSeek又打赢了价格战

DeepSeek战略转向Agent，Token成本成为核心突破点

日前，DeepSeek V4-Flash正式版上线公测，截至目前，公测仍在进行中。这一版本最引人注目的，不是参数规模的堆砌，而是成本控制上的硬核突破。

Artificial Analysis最新公布的数据显示，在目前全球主流大模型中，DeepSeek V4 Flash已经成为推理成本最低的模型之一。这可不是什么小打小闹的进步——从基准测试的成本对比来看，它完成一项任务的平均花费仅为0.03美元，而同类竞品动辄几美元甚至更高。

据DeepSeek于7月31日在API文档更新的日志显示，V4-Flash正式版版本名为DeepSeek-V4-Flash-0731。截至目前，DeepSeek网页端和App端使用的模型尚未同步更换。

Artificial Analysis正式截图

V4-Flash正式版上线当天，第三方评测机构Artificial Analysis给其综合能力打出50分，这与谷歌Gemini 3.6 Flash相当，但仍低于月之暗面的Kimi K3、OpenAI GPT-5.6以及Anthropic Claude Opus 5等模型。可以理解——毕竟V4-Pro正式版能力更强，但尚未发布。

不过，相比模型能力本身，此次升级引发业内更多讨论的是V4-Flash的成本控制能力。2024年以来，大模型竞争更多围绕参数规模、推理能力和基准测试成绩展开。而随着模型能力逐渐趋同，国内外模型厂商持续加码Agent、企业级AI应用和API生态，模型价格也再次成为竞争焦点。这其实是个很自然的转变：当大家都差不多优秀时，谁更便宜谁就更香。

参数规模未变，重点转向Agent能力

DeepSeek早在4月24日就发布了V4预览版，包括V4-Pro和V4-Flash。Flash预览版总参数约2840亿，单Token激活约130亿，支持100万Token上下文。此次0731版本的模型结构和规模均未变化，DeepSeek明确表示，升级主要来自重新后训练。

V4-Flash正式版原生支持Responses API格式，支持Agent任务、工具调用（Tool Calling）、多轮推理等能力，并进一步兼容Codex接口，为开发者提供更完整的智能体开发能力。相比此前版本，它更加面向开发者和企业场景，而不仅仅是普通用户聊天应用。

最新公布的测试结果显示，V4-Flash-0731在Terminal Bench 2.1、DeepSWE、Toolathlon等九项代码和智能体测试中，均超过V4-Pro预览版。其中，DeepSWE成绩由预览版的7.3分提高至54.4分，Terminal Bench 2.1由61.8分升至82.7分，Toolathlon-Verified由49.7分升至70.3分。这些数字背后，是模型在代码和工具调用能力上的质变。

每百万输出Token仅需2元

V4-Flash目前的API价格为每百万输入Token 0.14美元、每百万输出Token 0.28美元。Artificial Analysis估算，它完成一项基准测试任务的平均成本约为0.03美元，同一套测试中，Kimi K3约为0.86美元，OpenAI GPT-5.6 Sol约为1.86美元，Claude Fable 5约为3.15美元。V4-Flash与后者的成本差距超过100倍。这可不是简单的“便宜一点”，而是直接拉出了一个数量级的差距。

DeepSeek正式截图

国内模型市场此前已进行多轮降价。正式数据显示，阿里Qwen3.6-Flash在较短上下文下，每百万Token输入和输出价格分别为1.2元和7.2元；字节跳动豆包Seed-2.1-turbo分别为3元和15元，面向代码和Agent任务的Seed-Evolving分别为6元和30元；月之暗面Kimi K2.7 Code分别为6.5元和27元，旗舰模型Kimi K3则达到20元和100元。

一些轻量模型的输入价格低于V4-Flash，但在代码能力、上下文长度和复杂任务定位上并不完全相同。V4-Flash的特殊之处，在于同时提供100万Token上下文、较强的代码和工具调用能力，以及每百万输出Token仅2元的价格。这意味着，企业用同样的预算，能做更多、更复杂的任务。

棱镜咨询创始人况玉清接受财闻采访时称，中国开源模型在部分尖端任务上仍与OpenAI、Anthropic存在差距，但在通用任务和中高端应用场景中，替代效应已经十分明显。“当模型能力相差不大，竞争的核心就会转向性价比，这将直接压缩头部厂商的定价能力和盈利空间。”这话说得直白，但很在理。

不过，较低的API报价并不一定意味着企业最终承担的成本更低。燕基空间研究中心何基永指出，价格将成为下一阶段大模型竞争的“入场券”，但真正的衡量标准是单位有效产出成本。“企业最终比较的不是每百万Token的标价，而是完成一项任务需要多少钱，其中还包括准确率、响应速度、重试次数和人工干预成本。”对于Agent应用来说，这个逻辑尤其重要。传统聊天通常只需要模型完成一次回答，而智能体需要反复读取文件、搜索资料、调用工具、修改代码并验证结果，一项任务可能产生几十次模型调用，消耗数十万乃至数百万Token。所以，真正的成本竞争力，得看综合效率，而非单一标价。