DeepSeek V4-Flash 震动市场的七个点：一份可核对的成本账

2026 年 7 月 31 日，DeepSeek 发布 V4-Flash 正式版：2840 亿总参数、130 亿激活的 MoE 模型，百万级上下文，MIT 开源，预训练超过 32 万亿 token。

上线四天后它登上 OpenRouter 周调用量第一，7 月 27 日至 8 月 2 日一周处理约 7.22 万亿 token。同期 OpenAI 的 GPT-5.6 Luna 约 2.99 万亿排第五，此前风头很盛的 Kimi K3 跌出前十，落到第 12 名。

这个结果值得注意的地方在于口径：OpenRouter 统计的是开发者真实付费调用量，不是下载量、不是榜单跑分、也不是社交媒体声量。而且流量里接近一半来自欧美开发者，不是国内自循环。它是目前少数几个不太好刷的指标之一。

V4-Flash 的官方单价是每百万 token 输入约 0.14 美元、输出约 0.28 美元，放在 2026 年的价格表里算便宜，但不算离谱。真正拉开差距的是第三方测评用的另一个口径：单任务总成本。

口径	V4-Flash	Claude Fable 5	倍数
完成同一件任务的总花费	约 3 美分	约 3.15 美元	约 105 倍
智力指数差距	基准分低 9 分	基准分高 9 分	9 分

两边差 105 倍的钱，换回来 9 分的能力差。这个比例是整件事的核心，不是「便宜」本身。

更关键的是缓存命中价：约 0.003 美元每百万 token，比未命中的输入价低 98%（官方口径是 0.02 元人民币每百万 token，从首发价的十分之一再降下来的）。Agent 干活的特征就是反复重读同一段历史上下文，这笔隐性开销在别处是主要成本项，在这里直接被抹平。

有开发者实测：跑一整天高难度任务花 0.31 美元，之前用同类模型要 35 美元。注意这里要留一句口径提醒，输出价格分平峰与高峰两档（高峰时段输出翻倍），做成本测算时不要只按平时价推全天。

过去三年行业的默认认知是参数越多越聪明。V4-Flash 用 130 亿激活参数，在全部 9 项 Agent 基准测试里打赢了自家 490 亿激活的 V4-Pro 预览版。

基准	V4-Flash	V4-Pro 预览版
Terminal Bench	82.7	72.1
DeepSWE（真实软件工程修复）	54.4	12.8

DeepSWE 那一栏的差距不是渐进式改良能解释的。而且模型结构完全没改，改的只有后训练方法。同一具身体换了套教学法，成绩从腰部跳到顶尖。

对采购方来说，这条比价格更有杀伤力：它意味着「这个模型参数大所以贵得有道理」这句话不再自动成立，贵和强之间的因果链被切断了一次。

此前行业后训练主流是混合强化学习：把数学、代码、Agent 等目标混在一起训，经常出现「数学练上去了代码掉下来」的跷跷板效应。

DeepSeek 直接把混合 RL 阶段整个删掉，换成 OPD（On-Policy Distillation，同策略蒸馏），分两步：

1. 先训十几个偏科专家。 数学、代码、Agent、指令遵循各一个，都从同一个预训练底座出发，各自做领域 SFT 再上领域定制奖励的强化学习。每个专家在自己领域里练到极致，互不干扰，跷跷板问题从源头消失。
2. 再让统一模型自己写答案。 学生模型生成自己的输出，由当前任务最相关的那个专家逐 token 打分纠偏。学的是「自己容易犯的错」，而不是抄老师的完美答案。

这个区别很重要。传统蒸馏是让学生模仿老师的正确轨迹，学生在自己真实会走偏的地方反而拿不到监督信号。同策略蒸馏把纠错点对准了学生自己的分布，样本效率高得多。

同期还做了一批底层优化：过滤预训练数据里的 AI 生成垃圾、用混合注意力把百万 token 推理算力降到上一代的 27%、KV 缓存降到 10%，再叠加 Muon 优化器、F4 量化与投机解码。在美国限制先进芯片的背景下，这些是从现有芯片里多榨算力的工程动作。想看这一层在整个技术栈里的位置，可以对照AI 技术栈演进那份梳理。

V4-Flash 原生支持 OpenAI 的 Responses API，并专门适配了 OpenAI 的编程 Agent 产品 Codex。它同时还保留着 2025 年就在跑的 Anthropic 格式接口。

实际效果是：开发者不用改工具、不用改代码，把调用的模型名换掉、base URL 指过去就行，账单直接降九成。不支持的字段（store、previous_response_id、conversation、background 等）服务端静默忽略，不报错，所以现有客户端基本能直接连上。

这是一步很克制的棋。它没有试图让开发者放弃 Codex 或 Claude Code 转投自家客户端，而是把迁移成本压到接近零，让人在原有工作流里顺手换掉底层模型。争夺的是调用量，不是用户心智。

DeepSeek 还明确把 Flash 定位成 Agent 场景的默认选项，而不是 Pro 的廉价备胎。这个定位配合零成本迁移，才构成完整的打法。

模型发布后的声量很容易造，调用量不容易。OpenRouter 的数据是开发者掏钱投的票，公开可查，这是判断这件事真假的最好抓手。

反例更能说明问题：Kimi K3 的智力指数比 V4-Flash 高 7 分，但输出价是后者的 53 倍，一周内从榜单前列跌到第 12 名。

能力强的输了给算得过账的。这在 2026 年之前不太成立，那时候大家为了效果愿意付溢价。转折点在于 Agent 工作流普及：Agent 一次任务动辄几十上百次调用，单价乘以调用次数之后，53 倍的价差不再是可以忽略的尾数，而是决定项目能不能跑正的分母。谁在为这些调用买单、怎么记账，是另一个话题，AI Agent 金融基础设施那篇专门讲这层。

对手	应对方式	现状
OpenAI	提前一天把 GPT-5.6 Luna 降价 80%（输入 1 美元降到 0.20 美元，输出 6 美元降到 1.20 美元）	降完仍比 V4-Flash 贵约 3 倍，属于被动防守
Anthropic	站着不降价，靠企业客户撑住（约 80% 收入来自企业，财富 10 强里 8 家在用）	中间层客户开始流失，例如 Lindy AI 转投 DeepSeek，成本降约 90%
月之暗面	无法降价	K3 技术更强，但 3 万亿参数的推理成本结构决定了它降不动

三家的处境不一样。OpenAI 降得动价，但降完还是贵，只能继续降；Anthropic 选择不打价格战，用企业合同和能力密度维持利润率，代价是把中间层市场让出去；月之暗面最尴尬，一边估值三个月涨近 3 倍到 500 亿美元，一边调用量掉出前十，单位经济账算不过来。

这里有个容易被忽略的判断：Anthropic 不降价未必是失误。它没有降 API 牌价，而是用同样的价格投放更强的模型，等于降的是「每单位能力的价格」。这条路只在客户愿意为可靠性付钱时成立，而企业客户恰好是这类客户。

把反面一起摆出来，这份判断才完整。

一、开源是双刃剑。 MIT 协议意味着企业可以自己部署，完全不用付 DeepSeek 钱。调用量第一不等于收入第一，这两件事之间没有必然联系。

二、成本利润率数据是旧的。 之前广为流传的 545% 成本利润率是 2025 年 H800 集群时期的数据，V4 已经迁到华为昇腾，新的成本结构没有公开。拿老数字推新账是错的。

三、9 项 Agent 基准都是自家评测。 目前没有第三方独立复现。基准分是厂商自测这件事本身不代表造假，但在没有复现之前，它的证据等级低于 OpenRouter 那类真实调用数据。

四、没有原生多模态。 纯文本模型，涉及图像、音频的场景要另找方案或做拼装。

五、输出更长会吃掉部分价格优势。 复杂任务上它的输出 token 数偏多，按输出计费的场景里，单价优势会被 token 量部分抵消。做成本对比时应该比「完成同一任务的总花费」，而不是比每百万 token 单价。

另外，更强的 V4-Pro 正式版已经跳票，Responses API 目前也只支持 Flash，Pro 的支持计划在 8 月初。整个叙事目前是由 Flash 一个型号单独撑着的。

如果你是一个人在做产品，下面四条比「哪个模型最强」更值得先想清楚。

1. 先把任务分层，再选模型。 不要全站押一个模型。批量、重复、容错高的活（分类、抽取、初稿、日志摘要）走 V4-Flash 这类便宜模型；需要判断力、直面用户、出错代价高的活留给贵模型。绝大多数产品里前者的调用次数是后者的几十倍，省的钱全在前者。
2. 把缓存命中率当成一个正经指标。 98% 的缓存折扣只有在你稳定复用同一段前缀时才拿得到。系统提示词、工具定义、长文档要放在前缀固定的位置，别每次拼装顺序都变。这件事的收益经常比换模型还大。
3. 迁移成本已经接近零，所以先测，别先做决策。 接口兼容意味着你可以花一小时接上去，用自己的真实任务集跑一轮对比，拿自己的数据说话。在有实测结果之前，任何基于榜单的选型都是猜。
4. 别把一个还没被第三方复现的优势写进商业模式。 可以用它省钱，不要用它当护城河。你的成本优势对手明天也能有，因为这个模型是开源的，谁都能用。

判断一个方向值不值得投入，可以再用项目可行性评估那套红线加六维打分过一遍，尤其是「验证成本」这一维，模型降价直接改变的正是这一项。