近期，DeepSeek V4 Flash 模型引发全球开发者广泛关注。据 OpenRouter 周榜数据，该模型单周处理 Token 超 7 万亿，其中 8 月 1 日单日达 8 万亿，5 万亿来自免费试用，3 万亿为付费使用。按 1 Token 约等于 1 – 1.5 汉字估算，8 万亿 Token 相当于约 1400 万部《红楼梦》文本量。

DeepSeek V4 Flash 在 Agents ’ Last Exam 测试中得分为 25.2 分，距 Claude Opus 4.8 仅差 0.5 分；代码能力 DeepSWE 从 7.3 分提升至 54.4 分，接近 Opus 的 58 分。但其每百万输出 Token 定价为 0.28 美元，仅为 Claude Opus 4.8（25 美元）的约 1/90。

研究机构 Artificial Analysis 测算显示，V4 Flash 完成各项智能指数任务的平均成本为 3 美分。实测表明，Agent 运行中 96% 输入 Token 走缓存，实际推理成本极低；Agent 能力越强、调用越频繁，DeepSeek 价格优势越显著。

OpenRouter 平台流量中，美国与欧洲开发者占比近半，大量 Agent 自动化项目、代码辅助工具及长文本处理应用已将默认模型切换为 DeepSeek。

梁文锋为幻方量化联合创始人，浙江大学电子系毕业。2023 年将其 AI 研究团队独立运营，成立 DeepSeek。幻方早期提供的万卡 A100 算力集群及资金支持，使 DeepSeek 无需依赖初期外部融资即可推进研发。2026 年 6 月，DeepSeek 完成首轮融资 500 亿元，其中梁文锋个人出资 200 亿元。

V4 Flash 总参数量 2840 亿，每次推理仅激活 130 亿参数，长上下文场景下计算量与显存占用较前代显著降低。模型设计阶段即以降低推理成本为目标，而非先堆算力再转嫁成本。

当前大模型行业基准已被重置：主流代码、推理与 Agent 场景中，DeepSeek 已成为能力与价格双重默认参照线。能力优于它不必然带来溢价，落后且更贵则迅速流失用户。夹层通用大模型公司面临生存压力，投资人对 " 为何不用 DeepSeek" 提问日益普遍。

OpenAI 于 7 月 30 日将 GPT-5.6 Luna 降价 80%，时间早于 V4 Flash 发布一日。行业共识趋于明确：模型迭代越快，能力溢价越低，Token 单价应持续下降。

多家媒体披露，相当比例美国企业正采用中国开源大模型。数字遗产平台 LilyList 创始人表示其超 90% 需求无需 Anthropic 模型；近 200 家美国科技初创企业联合呼吁政府维持对中国开源模型的访问权限。

DeepSeek 持续压价策略不仅压缩同业利润空间，亦主动限制自身 API 高溢价可能性。梁文锋公开表示，定价基于成本核算加合理利润，非补贴换市场。其核心目标指向 AGI 实现，而非短期商业回报最大化。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。