单日消耗 8 万亿 Token。

这一数字出自 AI 编程工具 OpenCode 的统计，对象是 DeepSeek V4 Flash 模型。

据该开源 Agent 平台披露，DeepSeek V4 Flash 正式版上线后，通过其平台产生的 Token 总量已达 8 万亿。细看构成，其中 5 万亿来自免费额度，剩余 3 万亿则源自付费套餐 OpenCode Go。

作为参照物，大模型路由平台 OpenRouter 接入了 400 余款模型，月处理量约 200 万亿 Token，日均约为 6.6 万亿。

这意味着，仅在 OpenCode 这一个渠道，DeepSeek 一款模型一天的 Token 消耗量，便超越了 OpenRouter 全平台的日均总和。

OpenRouter 平台上，DeepSeek V4 Flash 已成为本周热门之选。

低价策略是诱因之一：能力跃升而价格未涨，被压抑的需求自然迅速释放。但 8 万亿 Token 背后，更深层的变化在于用户习惯的重塑。

以往，用户提问，模型作答，交互即止。如今的 Agent 能自主读文件、改代码、跑程序、查结果，失败后还会重试。单次任务可能耗时数小时，调用数十次工具，甚至多 Agent 协同作业。

模型输出的代码量未必激增，但消耗的 Token 却可能翻升几十倍乃至数百倍。

曾有用户利用 Claude Opus 5 制作单页 3D 游戏。模型需不断生成页面、截图校验、再次修改。最终仅得到一个 HTML 文件，一条提示词却耗去 6.9 亿 Token，费用逼近 3000 元。

Agent 任务的爆发，迫使模型证明自身价值。除了智能水平，性价比成为关键考量；衡量标准也从「单次回答多聪明」，转变为「完成长任务花费多少、耗时多久、失败几次」。

依此标准，DeepSeek V4 Flash 确立了新的基准线。

每百万输出 Token，DeepSeek 收费 2 元人民币。Anthropic 的 Claude Opus 4.8 标准价 25 美元（约合 170 元），仅看输出单价，两者差距达 85 倍。

7 月底，DeepSeek 发布 V4 Flash 正式版，维持原有架构与规模，侧重后训练，强化编码及 Agent 能力。

次日，大模型竞技场 Arena 公布前端编码评测榜，将 V4 Flash 纳入「价格—性能」前沿行列。截至 8 月 2 日快照，V4 Flash 初步排名暂列 Opus 4.8 Thinking 之前。

Artificial Analysis 的 Intelligence Index v4.1 显示，V4 Flash Max 得分 50，Claude Opus 4.8 Max 得 56 分。前者跑完全套评测调用费约 72.02 美元，后者高达 3752.55 美元。

换言之，Opus 多获 6 分，但评测成本高出约 52 倍。

V4 Flash 尚未能证明全面超越 Opus，但只要二者同处候选名单，85 倍的价差便足以颠覆默认选择。

当价格相差数十倍，性能领先仅几个百分点时，这笔账愈发难以平衡。

受冲击者未必是最弱小模型。便宜快速的小模型仍胜任分类、提取、路由等简单工作。最强旗舰模型亦会继续处理疑难杂症，或作为高失败成本场景下的保险。

真正尴尬的是中间层模型：它们比 V4 Flash 略强，却贵数十倍；又不足以稳定解决 V4 Flash 无法攻克的问题。

这便是 DeepSeek 的斩杀线。它无需成为最强，只需做到「大多数时候能做完」，凭借近两个数量级的价格优势，便将更贵的模型挤出默认调用位。

为何 V4 Flash 能将高价模型卖成白菜价？

传统认知中，模型价格与其「聪明程度」正相关。越聪明，越昂贵。

目前主流大模型定价如此：Anthropic 的 Opus 4.8 和 Opus 5 输出均为 25 美元/百万 Token，Fable 5 为 50 美元/百万 Token；OpenAI 的 GPT-5.6 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 维持 30 美元不变。

国产模型方面，DeepSeek V4 Flash 为 2 元，新发布的 Qwen 3.8 Max 为 36 元，Kimi K3 为 100 元，GLM 5.2 为 28 元。

无论对比国产阵营还是国外旗舰，DeepSeek 的价格宛如一股「清流」。造成差异的原因何在？

最直观的是单次推理的直接成本。

该成本受激活参数量、精度、注意力机制、KV Cache 大小、输出长度、硬件利用率及并发量影响。同一模型若以更少计算完成推理，或让请求共享缓存，成本即降。

V4 Flash 总参数 2840 亿，但每 Token 仅激活约 130 亿参数。它采用混合注意力结构、低精度权重及长上下文缓存优化。

V4 系列模型架构图

据 DeepSeek 四月公开的 Preview 技术报告估算，在百万 Token 上下文下，V4 Flash 单 Token 推理计算量约为 DeepSeek V3.2 的 10%，KV Cache 约为后者的 7%。

此数据系 V3.2 内部架构对比，不意味着其综合成本仅为其他模型十分之一，但足以解释 DeepSeek 压低长任务价格的逻辑。

V4 系列改造了 Transformer 模块中的三个关键部分：注意力层改为先压缩再定位重点的 CSA 机制，以及极致压缩但全浏览的 HCA 机制，两者交错排列以平衡成本。

前馈层沿用 DeepSeekMoE：模型含大量细分专家与少量共享专家，每 Token 仅路由至小部分专家。

因此，V4 Flash 虽总参数 2840 亿，每 Token 实际激活仅约 130 亿；V4 Pro 总参数达 1.6 万亿，实际激活约 490 亿。模型获得大知识容量，却无需每生成一个 Token 都运行全部参数。

其次是服务成本。从训练、后训练、评测、安全，到推理基础设施、闲置算力等，这些费用虽不出现在 Token 账单中，却需厂商承担。

最后是商业定价。API 价格非单纯成本加成，厂商还需考量市场份额、迁移成本、品牌溢价、服务能力及客户对可靠性的支付意愿。

故模型价格绝非纯成本表。它既反映算力需求，也体现厂商对自身能力、品牌及可靠性的估值。

OpenAI 与 Anthropic 的高价，可能涵盖更高推理成本、产品生态、安全服务溢价，以及在高难任务上的定价权。

架构未变，Agent 能力为何大增？

V4 Flash 正式版暂未发布新技术报告。DeepSeek 7 月 31 日更新日志称，正式版结构与尺寸同 Preview 一致，仅重新进行后训练。

此前预览版报告已披露，后训练重点聚焦代码与 Agent：分别训练数学、代码、Agent 及指令遵循专家，利用 SFT 和 GRPO 强化各自能力，再通过十余个教师模型的 On-Policy Distillation 合并回单一模型。

工具调用被视为独立问题处理。

DeepSeek 设计专用调用格式，减少参数转义与格式错误；Interleaved Thinking 使模型在工具返回结果后保留前置推理；DSec 提供数十万并发沙箱，让模型反复练习运行代码、读取报错及修改。

这些后训练未增加新参数，却减少了 Agent 常见失败：选错工具、填错参数、遗忘状态或任务未完即停。

正式版在 Terminal Bench 2.1 上获 82.7 分，该成绩使用了未发布的 DeepSeek Harness 极简模式及 max 推理档。此外，DeepSeek 为 V4 Flash 加入原生 Responses API，并适配 Codex。

预训练奠定能力底座，后训练改变能力调用方式。

V4 Flash 可部署于「消费级」电脑？

V4 Flash 的另一变化，是让前沿 Agent 模型贴近本地设备。

虽每次推理仅激活 130 亿参数，但完整 2840 亿参数仍需存储调度，官方仓库权重文件合计约 167 GB。

DeepSeek 提供的 vLLM 服务示例需一台配备 4 张 GB300 的服务器。

社区项目 DwarfStar 通过低比特量化，将 V4 Flash q2 版本装入 96GB 或 128GB 统一内存设备，q4 版本建议至少 256GB 内存。部分 128GB Mac 测试中，短上下文速度可达每秒二十余 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害代码、长上下文及工具调用能力，社区运行时亦处于早期阶段。

换个视角，V4 Flash 的出现似乎是 DeepSeek 斩杀线的关键一刀。本地部署上，它斩掉了「高水平模型只能驻留机房」的部分门槛，将门槛降至高内存工作站级别。

一台高配 Mac 或 DGX Spark，已能以可交互速度运行激进压缩后的完整 V4 Flash。

最强模型也开始讲究性价比。

低价不等于少赚。

单价下降，Token 总量增速可能更快。

Sam Altman 曾在 7 月底播客中表示，OpenAI 预计模型将产生巨大用量，故无需依赖「极高毛利」覆盖训练成本。他们与 DeepSeek 梁文锋一样，坚信 AI 需求近乎无上限，使用量将持续爆发。

即使单次调用利润微薄，只要总量足够大，累计利润仍可覆盖下一代模型训练成本。

这也正是 V4 Flash 值得关注的缘由。

它未以绝对领先的榜单成绩证明自己最聪明；而是将过去仅旗舰模型才能承担的任务，压入一个可反复调用、持续试错、甚至允许浪费一些 Token 的价格区间。

聊天机器人时代，用户愿为更好回答多付几倍价格。进入 Agent 时代，模型不再只答一次。它需浏览文件、搜索资料、执行代码、截图校验，再根据结果重来。

单次任务中，智力上几分差距，或许只影响多试两轮；但几十倍价格差距，却决定任务是否有资格真正启动。

运行 AA 所有测试的费用与智能得分对比显示，DeepSeek 获 50 分仅花 72 美元，Fable 5 获 60 分花费 5600 美元。

未来模型竞争，难再用一张能力榜单概括。

用户需计算完成率、调用次数、响应速度及最终账单；模型厂商出售的，不再仅是每个 Token 的智能，而是每美元最终能完成多少工作。

由此观之，V4 Flash 真正斩掉的，是调用旗舰模型前那种不计成本的惯性。

当一个便宜 50 倍甚至 80 倍的模型，已能完成多数编码与 Agent 任务，昂贵模型便须反向证明：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]