2026 年 7 月 31 日,DeepSeek 悄然上线 V4-Flash 正式版 API 公测。没有发布会,没有预热。但把它的跑分和价目表并排放在一起看就会发现,这家公司干的事情,本质上是给整个闭源大模型市场划下了一条斩杀线。
线的位置很清楚:性能没比它高出一大截,价格却贵它几十上百倍的模型,商业上已经被斩了。
一、这条线是怎么划出来的
先看两组数字,一组关于性能,一组关于价格。
性能这边,差距是个位数。 在衡量代码智能体能力的 Terminal Bench 2.1 上,V4-Flash 拿到 82.7 分;而当前顶级闭源模型在同项测试上约为 85 分。差 2.3 分。此外它在 Cybergym 拿到 76.7、Toolathlon verified 70.3,多项指标已经越过了三个月前自家旗舰 V4-Pro 预览版的水平。
实测体感也印证了这一点:有开发者用同样的高难度任务和提示词做对比,V4-Flash 约 40 秒完成,海外某顶尖模型花了 1 分 47 秒。快了一倍还多,而且不是靠牺牲质量换来的。
价格那边,差距是两个数量级。 V4-Flash 的调用成本被压到每百万 Token 输入约 0.14 美元、输出约 0.28 美元——据业内测算,大约只有某些头部闭源模型的九十分之一。
把这两组数字并排:你多付 90 倍的钱,买回来的是那 2.3 分。
这就是斩杀线的位置。它不是"更便宜一点",而是让"贵"这件事彻底失去了解释空间。
二、更狠的是:它还是开源的
如果 V4-Flash 只是"便宜的闭源 API",那闭源阵营至少还能打"生态""稳定性""数据安全"这几张牌。
但它是开源的——模型文件可以直接下载。这意味着企业不只是"用便宜的 API",而是可以把模型拉回自己的机房,微调、部署、私有化。对那些拿数据合规当护城河、说"你的数据在我这儿更安全"的闭源厂商来说,这一刀砍在了最疼的地方。
同时,V4-Flash 原生支持 OpenAI 力推的 Responses API 格式,并针对性适配了 Codex。翻译成人话:原本在 OpenAI 生态里写好的 Agent 应用,改几行就能搬过来。 迁移成本被降到接近于零——闭源厂商最后那道"换起来麻烦"的锁,也被拆了。
性能贴身、价格砍到九十分之一、开源可私有化、迁移几乎无痛。四件事同时成立,斩杀线才真正致命。
三、Agent 时代,这条线格外要命
价格差 90 倍,在一问一答的场景里,可能只是每月账单从 90 块变成 1 块——省钱,但不致命。
真正要命的是 Agent。
Agent 干活不是一问一答,而是反复调用:打开终端、读代码仓库、调工具、拿结果、判断下一步、出错了再试一次。一个复杂任务跑下来,可能是几十次乃至上百次模型调用。
这意味着两件事被指数级放大:
其一,成本被乘以调用次数。 单次贵 90 倍,一个任务调用 100 次,就是贵 9000 倍的差距。原本"用得起"的账,瞬间变成"用不起"。
其二,延迟被累加。 单次慢 1 分钟,几十轮下来就是几十分钟的等待。Agent 的价值本来就在"替人干活、比人快",慢到这个程度,产品体验直接崩塌。
所以 Agent 场景天然是对成本和速度最敏感的战场。DeepSeek 用一个激活参数仅 130 亿的轻量模型切进来,打的就是这个算盘:当调用变成高频行为,"便宜、快、性能够用"会碾压"最强但贵得离谱"。
这不是巧合,是精确的战术选择。
四、这一刀斩的是谁
要说清楚——被斩的不是"所有闭源模型",而是中间那一大批。
必死的一档:性能没拉开代差、价格却高高在上的中间层。 它们的处境最尴尬:论最强,比不过顶尖闭源;论性价比,被 V4-Flash 按在地上摩擦。过去它们靠"比开源强一点、比顶尖便宜一点"活着,而现在开源模型的性能已经追到顶尖的边上,这个生态位直接消失了。它们卖的那点优势,已经不值那个价。
还活着的两档:
一是真正的顶尖。在最难、最复杂、对输出质量吹毛求疵的任务上,顶级闭源模型仍守着那 2.3 分的优势。有些场景里,这 2.3 分值 90 倍的钱——比如一次错误代价极高的关键任务。它们的市场会收缩,但不会消失,只是从"通用选择"退回"高端专用"。
二是极致的低价者和垂直专精者。要么比 DeepSeek 更便宜,要么在某个细分领域深到无法替代。
换句话说,这一刀砍掉的是**"中间地带"**。以后大模型市场大概率是哑铃形:一头是性能极致、贵得有理的顶尖闭源;另一头是便宜到近乎白菜价、还开源可控的实用派。卡在中间、既不够强又不够便宜的,才是真正被斩的那批。
五、这一切,只靠"重新做了一遍后训练"
最后一个细节,才是这篇文章里最值得琢磨的地方。
V4-Flash 总参数 2840 亿、激活参数仅 130 亿,和自家 V4-Pro(激活约 490 亿)差着近一个数量级。而 DeepSeek 明确说明:这次更新**"仅重新进行了后训练",模型结构完全没变**。
没有扩参数,没有换架构,没有堆更多算力。只是把训练方法和数据质量重做了一遍——Agent 相关能力就提升了数倍,一个"轻量级"打到了旗舰的边上。
这件事的含义可能比斩杀线本身更深远:它意味着行业过去在"堆参数"这条路上,可能用力过猛了。 当同样的架构、更少的激活参数,靠优化训练就能榨出成倍的能力,那"更强就得更大、更大就得更贵"这条被默认了很久的定律,就出现了裂缝。
而定律一旦出现裂缝,价格自然守不住。斩杀线的本质,不是 DeepSeek 打了一次价格战,而是它证明了:那么贵,原本就是不必要的。
写在最后
一条 82.7 对 85 的性能线,一条 1 比 90 的价格线。两条线交叉的地方,就是斩杀线。
对开发者和企业来说,这是实打实的好消息:AI 从"少数人用得起的奢侈品",正在变成"人人都能调的基础设施"。而当调用成本不再是门槛,真正的瓶颈会往后挪——挪到应用怎么设计、数据怎么用,以及这些高频调用的 AI 应用,能不能有一条稳定、低延迟的网络把它们稳稳托住,尤其是当调用要跨越国界的时候。
模型的门槛正在被斩落。而门槛之后的路,才刚开始铺。