BASHCAT: 當全世界都在漲價，DeepSeek 卻把旗艦模型砍到地板：一場關於「反向定價權」的硬仗

當全世界都在漲價，DeepSeek 卻把旗艦模型砍到地板：一場關於「反向定價權」的硬仗

大家都在問錯問題。

從 V4-Pro 宣布永久降價那天起，我看到的討論幾乎清一色是「這麼便宜，DeepSeek 會不會虧死」「梁文鋒是不是 AI 圈的賽博菩薩」。這些問題聽起來很合理，但它們其實預設了一個錯誤前提——以為這是一場補貼大戰，是用錢換流量。

真正反常識的點不在「便宜」。DeepSeek 一直都便宜，全世界都習慣了。真正反常識的是時機：2026 年的這個當下，整個 AI 行業正在集體漲價。HBM 半年內價格暴漲超過 500%，高端 GPU 缺貨缺到下單要等一季，亞馬遜、微軟跟國內主流雲廠商紛紛上調 API 定價，部分漲幅甚至高達 463% 。連 OpenAI、Anthropic、Google 御三家都在過去半年「悄悄」把同樣輸出的實際價格往上抬。

行業共識已經變成「AI 服務理應越來越貴」。就在這個時候，DeepSeek 反手一刀，把旗艦模型砍到地板，還宣布永久。

這不是賠本賺吆喝。這是一家公司在告訴整個市場：我能這麼便宜、還能正常運轉、品質還不掉線——你們的高價，是時候被重新定義了。

一個月砍三刀，最後一刀砍進「永久」

先把事實擺清楚，因為這波降價的節奏本身就很有戲。

DeepSeek V4 在 2026 年 4 月 24 日發布預覽版並同步開源，分成性能更強的 V4-Pro（1.6 兆參數、49B 激活）跟輕量的 V4-Flash（284B、13B 激活），兩者都原生支援 100 萬 token 的超長上下文。剛發布時 Pro 版輸出定價是每百萬 token 24 元人民幣，當下被不少人嫌貴。

然後就是教科書級的「連環刀」：

日期	V4-Pro 輸入（緩存未命中）	V4-Pro 輸出	動作
4/24	¥12	¥24	首發定價
4/25	¥3	¥6	限時 2.5 折，直降 75%
4/26–28	¥0.025（緩存命中）	¥6	全系輸入緩存命中砍到首發價 1/10
5/22	—	—	官宣：5/31 優惠到期後，2.5 折永久化

發布隔天就砍 75%，三天後再砍一刀緩存命中價，然後在所有人都以為「6 月優惠結束就會恢復原價」的時候，5 月 22 日晚上一紙公告把臨時優惠寫死成永久定價。

最終 V4-Pro 的永久價格長這樣：輸出每百萬 token 6 元（約 0.87 美元）、輸入緩存未命中 3 元、輸入緩存命中低到 0.025 元（約 0.0036 美元）——這個數字被稱為「全球大模型價格新低」。

對比一下你就知道有多誇張（以下美元數字按 1 美元約兌 7.2 人民幣換算）。GPT-5.5 標準版輸出價每百萬 token 30 美元、折人民幣約 216 元，是 V4-Pro 的 36 倍；同模型的 Pro 版定價更貴（180 美元、約 1,296 元），落差直接拉到 200 倍。換成 Claude Opus 4.7（輸出約 25 美元/百萬 token、折人民幣約 180 元）也有大約 19 倍。有開發者實測，用 V4 跑一天處理 278 億 token，帳單只有 160 美元——同樣的量用同等級美國模型要超過 1 萬美元。

夭壽喔，這價差已經不是「比較便宜」，是兩個物種了。

別人漲價它降價，憑什麼？

這才是整篇文章我最想聊的部分，也是開發者最該關心的部分：這個低價到底是補貼撐出來的，還是成本真的下來了？

如果是補貼，那就是不可持續的，窗口期一過就會打回原形（DeepSeek 自己在 2025 年就幹過這種事，V3.1 發布後取消夜間優惠、變相讓最低 API 價格上漲 50% ）。但這次不一樣，三層底氣讓這個價格站得住。

第一層，是架構效率的結構性下降。 V4 用了 DSA 稀疏注意力，再加上混合注意力機制（CSA 與 HCA），核心就是解決一件事：傳統注意力在長文本場景下，算力跟顯存需求會飆到天上去。根據高盛的研究報告，V4 在處理百萬級上下文時，推理所需的 FLOPs 跟 KV Cache 佔用，比上一代 V3.2 直接降低了 73% 到 93%。

KV Cache 這個東西值得展開講，因為它是整場成本革命的關鍵。模型每生成一個 token，都要把前面的上下文存進 KV Cache，而這部分吃的是最貴、最緊張的 HBM 顯存。一篇在業界廣為流傳、由雲端架構從業者 Girish Patil 撰寫的測算指出：在 100 萬 token 上下文、8bit KV 精度的設定下，DeepSeek V4 的 KV Cache 估計只佔 5.48GB HBM ——對照組 GLM-5 要 60GB、Qwen3-235B 要 89GB（這組數字屬第三方測算，非官方公布，但量級差距與 DeepSeek 技術報告揭露的架構優化方向一致）。

差了超過十倍。這意味著什麼？意味著推理可以更多地放到 SSD、NAND 閃存、LPDDR 這些「平民級」存儲介質上，你不需要囤那麼多 HBM，也不需要那麼多英偉達 GPU。整個成本曲線的形狀都被改寫了。

第二層，是國產算力綁定。 V4 系列完全跑在華為昇騰 950PR 上，脫離了英偉達 CUDA 生態。為了這個遷移，DeepSeek 團隊耗時約 5 個月、重寫了 40 萬行算子，把兆級參數模型在昇騰的 CANN 架構上全棧跑通，優化後昇騰推理速度比初版提升 35 倍。更關鍵的是，DeepSeek 罕見地把「未來降價」明確跟昇騰 950 超節點下半年量產的節奏掛鉤——這在行業裡幾乎沒人這麼幹。它等於在說：我的低價不靠演算法玄學，是綁在國產算力的規模化部署上的。

第三層，是真實的緩存命中率。 前面那個一天 278 億 token、帳單 160 美元的案例，其中 273 億 token 來自緩存，命中率高達 98.2% 。配合單次推理算力降到前代的 27%，這個價格才不是「虧本賺吆喝」，而是「我成本就到這個位置了」。

三層疊起來，高盛直接把這定調為「AI 普惠元年」。這詞用得是有點大，但邏輯上站得住。

反向定價權：當「最強」不再是唯一賣點

理解了成本，再來看市場結構，你會發現全球 AI 的定價體系正在裂成兩條路。

一條是海外路線，守高價、博高毛利。Anthropic 在 5 月以 965 億美元估值完成新一輪融資（約 96.5 billion 美元），年化營收衝向約 450–470 億美元、逼近 500 億大關，毛利率接近 77%，約 85% 收入來自企業跟開發者客戶。OpenAI 估值 852 億美元、也在籌備 IPO。它們的打法很清楚：靠高端企業客戶覆蓋巨額算力成本，維持高 ARPU。

另一條是中國路線，壓利潤、搶生態。瘋狂壓縮利潤甚至虧本補貼，目標是在短暫窗口期內死死咬住 Agent 生態跟開發者市場。港媒乾脆用「全球 AI 定價體系面臨崩塌」當標題——V4-Pro 的緩存輸入價只有 GPT-5.5 的約 1/32，使用成本低到只有 OpenAI 同類的 3%。

這裡有個很多人沒想透的點：DeepSeek 拿到的不是「降價能力」，而是「反向定價權」。

過去定價權在誰手上？在能做出最強模型的人手上。OpenAI、Anthropic 靠性能壁壘維持高價，因為你想要最好的，就得付最貴的。但 V4 把開源與閉源的性能差距縮小到歷史最小——它在 Agentic Coding 體驗上甚至優於閉源的 Claude Sonnet 4.5 ，SWE-bench 拿到 80.6%（Claude Opus 4.7 是 80.8%，幾乎打平），LiveCodeBench 更以 93.5% 領先。

當能力差距縮到「大部分場景感受不到」的時候，定價差距就直接決定了開發者選誰。而結果已經寫在數據上：根據 OpenRouter 的調用量統計，DeepSeek 系模型的周調用量一度達 4.23 兆 token，超越 Anthropic、超越 Google，位居全球第一。最刺眼的是，這個調用量不是國內補貼堆出來的——平台上美國開發者占 47.17%，中國開發者只占 6.01%。

全球近半數開發者，正在用真金白銀投票。

為什麼這次英偉達沒崩？

說到這裡，老股民應該會想起 2025 年 1 月那場慘案。

DeepSeek R1 發布那天，英偉達單日市值蒸發約 5,890 億美元（約 589 billion 美元），創下史上最大單日市值損失，全球都在重新評估「AI 一定要靠美國頂級算力」這個敘事。所以這次 V4 發布、而且降價降得更狠，照理說英偉達應該又要血流成河才對。

結果呢？英偉達不但沒崩，當天股價甚至小漲。國產晶片股反而集體狂歡——中芯國際一度漲 12%、華虹半導體飆超 19%。

為什麼這次不一樣？我整理出三個原因：

第一，雙平台策略拆掉了引信。R1 當年雖然便宜，但訓練還是用英偉達 GPU，市場是被「低成本」這件事本身嚇到。V4 雖然優先適配昇騰，但技術報告顯示它同時在英偉達 GPU 和華為昇騰 NPU 兩個平台都驗證了方案。黃仁勳最擔心的「中國模型在華為晶片上首發」雖然部分成真，但 V4 保留了雙平台，讓最壞的劇本沒有上演。

第二，市場被 R1 教育過了。投資者經過一輪「教訓」，開始理性看待——DeepSeek 的創新反而可能增加整體 AI 需求。

第三，也是最反直覺的一點：Jevons 悖論。

降本理論上應該降低對硬體跟電力的需求，但實際情況恰恰相反。當 API 價格從每百萬 token 幾美元降到幾毛錢人民幣，大量過去嫌貴、不敢多用的場景會開始瘋狂調用模型。使用量的增長速度，遠遠超過單次推理成本的下降速度。最後總推理負載不是減少，而是大幅增加。

數據是這樣的：主流模型 API 單價普跌 80% 到 99%，但同期 H100 一年期租賃價從 2025 年 10 月的 1.70 美元/小時漲到 2026 年 3 月的 2.35 美元/小時，漲幅近 40%，Blackwell 更高達 4.08 美元/小時，按需容量全面售罄。市場測算 V4 將新增 AI 加速卡需求 11 萬到 47 萬張。

這個正向飛輪可以畫成這樣：

降價正向飛輪： API 價格砍到地板 → 試錯成本趨近於零 → 開發者與企業大量湧入 → 推理調用量暴增 → 總算力負載不降反升 → 數據中心 / 存儲 / 電力需求爆炸 → 國產硬體廠商被拉進牌局 → （回到起點，形成正向飛輪）

DeepSeek 站在這個飛輪的起點。它把模型做得更省顯存、更容易拆到不同硬體上跑，等於給國產 GPU、存儲廠商、服務器廠商全都留出了接口——AI 基礎設施的競爭，從「誰的 GPU 最強」變成了「推理、緩存、存儲、調度」每個環節都能參與的多人遊戲。

那誰在流血？

有人吃肉，就有人挨刀。這波降價的衝擊面很值得梳理一遍。

最直接受傷的是獨立模型廠。智譜跟 MiniMax 這兩家都已經在港交所掛牌上市，V4 發布後股價連續兩天大跌超過 9% 。瑞銀（UBP）講得很直白：作為獨立模型供應商，它們永遠容易受到互聯網平台跟雲服務商的競爭威脅，因為到最後模型性能差距對大多數用戶來說微乎其微。

第二類是算力租賃商。靠「囤英偉達卡、轉租賺差價」這套模式吃飯的公司（像協創數據、利通電子），在 API 端價格被擊穿後，議價權同步崩塌。客戶想：我幹嘛高價租你的 H100 做推理？直接用 DeepSeek API 不香嗎？更慘的是國產替代讓「英偉達卡稀缺性」這個核心溢價直接消失。

但這裡要講句公道話，不是所有算力公司都挨刀。走「Token 分成」「AIDC 機櫃上架」模式的反而受益——像潤澤科技為 DeepSeek 提供超過 3,000 個液冷機櫃，API 降價刺激調用量增長，直接轉化成它的機櫃上架率提升，2026 年 Q1 AIDC 收入占比已突破 54%、毛利率達 48.5%。

至於存儲廠商，前面講的 KV Cache 下沉邏輯，反而是利多。當推理可以更多依賴 NAND、LPDDR 而不是清一色堆 HBM，存儲鏈的故事就被打開了。

對國內同業而言，最尷尬的是用戶遷移成本低到可怕。在中國市場，字節跳動的豆包試水收費那陣子，「豆包笨還收費」之類的吐槽詞條一度衝上社群熱搜。當地有人調侃：「豆包沒了還有千問，千問沒了還有元寶，元寶沒了還有 DeepSeek。」這句玩笑話精準說明了問題——在這個市場，沒有護城河的便宜，撐不了多久。

對你這個開發者，意味著什麼

聊了一堆產業格局，最後落到實處：這事對寫程式、做產品的你，到底該怎麼用？

我的核心建議是一句話：別把所有 token 押在同一個模型上，用混合架構 + 模型路由把成本槓桿用滿。

實務上的路由策略大概長這樣：

任務類型	推薦模型	理由
背景/輕量任務（docstring、變數重命名、格式轉換）	DeepSeek V4-Flash	輸入緩存命中極低，適合當編碼 agent（如 Claude Code、Cursor）背景任務的低成本模型槽位
一般商業場景（客服、摘要、翻譯、文件處理、程式輔助）	DeepSeek V4-Pro	性能夠用、價格只有 GPT-5.5 約 1/12 到 1/36
關鍵任務（複雜推理、多模態、極致品質）	Claude Opus 4.7 / GPT-5.5	頂尖閉源仍有護城河，V4 暫不支援多模態生成

這個策略的精髓在於：大部分真實商業場景，要的不是「世界最強智力」，而是「勉強夠用 + 足夠便宜 + 足夠穩定」。當 V4 的推理成本只有 GPT-5.5 的約 1%（Flash）到 11%（Pro），同樣的預算你可以多調用幾十倍 token、試更多 prompt 鏈、迭代更多 agent 工作流——AI 本來就是個機率遊戲，只要夠便宜，多跑幾次反而更容易出好結果。

幾個踩坑提醒：

第一，緩存命中是最大的成本槓桿，但你得會用。 V4 的恐怖低價建立在高緩存命中率上。如果你的 prompt 設計每次都讓前綴大幅變動，緩存命中率上不去，實際成本會比你看到的標價高不少。把穩定的系統 prompt、知識庫前綴放在最前面，是壓成本的關鍵。

第二，吞吐量是 V4-Pro 的軟肋。 DeepSeek 自己承認，由於高端算力供給受限，V4-Pro 系列的服務吞吐極為有限。要等下半年昇騰 950 超節點批量上市才會緩解。生產環境如果對延遲敏感，務必先壓測，別直接 all in。

第三，資料主權要留心。 DeepSeek 是開源模型，這其實是優勢——台灣有些單位禁用 DeepSeek 雲端服務，但開源權重的私有化部署不在禁令範圍。對資料合規敏感的企業，自建部署反而是一條兼顧成本與主權的路。

便宜，才是這個時代的入場券

回到開頭那個問題。「DeepSeek 這麼便宜會不會虧死」——這問題之所以問錯，是因為它還停留在「賣模型」的思維。

梁文鋒想做的根本不是模型生意。低價 API 本質上是一種生態策略，是在向整個產業鏈發信號：圍繞我這套技術體系做適配、做投入吧，反正試錯成本低到幾十塊人民幣就能搞定。當生態形成，DeepSeek 就不再是一家基座模型公司，而是 AI 基礎設施公司——負責制定標準、定義產業。就像當年 Linux 不靠賣作業系統授權賺錢，卻撬動了整個開源軟體生態。

所以這場降價的真正戰場，從來不是「誰的模型跑分高」。是 token 經濟——誰能讓 AI 像水電煤一樣便宜到可以隨手用，誰就掌握了下一個時代的入場券。

當然，這條路也不是穩贏。V4 跟頂尖閉源還有 3 到 6 個月的客觀差距、不支援多模態生成、人才在流失、服務器三不五時崩、燒著巨額融資養昂貴的國產算力研發。梁文鋒選的是一條冒著「淪為二流」風險、為國產算力趟路的硬仗。

但至少有一件事他證明了：中國 AI 不一定要永遠跟在英偉達後面跑，靠自己的算力基座也能站起來。而對我們這些每天跟 API 帳單搏鬥的開發者來說，能用同樣的錢跑十倍、幾十倍的 token——這波，我們是真的賺到了。

如果你正在做 AI 應用，不妨趁這個「白菜價窗口期」重新算一次你的成本結構，把模型路由跟緩存策略好好設計一遍。有踩到什麼坑或省下多少成本，歡迎留言聊聊。

參考資料

沒有留言:

張貼留言

訂閱：張貼留言 (Atom)