作者｜Techno 之王

编辑｜靖宇

8 月 4 日，「DeepSeek 斩杀线」竟然冲上微博热搜。V4 Flash 正式版凭借极致的性价比，在全球 AI 大模型的「成本-性能」坐标系上划出了一条残酷的行业生死线——比它贵的没它强，比它弱的没它便宜。开发者社区群情振奋，甚至外溢成了更大人群津津乐道的话题。

当看起来 AI 世界的定价权已经易手，所有人为极致性价比欢呼的时候，两天后，8 月 6 日，DeepSeek 在开放平台后台发布了一条简短的公告：「计划近期整体上调 DeepSeek API 服务的定价，预计涨幅较大，请合理安排您的使用。」

刚被行业定义为画出「斩杀线」的那只手，为何转头就签了涨价通知。

01

过于好用的 V4

所有的戏剧性背后都有必然性。要理解这次涨价，我们得先看一组数据。

这一波讨论热潮的起点，是 8 月 4 日，全球 AI 模型聚合平台 OpenRouter 的最新周度统计显示，DeepSeek V4 Flash 已登顶全球模型调用量榜首。同一天，海外开发者平台 OpenCode 披露了一个更惊人的数字——8 月 1 日当天，V4 Flash 在其平台上单日处理 token 总量达到 8 万亿，其中 5 万亿来自免费额度，3 万亿来自付费调用。

做个对比，大模型路由平台 OpenRouter 接入了 400 多款模型，全平台日均处理量大约 6.6 万亿 token。DeepSeek 一款模型在一个入口的单日消耗，就超过了一个容纳 400 多款模型的平台的全部流量。

而支撑这个天文数字的定价是什么？V4 Flash 缓存未命中输入 1 元/百万 token，输出 2 元/百万 token。对比一下，月之暗面 Kimi K3 的同类价格是输入 21 元、输出 105 元，贵了一个量级都不止。而 Anthropic 最新旗舰模型的价格就更是高出近百倍。

这个性价比高到，已经开始让人觉得是一种「定价异常」了。

这样的极端的价格落差，必然带来调用量的继续激增。而规模化这堵墙，DeepSeek 也不可能绕过去。

很快，V4 Flash API 在 8 月 4 日曾因「前所未有的访问量」出现容量问题。再怎么优化架构，MoE 稀疏激活再怎么省算力，当请求量以万亿级别涌入的时候，瓶颈就不再是效率问题，而是物理问题——你需要更多的机器，而机器要花钱。

类似的情况，Deepseek 在当年横空出世的 2025 年初也经历过，那时候普通用户也一度体验到了「排队」的体感，只不过相对于那时候，现在对基础设施的要求已经不可同日而语。

02

「斩杀线」未必是 Deepseek 想要的

「斩杀线」这个概念在过去一周传遍了中文互联网。Artificial Analysis 在实测上百款模型后画出了一张「成本-性能」散点图，DeepSeek V4 Flash 站在最优位置，所有落在它右下方的模型——性能不如它、价格还比它贵——都进入了所谓的「斩杀区」。

Artificial Analysis 制作的 AI 模型「斩杀线」｜图片来源：Artificial Analysis

这个叙事听起来很过瘾，但它可能也蕴含着另一面的问题：如果你真的「斩杀」了所有竞争对手，流量全部涌向你，你大概率会被自己的成功逼到涨价。

因为模型不是软件，它交付的价值不能被无限低成本拷贝，背后基础设施的需求，会随着服务量的上升而快速上升。特别是当基础设施能力在今天并不是无限供给，其成本曲线不是可以靠规模化优势而下降，而可能会因为规模化而上升的时候。

实际上，即便是从竞争的角度看，定价也从来不是「越低越好」。低价吸引海量调用，基础设施投入被迫增加，就会被迫涨价，然后斩杀线会上移。那么就需要有一个合理的定价逻辑，在背后来支撑找到更好的平衡点。

前段时间听闻过行业内流传的 Deepseek 自己的定价哲学——API 定价基于「把公司在设备等基础设施上的投入做为成本，定价应该以十个月可以收回成本」为基准，设定合理定价和利润模型。

这个传闻的内部逻辑听起来非常合理，也非常符合 Deepseek 的发展目标。

首先，今天 AI 已经开始加速进入场景和业务，甚至已经开始成为很多个人用户不可或缺的新工作能力组成部分。因为 AI 带来的巨大效率提升，用户需求几乎没有弹性，或者说，即便是 Deepseek 的价格再翻一半，很可能token 的消耗量区别也不会太大。

其次，如果从 Deepseek 自身的发展目标来看，之所以采用一个回收成本的定价逻辑作为定价基准，而不是从竞争逻辑逻辑作为定价基准，显然提示它心中有更大的任务和目标，是高于短期内的利润最大化的。

模型本身还在变大，智能的提升还在继续。模型公司的主要任务还不是极致变现，而是建立合理的商业循环，并支持有足够的资源进一步提升模型的智能。所以，定价是一个必须服务于更大目标的事情。

定价真正要解决的是，让自身的业务收入可以成为提供升力的翅膀和肌肉，而不是长在身上越来越厚的肥油。在服务和研发都对基础设施有巨大要求的时候，这需要合理的平衡。

03

Token 终将成为大宗商品

把视野拉开，DeepSeek 涨价不是孤立事件，而是整个中国 AI 行业定价逻辑转向的缩影。

智谱在今年一季度的业绩说明会上披露，API 定价较去年底提升了 83%，主要因为 3 月发布的 GLM-5-Turbo 定价更高。但调用量仍然增长了 400%，呈现出典型的「量价齐升」态势。

月之暗面的动作更加激进。7 月 16 日发布 Kimi K3 后，输入价较前代涨超 3 倍、输出价涨近 4 倍。上线仅三天，就因为「过去 48 小时请求量大幅超出预估」暂停了 C 端新用户订阅，算力全部保障已订阅用户。

现在可以清晰地看到，过去两年，中国模型公司已经跨越了「证明自己」的阶段，赢得了在大模型牌桌上的位置，那么接下来必须回归这张牌桌上的打法，回归到长期竞争的战略上看问题。

简单来说，涨价没有降低中国模型公司的竞争力，而是他们必然会选择、提升长期竞争力的动作。

当产业长期竞争逻辑来自于智能的高度，智能的高度又来自于组织的和基础设施的能力与效率。而在今天算力成本持续高企、资源供给有限的情况下，那些最好的模型，token 不会越来越便宜，这应该是所有从业者应该看清的趋势了。

往更远处看，这次涨价潮揭示了一个更深层的趋势——AI 模型的 token 正在走向大宗商品化。

过去一年，前沿模型的能力差距在快速收敛。V4 Flash 的智能指数仅比 GPT-5.6 Luna 低 1 分，在多项 Agent 基准测试中逼近 Claude Opus 4.8。当模型能力越来越接近、输出质量越来越趋同的时候，token 就越来越像标准化的工业原料——和石油、钢铁没有本质区别。

大宗商品的定价逻辑非常简单：成本加合理利润。

DeepSeek 之前的定价异常低，不是因为它找到了永久压低成本的魔法，现在规模到某个临界点，价格就会向均衡带回归。

未来的均衡态可能是这样的：通用推理 token 的价格在各家之间差距不大，就像 AWS、Azure、GCP 的基础算力定价差不多一样。

真正的竞争维度会上移——移到生态锁定。例如微软把 GPT 绑进 Office 全家桶，Google 把 Gemini 塞进搜索和安卓、移到垂直场景的深度适配、移到 agent 能力和工具链的完整度。

也就是说，「极致性价比」这过去看起来有效的打法，在头部大模型公司的长期竞争中是不合理的路径。谁的 token 更便宜这件事，并不是唯一重要的因素。

但另一方面，这也会加快在场景和业务中更合理的智能模型路由，本地模型等对智能生产力更细致的 Harness，这是产业出现新的价值层可能的机遇。

04

别把命运押在折扣上

这次涨价还有一群沉默的受影响者——那些把业务建在 DeepSeek 超低价 API 之上的创业公司和独立开发者。

一个提供 AI 写作辅助的 SaaS 工具，每月处理数十亿 token，之前的 API 成本可能只有几百美元。如果涨价幅度真如公告所暗示的「较大」，成本可能翻到数千美元。对于还没有足够用户规模和收入支撑的项目来说，这不是成本调整，而是生死问题。

这是一个值得所有 AI 创业者记住的世界观：你的成本结构不能押注在某一家供应商的促销价上。就像你不会把公司命运系在某个云厂商的限时折扣上一样，把毛利模型建立在 DeepSeek 的地板价之上，本质上是把风险转移的能力交给了别人。

DeepSeek 涨价并不意味着天塌了。有开发者在社区里说得很直白——「就算涨一倍也仍有竞争力。」涨价后的 DeepSeek 性价比大概率仍会领先。但没有哪条「斩杀线」是永恒的，包括 DeepSeek 自己画的那条。

但 Deepseek 这次涨价，确实带来了一个更加清晰的世界观，一个新的 AI 产业世界观正在越来越从喧嚣和震荡中，显现出更清晰的模样。

*头图来源：TheVerge