AI定价斩杀线刷屏,DeepSeek用户单日Token消耗破8万亿

点击上方蓝字关注，第一时间获取推送

7月31日深夜，DeepSeek V4 Flash 正式版 API 开启公开测试。几乎同一时间，OpenAI 公布 GPT-5.6 Luna 大幅降价八成：输出费用从每百万 Token 6 美元降至 1.2 美元，输入从 1 美元降至 0.2 美元。两家厂商，一东一西，恰好撞在了同一节点。

三天之后，开源 AI 编程平台 OpenCode 发布消息：DeepSeek V4 Flash 在其平台上单日处理量突破 8 万亿 Token，其中 5 万亿来自免费试用额度，3 万亿是开发者实际付费调用。紧随其后，OpenRouter 上周数据将其推至周调用榜首，7.22 万亿 Token。

"DeepSeek 成为AI大模型的斩杀线"这一话题，迅速登上热搜。百度两条相关词条同时上榜，一条追问"斩杀线"，一条追问"斩杀线究竟斩的是什么"。同一个疑问被反复提出，说明围观者的关注相当认真：这个数字究竟代表什么？这条线，又是如何被划定的？

8万亿Token是什么概念，一个超出日常经验的数字

先把这一数字讲明白，它并非一个含糊的"很惊人"。8 万亿 Token 是 OpenCode 这家第三方 AI 编程平台单日跑出的量，并非 DeepSeek 全平台的总量。但即便是单一平台的量，也足以说明问题——开发者正在将真实的工作负载，从其他平台迁移过来。

简单换算一下：每个中文字符大约对应一到两个 Token，8 万亿 Token 就是数万亿汉字的处理量。这个规模，在一年前仅属于少数头部云厂商的推理集群；放到今天，它属于一个刚发布三天的模型。换算成时间更直观——若按每百万 Token 输出消耗约两分钟算力粗略估算，8 万亿 Token 意味着这三天里，全球有相当数量的开发者，将他们的代码审查、需求拆解、Bug 修复，都托付给了同一个新面孔。

增速也在印证这种迁移。OpenCode CEO Jay 在 8 月 1 日发文：V4 Flash 上线后，平台使用量单日增幅 30%，OpenCode Go 的新订阅用户也增长 30%。留意一个细节：8 万亿 Token 中，5 万亿来自免费试用额度。免费额度是深水炸弹——它让开发者零成本地将工作流迁移过来试跑，跑顺了，使用习惯便留下了。增长不是凭空出现的，是先用免费的钩子把用户勾住，再用体验让用户留下来。

OpenAI刚打完八折，DeepSeek就把价格斩到了脚踝

把账算清，就明白开发者为何愿意留下。

DeepSeek V4 Flash 的官方报价是：输入命中缓存 0.2 元/百万 Token，未命中输入 1 元/百万 Token，输出 2 元/百万 Token。2 元人民币，是输出单价。百度热搜的聚合摘要称其仅为 Claude Opus 4.8 的 1/85，严谨点讲，约略是八十分之一。而 OpenCode Go 集成的 V4 Flash，价格还可进一步压低至官方 API 的约六分之一。

OpenAI 已将 GPT-5.6 Luna 的价格砍掉 80%，但即便如此，第一财经的测算表明，V4 Flash 在自有 API 上的单任务成本仍比 Luna 低约 60%。换言之，OpenAI 祭出史无前例的八折，折扣之后，对手依旧比它便宜一半以上。

价格战的打法已然改变。过去是"我比你便宜一点"，现在是"我比你便宜一个数量级"。最具戏剧性的场景出现在评论区：OpenAI 核心产品与平台负责人 Tibo 亲自下场，在 DeepSeek 相关讨论的评论区为 Luna 拉客，开发者并不买账，回复整齐划一——"我们想要 DeepSeek 的价格"。这一幕被截图广泛传播，成为这场价格战最生动的注解：连对方的高管都不得不承认，这已非营销所能应对，而是价格锚点本身被彻底拔除。

便宜的底气，藏在98%的缓存折扣里

低价从来不是喊出来的，是算出来的。DeepSeek 敢把输出价定为 2 元，底气藏在缓存策略之中。

V4 Flash 提供约 98% 的缓存命中折扣：命中缓存的 Token，仅按标价的 2% 计费。行业普遍的折扣水平在 90% 左右，DeepSeek 直接将这一档位压至 98%。这一差距意味着什么？对于 Agent 场景——模型反复调用同一段上下文、同一套工具定义、同一份代码库——缓存命中率天然较高，大部分 Token 都按 2% 计价，成本被压缩至近乎可忽略。缓存折扣是为高频场景准备的，而 Agent 恰恰是最高频的场景。

技术底子也撑得起这一价格。V4 Flash 采用 MoE 架构，总参数规模 284B，但每次仅激活 13B 参数；支持最长 100 万 Token 上下文；非思考与思考模式可自由切换。13B 的激活规模，意味着每次调用要消耗的算力，都远小于那些动辄数百亿激活参数的大模型——成本低，速度也快。

而 Agent 市场，恰恰是对"快"和"便宜"最敏感的领域。AIBase 的分析指出，DeepSeek 的战略意图，就是用高性价比的轻量模型切入 Agent 应用市场。推理价格降一个数量级，Agent 的商业模式就多出一个数量级的想象空间——过去跑不起的循环调用、批量处理、自主迭代，如今都跑得起了。价格不只是价格，它是打开应用场景的那把钥匙。

130亿激活参数，凭什么追平万亿级对手

便宜之外，性能并未被牺牲，这是"斩杀线"真正立住的关键。

在 Artificial Analysis 智能指数中，V4 Flash 拿到 50 分，仅比 GPT-5.6 Luna 的 51 分低 1 分。编程领域，0731 正式版之后，V4 Flash 的能力已超越 GLM-5.2，接近 Opus 4.8，与 Luna 互有胜负；Terminal Bench 2.1 上取得 82.7 分，Cybergym 76.7 分，Toolathlon verified 70.3 分。

注意其激活参数仅 130 亿。对比自家旗舰 V4-Pro 激活 490 亿参数，两者相差数倍——用约四分之一的激活参数，打出接近旗舰的表现，这背后是工程效率，而非堆料。更为关键的是，正式版与预览版结构、尺寸完全一致，仅重新做了后训练。换言之，性能的提升不依赖改架构，而是把已有底座打磨至极致，迭代速度快到令人咋舌。

配套动作同样值得玩味。DeepSeek 自研的 Agent 框架 Harness 首次以正式命名亮相；V4 Flash 原生支持 OpenAI 力推的 Responses API 格式，并针对性适配了 Codex。翻译过来就是：DeepSeek 不只卖模型，还在铺设 Agent 时代的基础设施接口。它要的不只是让你用它的模型，而是让它的模型嵌入你未来的开发流程。

斩杀线斩掉的，是旧时代的定价规则

"斩杀线"本是网络流行语，据快科技溯源，最早由网友用来形容"AI 大模型中的斩杀线"——谁定价贵过这条线，谁就在开发者市场出局。它没有明确的发明者，却精准刻画了一种情绪：行业的价格锚点，一夜之间被重置。

这条线划定之后，最先被迫调整的是巨头。第一财经的分析说得直白：中国开源模型快速迭代，模型差距持续缩小，美国头部模型也不得不重新考量性价比。OpenAI 选在 DeepSeek 上线的同一天宣布降价 80%，很难说是巧合。而距 DeepSeek 完成超 500 亿元首轮融资尚不足两个月，报道称其估值已攀升至约 710 亿美元——资本市场的资金，也在用脚投票。

被这条线波及的，还有追赶者。7 月底到 8 月初，印度、韩国接连发布新一代大模型：印度 169PI 推出 320 亿参数的轻量模型 Alpie，被开发者拆解后发现基于 DeepSeek-R1-Distill-Qwen-32B 蒸馏改造；Sarvam AI 推出 105B 参数的 Sarvam-105B；韩国 SK 电讯发布 6880 亿参数的 A.X K2，LG 上线 7500 亿参数的 K-EXAONE 2.0。厂商口径中，它们在数学推理（AIME 97.1 分）、韩语专项基准（KMMLU-Pro 80.5 分）上优于 DeepSeek V4 Flash，但游民星空的报道指出，通用能力并未实现全面超越——这些数据大多源自厂商自测，仍需第三方独立复核。

游民星空的评论点破了一层现实：印度轻量化模型直接复用 DeepSeek 基座的行为，侧面印证中国开源 AI 体系正在向外形成技术溢出。斩杀线划下的，不只是价格，还有开源生态的扩散半径——当你的模型成为别人的底座，你的生态就长进了别人的产品里。

也有媒体在预告更狠的下一刀：快科技评论称，V4 Flash 只是 284B 参数的"小模型"，真正的大杀器是传闻中的 V4 Pro——1.6 万亿参数加持 Harness 工具，官方尚未正式公告，但光是传闻，已让行业神经紧绷。若 V4 Pro 正式版也有 Flash 这般幅度的提升，美国大模型还能保持性能优势的，恐怕就只剩 Fable 这种级别的选手了。

斩杀线斩掉的，是旧时代的定价规则；而新的赛道上，跑着的不只是 DeepSeek 一家。价格只是入场券，性能是站上台的资格，生态才是决定能跑多远的关键。这场游戏的下一局，可能比这一局更精彩——而这一回，规则的制定权，握在了写代码的人手中。

— END —

点击下方赞👍和推荐❤️，分享给更多的人