AREX Feed Article
DeepSeek V4-Flash 一刀砍穿 AI 定价：三美分杀穿基准测试，Fable 5 贵 105 倍
DeepSeek 在 7 月 31 日悄悄更新了 V4-Flash 的 changelog，随后 Artificial Analysis 亮出一组让整个行业沉默的数字：跑完一套基准测试，V4-Flash 只要三美分，Claude Fable 5 要三美元十五美分。105 倍的价差背后，是一个 284B 参数的 MoE 模型，在 Terminal-Bench 2.1 上拿下 82.7 分，直接把 Anthropic 最贵的旗舰踩在脚下。
跑完一整套基准测试，只要三美分
独立研究机构 Artificial Analysis 在 8 月 3 日发布的报告中，用了一组简单到残忍的数字：DeepSeek V4-Flash 完成其 Intelligence Index 全部测试的平均成本约为三美分。
排在这个数字后面的，是 Moonshot 的 Kimi K3（86 美分）、OpenAI 的 GPT-5.6 Sol（1.86 美元）、Anthropic 的 Claude Fable 5（3.15 美元）。
三美分。对比最昂贵的竞品，便宜了 105 倍。
这不是 sticker price 的文字游戏。Artificial Analysis 的 Intelligence Index 测量的是实际完成任务所需的模型调用费：推理模型可能在一次任务中消耗数量级不同的 Token，只看输入输出单价毫无意义。用成本除以完成的任务数，V4-Flash 正在把「贵」的定义从底层改写。
一夜之间，X 上的 AI 圈为它烧穿了流量天花板
DeepSeek 官方在 X 上发布 V4-Flash 公测公告时，配了一张 Terminal-Bench 的对比图，V4-Flash 正式版（82.7）远超自家 V4-Pro 预览版，逼近 GPT-5.6 Sol。
这条推文收获了 29,096 个赞、3,464 次转发、8,419,306 次浏览。
独立开发者 Peter Dedene 紧随其后贴出价格对比图，配文模仿下属向老板汇报的口气："Sir，一个新模型刚刚发布了。输入便宜 18 倍，输出便宜 28 倍，而且匹配了 Opus 4.8。"这条推文拿下 12,985 个赞、707 次转发、106 万次浏览。
AI 编程工具 Cline 的官方账号率先发现 changelog 更新："DeepSeek 一小时前悄悄更新了 V4-Flash。Terminal-Bench 得分 82.7，比四月预览版暴涨 25.8 分。" 5,903 个赞、1,760,350 次浏览。
Databricks 的 Yuchen Jin 用一句话定义了这次发布的意义："开源模型正在把智能逼到便宜得无法计价的边缘。"Alex Finn，一位拥有 46 万粉丝的创始人，则在推文中直击要害："4,000 美元的硬件，现在能给你无限的超级智能。"
这股声浪的烈度，把 V4-Flash 推向了 X 趋势榜。多位评论者将这一周称为"开源 LLM 历史上最伟大的一周"。
从 R1 炸穿美股到 V4-Flash 逼宫 Fable 5，剧本从未换过
2025 年 1 月，DeepSeek R1 横空出世，在推理基准上追平 OpenAI o1，API 定价却只有对方的零头。当天美股科技板块蒸发数千亿美元市值，投资者第一次认真问：前沿 AI 真的需要那么多算力吗？
此后一年半，DeepSeek 以稳定的节奏持续出货：DeepSeek Math V2 以开源模型身份拿下 IMO 金牌；V3.2-Speciale 对标 Gemini 3 Pro；今年 4 月发布 V4 系列预览版，首轮外部融资超过 70 亿美元。
7 月 31 日，V4-Flash 正式版上线公测。架构没变，参数没改，纯靠后训练翻盘：Agent 评分暴涨 25.8 分，直接超越 V4-Pro 预览版。同一天，Anthropic 仍在为 Fable 5 的出口管制禁令与美国政府拉锯，该模型曾因此从全球下线 19 天。
两天后的 8 月 2 日，Arena.ai 将 V4-Flash 列入前端编码前沿模型；8 月 3 日，Artificial Analysis 的定价报告引爆媒体。一套组合拳下来，V4-Flash 从一次模型更新，变成了对行业定价体系的一次公开处刑。
参数没变，架构没改，后训练翻了盘
V4-Flash 的核心数据很简单，但每一行都在挑战直觉：
- 架构：284B 总参数，每个 Token 仅激活约 13B（MoE）。CSA + HCA 混合注意力机制交错排列，既压低了推理成本，又维持了长上下文能力。
- Benchmark 跳升：Terminal-Bench 2.1 从四月预览版的 56.9 → 正式版 82.7（+25.8 分），超越 Claude Fable 5 的 80.5 分。DeepSWE 达 54.4%，Toolathlon 达 70.3%，CyberGym 从 38.7 跃升至 76.7。
- 定价不变：$0.14/百万输入 Token，$0.28/百万输出 Token，缓存输入仅 $0.0028。
- MIT 开源：权重开放下载，GGUF 量化版已由 Unsloth 发布。
跳跃的秘密不在架构上。DeepSeek 明确表示正式版与预览版"结构和尺寸相同，只重新做了后训练"。
预览版技术报告披露了一条被低估的路径：分别训练数学、代码、Agent 和指令遵循专家，使用 SFT 和 GRPO 强化各自能力，再通过十多个教师模型的 On-Policy Distillation 合并回同一个模型。工具调用被当成了独立问题处理——专门的调用格式减少参数转义错误，Interleaved Thinking 让模型在工具返回后保留前面的推理链，而 DSec 提供数十万个并发沙箱让模型反复练习"运行代码 → 读报错 → 修改 → 再运行"。
这些训练没有增加参数，但大幅减少了 Agent 最常见的失败模式：选错工具、填错参数、忘记状态、提前终止。
八万亿 Token，一天。DeepSeek 划出的「斩杀线」
开源 AI Agent 工具 OpenCode 披露了一个更惊人的数字：8 月 2 日当天，V4-Flash 通过其平台消耗了 8 万亿 Token，5 万亿来自免费额度，3 万亿来自付费套餐。
一个小背景：接入了 400 多款模型的 OpenRouter 平台，日均处理约 6.6 万亿 Token。DeepSeek 一款模型，一个入口，一天的用量超过了 OpenRouter 全平台。
这指向了一个比 benchmark 更深刻的变化。Agent 时代已经改变了模型使用的单位：从"一次回答有多聪明"变成了"完成一项长任务要花多少钱、失败几次、多久"。一次 Agent 任务可能持续数小时，调用几十次工具，消耗的 Token 是单次问答的数百倍。当价格差达到两个数量级，几分的能力差距远不如几十倍的价格差距重要。
DeepSeek 不需要成为最强的模型。只要达到"大多数时候能做完"，它就能用 105 倍的价差，把更贵的模型挤出默认调用位。OpenAI 的 GPT-5.6 Sol 在 Terminal-Bench 2.1 上以 85.8 分守住了王座，但 V4-Flash 的 82.7 分只差 3.1 分，而 Sol 每百万输出 Token 收费 30 美元，是 V4-Flash 的 107 倍。
最先受到冲击的，不是最弱的小模型，也不是最强的旗舰。真正尴尬的是中间层：比 V4-Flash 强几个百分点，却贵几十倍；又没有强到能稳定解决 V4-Flash 做不了的问题。
Sam Altman 在 7 月底的播客中曾坦承，OpenAI 预计模型使用量会极大增长，不需要靠"极高毛利"养活自己。DeepSeek 的梁文锋也相信 AI 需求几乎没有上限。两人的判断一致，但 DeepSeek 先把价格打到了那个未来。
三美分之后，智能不再是奢侈品
V4-Flash 的真正杀伤力，不在于一张榜单，而在于它永久性地改变了默认选项。
过去调用旗舰模型不需要算账：要最好的，就付最贵的。现在，一个便宜 100 倍的模型已经能完成大多数编码和 Agent 任务，昂贵模型必须反过来证明：剩下来那几分能力，究竟值不值得多付几十倍的钱。
对于 Anthropic 和 OpenAI 正在筹备的 IPO，这组数字的意义比任何一家投行报告都更直接。Zack Kass，OpenAI 前市场负责人，将此刻定义为"模型回报递减"时代——一旦模型"足够好"，下一个百分点的改进几乎不影响购买决策，价格说了算。
8 月 3 日这天，Artificial Analysis 把硬数据摆上了台面。三美分跑完基准测试，不是一次促销，是一张宣战书。智能，从此不再是奢侈品。
Sources
- — V4-Flash costs ~$0.03 per Intelligence Index test; Fable 5 $3.15 (105x more)
- — Intelligence Index score 50, pricing details, $7B funding context
- — 29K likes, 8.4M views, Terminal-Bench chart, Responses API + Codex support
- — 5.9K likes, 1.76M views; first to flag changelog update, +25.8 point leap
- — 13K likes, 1.06M views; 18x cheaper input, 28x cheaper output
- — Terminal-Bench scores: V4-Flash 82.7, Fable 5 80.5, GPT-5.6 Sol 85.8
- — 284B params, 13B active, post-training retrain, DeepSWE 54.4
- — 8T tokens/day via OpenCode, "斩杀线" analysis, architecture details, local deployment
- — MIT license, 1M context, MoE architecture confirmation
- — "greatest week in open source LLM history"
- — "$4,000 hardware now gives you unlimited super intelligence"
- — 82 tok/s on 2x DGX Sparks, peak 95 tok/s; Unsloth GGUF release_