分类： 人工智能

8月21日，DeepSeek上线了一个新的实验模型DeepSeek-V4-Flash-Vision-Exp，最大的变化很好理解：DeepSeek终于可以直接看图了。

这件事情如果放在两年前，可能还算一个挺大的新闻，但到了今天，已经很难让人觉得新鲜。ChatGPT、Gemini、Claude早就支持图片输入，Google的多模态甚至已经做到了视频，DeepSeek现在才给V4加上Vision，怎么看都有点像是在补课。

而且严格来说，这也不是DeepSeek第一次做视觉模型。早在2024年，DeepSeek就发布过DeepSeek-VL，之后还有VL2、Janus这些多模态模型。真正不同的是，这次Vision终于进入了V4这条最核心的模型产品线，不再只是一个单独的研究模型。DeepSeek-V4-Flash-Vision-Exp可以直接处理图片、截图、图表和文档，也支持Tool Calls、Responses API以及Anthropic兼容接口，官方给它的定位也很明确，重点不是普通的图片问答，而是Multimodal Agent。

所以我看到这个模型的时候，第一反应并不是DeepSeek终于把“多模态”这门课补上了，而是想到前几天DeepSeek刚刚发布的Harness。

当时DeepSeek在官网上写了一个很简单的公式：

Agent = Model + Harness

模型负责智能，Harness让模型理解环境、使用工具，并且能够在真实环境里持续工作。现在再加上Vision，这个公式其实又完整了一点。

这几年做AI开发，我越来越明显地感觉到，Agent真正难的地方已经不只是模型够不够聪明，也不是会不会调用工具，而是它做完一件事情以后，能不能知道自己到底做成什么样了。

这恰恰是Vision对Agent真正重要的地方。

一、DeepSeek以前看不见，为什么Coding Agent照样很强？

这个问题其实挺有意思。

如果Vision是Agent非常重要的能力，那么DeepSeek V4过去一直只能接受文本输入，为什么它的Coding Agent能力还可以做得这么强？

原因是软件开发本来就是一个非常特殊的场景，大量信息天然就是文字。

Agent打开项目，读取的是代码；修改程序，操作的是文件；运行程序，看到的是Terminal；测试失败以后，返回的是错误日志。一个后端程序从修改代码、运行测试、发现错误，再到继续修改，整个反馈过程几乎都可以变成Token。

所以在这种环境里，AI其实并不需要真正“看见”什么。

DeepSeek自己做Harness的时候，甚至专门提供了一个Minimal Mode，只给模型一个Shell和一个文件编辑器，用这种极简环境来测试模型本身的Agent能力。V4 Flash此前在Terminal Bench 2.1已经做到82.7，新Vision版本进一步到了83.9。

但我自己在用AI做前端开发的时候，会很明显地遇到另外一个问题。

现在AI写React、Vue或者Flutter页面都已经没有太大问题，给它一个需求，它可以自己修改代码、启动程序，甚至发现编译错误以后继续修改。但代码最终在浏览器或者手机上变成什么样，它以前其实是不知道的。

比如一个按钮偏了，文字换行了，图片被拉伸了，某个弹窗挡住了下面的内容，这些问题都不会出现在Terminal里。

最后还是需要我看一眼，然后告诉它：“这里不对，再改一下。”

从这个角度看，人虽然已经不用自己写代码了，却仍然没有真正退出这个流程，因为人在给Agent充当眼睛。

这也是为什么我觉得DeepSeek这次补Vision，比“终于支持图片输入”要重要得多。

二、Agent真正需要的不是识图，而是知道自己做完以后发生了什么

我们以前理解多模态，经常是从Chatbot的角度理解的。

拍一张冰箱的照片，让AI告诉我里面有什么；上传一张财报，让它解释图表；旅游的时候拍一张菜单，让它翻译成中文。这些当然都是Vision的用途，但对于Agent来说，其实还有一个完全不同的需求。

Agent会行动，而行动会改变环境。

比如让AI订一张机票，它点击搜索以后，网页会出现新的结果；选择航班以后，又会进入新的页面；填写乘客信息以后，还可能弹出确认框。AI每做一步，都必须重新知道现在页面变成了什么样，否则它根本不知道下一步应该做什么。

OpenAI早期做Computer-Using Agent时，整个机制就是这样：模型先通过截图感知当前页面，进行推理以后操作鼠标和键盘，然后再拿到一张新的截图，继续下一轮判断。它实际上一直在重复“看一眼—做一下—再看一眼”的过程。

这和我们使用电脑其实没有本质区别。

我现在写这篇文章，如果点了一下保存按钮，也会下意识地看看页面有没有出现“保存成功”；改完一个网页，也会刷新以后看看结果。如果操作以后完全闭上眼睛，只按照自己脑子里想象的状态继续点下去，很快就会出问题。

AI Agent也是一样。

所以Vision对于Agent真正重要的，不是让它知道“一张图片里有什么”，而是让它知道：

我刚才做完这件事情以后，现在变成什么样了。

这个区别看起来不大，但它其实决定了Agent能不能形成真正的闭环。

以前做一个前端页面，流程可能是AI写代码，我看结果，再让AI修改；以后更完整的Agent则可以自己写代码、打开浏览器、截图、对照设计稿，发现差异以后继续修改，再重新截图检查。

人是不是可以彻底退出，今天当然还做不到，但至少少了一次必须由人完成的信息转换。

三、把V4、Harness和Vision放在一起，事情就变得有意思了

如果只看DeepSeek这次发布Vision，很容易理解成它终于开始追赶GPT、Gemini和Claude的多模态能力。但把过去几个月DeepSeek做的事情放在一起，我觉得看到的东西不太一样。

4月份发布V4的时候，DeepSeek已经把Agentic Coding作为一个重点能力来介绍，V4 Flash虽然比Pro小很多，但在简单Agent任务上已经能够接近Pro，而且速度更快、价格更低。DeepSeek当时还特别提到，V4已经被用于公司内部的Agentic Coding。

到了8月份，DeepSeek又自己做了Harness。

这件事情我之前专门写过。模型再强，如果怎么读代码、什么时候调用工具、如何管理上下文、失败以后怎么恢复这些事情做得不好，最后的Agent体验还是会有很大差别。所以DeepSeek不再只训练模型，而是开始往模型外面再走一层，把工具、Skills、Session、Sandbox、Subagent、Workflow这些能力都放进自己的Harness里。

现在Vision也来了，同时还有Files API。

一张图片可以先上传，然后在后面的Agent任务中反复引用；Responses API也可以直接接收图片。这意味着DeepSeek现在开始把以前分开的几件事情接起来：模型负责推理，Harness负责调用工具和执行任务，Files保存任务需要的信息，Vision则负责理解那些没有办法直接变成文本的环境状态。

当然，我并不认为这意味着DeepSeek已经有了一套完整的Computer Agent。Harness还是Developer Preview，Vision名字后面也还有一个Exp，现在连正式版都算不上。

但DeepSeek的方向已经越来越清楚了。

过去我们关注DeepSeek，更多是在讨论它的模型本身：参数多少、Benchmark多少、价格比OpenAI和Anthropic便宜多少。现在这些事情依然重要，但DeepSeek开始越来越多地解决另外一个问题：

怎么让模型真正把一件事情做完。

这其实也是整个AI行业过去一年最大的变化之一。

四、Vision放在Flash上，可能比跑分更值得关注

DeepSeek这次公布了不少Benchmark，Vision版本在ApexBench Pass@1上是36.5，Agents’ Last Exam是27.3，Chartography是64.3，ZeroBench Pass@5是35.0。与Claude Opus 4.8相比，这四项视觉相关评测是两项领先、两项落后，DeepSeek因此说自己的Multimodal Agent能力已经“接近Opus 4.8”。不过这些目前主要还是DeepSeek自己公布的数据，而且在NL2Repo、DSBench-Hard这样的任务上仍然存在比较明显的差距，所以现在就说DeepSeek视觉能力已经追平Claude，还为时过早。

相比这些跑分，我反而更关注另外两个数字。

第一个是这个Vision模型没有放在Pro上，而是放在了V4 Flash上；第二个是图片经过处理以后，每张最多只计算384个输入Token。

这两个选择很符合DeepSeek一直以来的思路。

普通用户和AI聊天，看一张图片可能只调用一次，但Agent不是这样。一个浏览器Agent完成一次任务，可能需要看几十次页面；一个前端Agent为了把页面调整到正确状态，也可能不断截图、比较、修改，再截图。如果每看一次都很贵，那么视觉能力再强，也很难真正放进大规模的Agent工作流里。

所以进入Agent时代以后，模型价格真正应该比较的，可能也不是单纯的每百万Token多少钱，而是完成一件事情最终需要多少钱。

这里面既包括模型能力，也包括成功率、执行轮数、缓存、Harness效率，现在又多了视觉成本。

这也是为什么DeepSeek把Vision先放进Flash很值得关注。它未必是在急着证明自己拥有世界上最强的视觉模型，更像是在继续做DeepSeek过去一直做的事情：把一个原本比较昂贵的能力，压到可以被大量调用的位置。

五、看得见以后，离真正“做完事情”还有很远

当然，有了Vision也不等于Agent就真的会用电脑了。

OpenAI早期的Computer-Using Agent已经拥有视觉、推理以及鼠标键盘操作能力，但在OSWorld这个真实电脑操作Benchmark上的成功率也只有38.1%，人类则是72.4%。原因并不难理解，看懂一个页面、知道按钮在哪里，与连续几十步都不出错，本来就是两件完全不同的事情。

一个Agent如果连续执行20步，每一步都只有一点点出错概率，最后累积起来也可能让整个任务失败。再加上网页弹窗、网络延迟、界面变化、验证码、权限和各种没有预料到的情况，真实世界远比Benchmark复杂。

所以我觉得，DeepSeek这次Vision真正值得关注的地方，并不是它已经把Computer Agent做成了，而是它终于补上了此前一个很明显的缺口。

这几年我们一直在给AI做一个越来越聪明的大脑。模型会推理、会写代码、会规划任务；随后又给它接上工具，让它可以搜索、读文件、运行程序。到了Agent这一步，它还必须能够感知自己的行为给外部世界带来了什么变化，否则再聪明的大脑，也很难独立把事情一直做下去。

从V4到Harness，再到这次Vision，DeepSeek正在把这些东西一点点接起来。

过去我们比较模型，总是在问谁回答问题更好；进入Agent时代之后，真正重要的问题可能会慢慢变成：它能不能自己看到发生了什么，发现事情没有按照预期发展以后继续修改，直到最后真的把结果交出来。

从这个角度看，DeepSeek这次补上的确实不只是多模态。

它开始给自己的Agent，补上一双眼睛。

过去一年，DeepSeek给市场留下最深的印象之一，就是“便宜”。

到了 V4 Flash，DeepSeek 更是把低价策略推到了极致：涨价前，100 万输入 Token 只要 0.14 美元，输出 Token 也只有 0.28 美元。再加上开放权重，它很快进入了大量 Coding Agent、API 聚合平台和开发者的实际工作流。

所以当DeepSeek宣布从8月17日起提高V4 API价格时，我更关心的不是“涨了多少”，而是涨价之后发生了什么。这次调整幅度并不小，不同模型、Token类型和使用时段，涨幅从约50%一直到1100%。

答案很有意思：一些可观察平台上的调用量明显下降，但DeepSeek模型本身并没有失去市场地位。截至8月19日，OpenRouter最近七天的Token榜上，V4 Flash 0731仍以11.2T Token排名第一。

这指向一个比涨价更重要的问题：开放权重模型可以拥有巨大的市场份额，但这些调用产生的钱，最后真的会回到模型公司手里吗？

一、调用量掉了一半，收入却未必跟着掉

先看这次涨价。

DeepSeek现在把V4 API分成峰值和非峰值两档。以V4 Flash为例，涨价前Cache Miss输入价格是0.14美元/百万Token，输出0.28美元；现在非峰值变成0.22美元和0.66美元，峰值则达到0.44美元和1.32美元。V4 Pro涨幅更大，目前峰值输入和输出价格分别达到1.32美元和3.96美元。

涨价之后，OpenCode上的V4 Flash使用量很快出现变化。社区根据OpenCode公开图表读取的数据，8月17日前后，日Token量大约从13T下降到5.5T，降幅接近58%。

这里要特别说明：这不能理解为DeepSeek全市场调用量下降58%。OpenCode只是Coding Agent场景，而且13T和5.5T是社区对公开图表的读取，不是DeepSeek官方披露，但仍可以作为一个价格弹性样本。目前OpenCode自己的数据仍显示，V4 Flash过去一周排名第一，占其观察到的Token流量约73%。

如果调用量从13T降到5.5T，相当于剩下原来的42.3%。这意味着，只要平均价格提高到原来的2.36倍，理论收入就可以回到涨价前水平。

巧的是，V4 Flash输出Token的非峰值价格正好从0.28美元涨到0.66美元，差不多也是2.36倍；峰值则达到原来的4.7倍。

所以，“调用量下降近六成”并不能直接推导出“收入下降近六成”。如果涨价让DeepSeek用更少算力处理更少Token，却获得接近的收入，从商业上看反而可能更划算。

当然，这只是敏感性测算，不是DeepSeek真实营收。真实收入还取决于输入输出比例、缓存命中率、峰谷时段和大客户折扣。OpenCode显示，V4 Flash输入Token的Cache Ratio高达96%，也说明不能拿总Token直接乘牌价。

但更大的问题还在后面。

二、用户可以离开DeepSeek API，却不用离开DeepSeek

现在打开OpenRouter上的V4 Flash 0731，会看到一个很有意思的页面：同一个DeepSeek模型，一共有28家Provider在提供推理服务。

DeepSeek官方线路现在是0.22美元输入、0.66美元输出；Relace只要0.07美元和0.14美元，DeepInfra、Cloudflare是0.08美元和0.18美元，Fireworks、Together、SiliconFlow等一批服务商仍在0.14美元和0.28美元附近。

也就是说，DeepSeek官方API涨价以后，开发者并不需要在“继续用DeepSeek”和“换掉DeepSeek”之间二选一。

还有第三个选择：继续用V4，只是不再把钱付给DeepSeek。

开放权重模型一旦被大量第三方部署，模型公司就不再拥有对推理服务价格的绝对控制。

截至8月19日，V4 Flash 0731在OpenRouter七日榜仍以11.2T Token排名第一。DeepSeek生态依然很强，但OpenRouter也提醒，这些数字只代表平台Token流量，不代表整个市场，更不代表收入。

这正是理解开放权重商业模式最重要的一层：

模型份额、官方API份额和公司收入，其实是三个不同的指标。

一个闭源模型如果获得更多API调用，模型提供商通常能够比较直接地分享增长带来的收入。开放权重却不是这样：模型可以越来越流行，但运行这些模型的服务器、提供API的公司，以及最终收到钱的人，可以完全是另外一家企业。

这也是为什么，我觉得这次DeepSeek涨价真正值得观察的，不是“大家还用不用DeepSeek”，而是这些继续使用DeepSeek的人，究竟通过谁来使用。

三、开放权重最大的优势，也限制了自己的定价权

如果只看生态，DeepSeek的开放策略非常成功。

OpenRouter在6月底的分析里提到，DeepSeek年初的Token份额不到10%，2、3月一度掉到5%；V4发布后，到6月初已接近20%。1月到6月，份额从9%翻到18%，并从5月中旬开始成为平台上调用量最高的模型厂商。

更重要的是，增长主要来自Agent。OpenRouter统计，Agent工作负载平均每次请求消耗的Token约是普通调用的15倍；到5月底，V4 Flash已占DeepSeek Agent Token流量的70%。这说明V4已经进入高Token消耗的工作流。

这也是DeepSeek最成功的地方。

低价格降低了尝试成本，开放权重降低了长期绑定风险，足够强的模型能力又让开发者敢于把真实任务交给它。三者叠加之后，V4很快从一个“便宜模型”变成了大量Agent工作流里的基础设施。

但开放权重带来的悖论也正在这里出现。

它让更多云厂商愿意部署，让开发者更放心地接入，也让企业拥有自部署选择。可当生态越来越成熟，第三方推理优化和价格竞争也会越来越充分。

最后可能出现一个反直觉的结果：

DeepSeek模型越来越成功，但DeepSeek官方API在整个DeepSeek生态里的占比反而下降。

这并不意味着开放权重是错误选择。第三方Provider越多，V4越容易成为事实上的基础模型标准，生态本身就是护城河。问题只是，生态创造的价值和公司能够捕获的价值，并不是一回事。

OpenRouter自己其实已经观察到了这种分离。它在6月底的报告里特别指出，DeepSeek Token份额快速上升，并没有带来同等幅度的Spend份额增长，原因恰恰是V4太便宜。

现在DeepSeek开始涨价，本质上就是在尝试缩小这两个数字之间的距离。

四、DeepSeek真正要证明的，是如何把生态变成收入

所以我更愿意把这次涨价看成一次商业模式压力测试。

DeepSeek已经证明了第一件事：开放权重、低价格和足够强的模型能力，可以迅速换来开发者生态和Token份额。

现在它要证明第二件事：当市场形成以后，能不能提高变现率，把其中一部分生态价值转化成公司的收入和利润。

这件事正在变得越来越重要。Reuters报道，DeepSeek正在进行新一轮融资，同时扩大数据中心和AI Agent团队，并招聘芯片设计工程师。前沿模型竞争越来越烧钱，训练、推理、数据中心和人才最终都需要真实现金流支撑。

但DeepSeek又不能像闭源公司一样简单依靠“锁住模型”提高价格。只要第三方仍能用更低价格运行V4，官方API的涨价空间就会受到限制。

因此，DeepSeek未来真正需要建立的，可能不是最便宜的Token，而是第三方难以替代的价值：更稳定的第一方服务、最新模型优先访问、更好的缓存与Agent基础设施、企业级支持，甚至进一步向Harness和应用层走。

这里有一个很有意思的区别。

Meta做开放模型，可以把模型带来的价值反馈到广告、社交平台和整个Meta生态；阿里做开放模型，可以通过云计算承接推理和企业客户。它们不一定要求模型API本身成为最大的利润中心。

而像DeepSeek这样更接近“纯模型公司”的企业，问题要直接得多：

开放出去的模型，最后如何反过来养活模型公司本身？

DeepSeek V4这次涨价，给了我们一个难得的观察窗口。

调用量下降，不一定意味着收入下降；模型份额继续增长，也不等于公司的收入份额同步增长。对于开放权重模型来说，“大家都在用”只是商业成功的一半。

另一半是，这个生态能不能形成足够稳定的现金流，让公司继续训练下一代模型、购买算力、招募人才，并长期留在前沿竞争里。

开放权重已经证明，它可以创造巨大的生态价值。

DeepSeek接下来真正需要证明的，是它也能从自己创造的生态里，捕获足够多的价值。

8月17日，DeepSeek V4新的API价格正式生效。

这次调整最容易被注意到的，当然是涨价。但我仔细看了一遍新的价格表之后，觉得里面还有一个更值得讨论的数字。

以DeepSeek V4 Pro为例，在高峰时段，100万输入Token如果没有命中缓存，价格是9元；如果命中缓存，只需要0.3元。

同样100万Token，价格相差整整30倍。

V4 Flash也是一样，缓存未命中是3元，命中只有0.1元。再加上DeepSeek这次新增的峰谷定价，闲时价格只有高峰的一半，那么V4 Pro的100万输入Token，最低可以是0.15元，最高却可以达到9元，极端情况下相差60倍。DeepSeek的新价格已经于北京时间2026年8月17日0时生效，高峰时段为9:00—12:00和14:00—18:00。

这件事其实挺有意思。

过去我们比较大模型价格，习惯问一句：这个模型100万Token多少钱？

但进入Agent时代之后，这个问题可能已经越来越没有意义。

因为真正决定你最后付多少钱的，不再只是用了多少Token，还有一个以前很少被普通用户关注的指标：

缓存命中率。

一、缓存命中，不是AI“记住了你”

先说什么叫缓存。

假设你把一份500页的公司资料交给一个员工，让他看完以后回答问题。

第一次，你问：“这家公司去年收入增长了多少？”

他需要从头把500页资料读一遍。

过了一会儿，你还是把完全相同的500页资料交给他，只是把最后的问题换成：“这家公司利润为什么下降？”

如果他又从第一页重新读到第500页，显然很浪费。

更合理的方法是：前面的资料刚刚已经处理过了，这次直接利用之前的结果，只处理新增加的问题。

大模型的上下文缓存，可以简单理解成在做类似的事情。

DeepSeek的上下文硬盘缓存默认对所有API用户开启。第一次请求以后，系统会把可以复用的Prompt前缀对应的计算状态保存下来；后面的请求如果完整匹配这些前缀，就不需要再从头完成相同的计算，而是从缓存中读取。

所以这里有一个很容易混淆的地方：

缓存命中，不等于AI记住了你的聊天记录。

它不是ChatGPT里的“记忆”功能，也不是模型突然知道了你上个月告诉它的事情。更准确地说，它是：

这部分内容我刚刚已经算过，不需要再算一遍。

二、为什么只是“不重新算”，价格就能差30倍？

因为我们看到的Token，只是计费单位，真正昂贵的是Token背后的计算。

一个长Prompt进入模型之后，模型首先需要处理整段输入上下文，这个过程通常被称为Prefill。如果你扔进去的是一份几十万Token的代码库、一份很长的财报，或者一个已经持续几十轮的Agent任务，这部分计算本身就不便宜。

如果前面几十万Token和上一轮完全相同，就没有必要重新处理一遍。

缓存真正省掉的，并不是Token本身，而是Token背后的重复计算。

而且一次请求并不是简单地分成“命中缓存”和“没有命中缓存”两种状态。

例如一个Coding Agent当前的上下文已经有10万Token，下一轮又增加了2000 Token的新任务，那么这10.2万Token里面，可能有9万多Token命中缓存，只有新增或者发生变化的部分按照未命中价格计费。

DeepSeek甚至会在API返回结果里直接告诉开发者两个数字：

prompt_cache_hit_tokens

以及：

prompt_cache_miss_tokens

也就是说，缓存命中率本身已经变成一个可以被统计、被优化，最终直接影响账单的指标。

三、但缓存并不会永远存在

这里还有一个很容易被忽略的问题。

既然第一次算过以后可以复用，是不是以后一直都是缓存价格？

当然不是。

缓存都有生命周期，只是不同公司的做法差别非常大。

厂商	主要缓存机制	缓存有效期
DeepSeek V4	自动硬盘缓存	通常几小时到几天，系统自动清理，不保证命中
OpenAI GPT-5.6+	Prompt Cache	默认30分钟，每次复用重新刷新30分钟
Claude	Prompt Cache	默认5分钟，可选择1小时
Gemini	Implicit Cache	内存缓存TTL为24小时
Gemini Explicit Cache	显式缓存	默认1小时，可由开发者自行设置

这张表看起来好像DeepSeek时间比较长，但实际上不能简单这么比较。

DeepSeek采用的是一种“尽力而为”的机制。官方明确说明，不保证100%命中；缓存不再使用以后会自动清理，时间通常是几个小时到几天。

OpenAI在GPT-5.6及以后的模型上采用了更明确的30分钟TTL，而且这是一个滑动窗口。比如10点建立缓存，10点20分再次命中，那么有效期就重新延长到10点50分。GPT-5.6之前的部分模型则采用5—10分钟的内存缓存，或者支持最长24小时的Extended Retention。

Claude默认只有5分钟，但每次命中以后也会刷新；如果任务间隔比较长，可以使用1小时缓存，不过创建1小时缓存的价格是普通输入的2倍。Claude的缓存读取则只有普通输入价格的10%。

Gemini又是另一种思路。2.5及更新模型默认开启Implicit Caching，Google披露其内存缓存TTL为24小时；此外还允许开发者主动创建Explicit Cache，默认保存1小时，并且可以自己设置TTL，保存时间越长，还要额外支付存储成本。

所以“缓存”虽然是同一个词，不同公司的产品设计其实并不完全相同。

四、为什么到了Agent时代，缓存突然重要了？

如果只是过去那种问ChatGPT一个问题、得到一个答案的使用方式，缓存并没有那么重要。

但Agent完全不同。

一个Coding Agent工作的时候，每执行一步，都可能重新带上System Prompt、工具定义、项目规则、AGENTS.md、之前读取过的代码、前面的对话以及工具执行结果。

任务运行到后面，一次请求的上下文可能已经有几十万Token，但真正新增加的内容只有最后几千Token。

这恰好就是缓存最擅长处理的场景：

前面绝大多数东西都一样，只有最后一小部分发生变化。

Anthropic最近在自己的Agent任务测试中发现，缓存命中率可以达到81%—90%，开启缓存之后，部分任务成本降低到原来的约1/2.5至1/3.7。Anthropic甚至把Prompt Caching称为Agent成本优化中优先级非常高的一项，因为一个40轮的Agent任务，会反复把早期上下文带入后续请求。

这也是为什么我觉得，DeepSeek这次价格调整真正值得关注的，并不是简单的“涨了多少钱”。

当V4 Pro缓存命中和未命中的输入价格能够相差30倍时，Agent是怎么管理上下文的，可能和模型本身卖多少钱一样重要。

五、Prompt怎么排列，现在都会直接影响你的账单

缓存还有一个非常重要的特点：

它通常要求前缀匹配。

比如你的Prompt是：

公司资料 + 用户资料 + 今天的问题

第二次变成：

公司资料 + 用户资料 + 明天的问题

前面的固定内容很容易被复用。

但如果每一次都变成：

当前时间 + 随机Request ID + 公司资料 + 用户资料 + 问题

那么Prompt一开始就已经不同，后面的缓存复用就会受到影响。

所以DeepSeek和OpenAI都强调，把稳定、重复使用的内容放在前面，把经常变化的内容尽量放到后面。

这件事情其实很有意思。

以前我们研究Prompt Engineering，关心的是：

怎么写，AI回答得更好。

现在又多出了一个问题：

怎么排列，AI运行得更便宜。

Prompt已经不只是模型效果问题，也开始成为成本工程问题。

六、这也是为什么Harness越来越重要

我之前一直觉得，国产AI Coding现在一个很重要的短板，已经不是模型本身，而是Harness。

缓存这件事其实再次说明了这个问题。

一个好的Harness，不只是负责把问题交给模型、调用工具，然后把结果拿回来。它还要决定每一轮带多少上下文，什么时候压缩，什么内容应该长期保留，哪些内容能够稳定形成缓存前缀，以及一次任务到底需要循环多少轮。

这些设计最终都会落到Token和钱上。

以前我们比较两个模型，经常只看：

100万Token多少钱？

以后更值得比较的可能是：

完成同一个任务到底多少钱？

因为模型能力决定了这件事情能不能做成，而Harness越来越决定这件事情要调用多少次模型、重复计算多少上下文，以及最后到底花多少钱。

这也是Agent时代一个很容易被忽略的变化。

七、AI模型的价格，正在从一个数字变成一道公式

DeepSeek V4 Pro现在的输入价格到底是多少？

答案可以是：

0.15元、0.3元、4.5元，也可以是9元。

它们全部都对。

因为同样100万Token，最终价格取决于它是在高峰还是闲时调用，也取决于这部分Token到底有没有命中缓存。

所以以后再看到一家模型公司说“我们的API只需要多少元/百万Token”，其实已经不能完整反映真实成本了。

真正的成本越来越接近：

用了多少Token × 其中多少能够复用 × 调用了多少轮 × Harness怎样管理上下文。

DeepSeek这次把缓存命中和未命中的价格差拉到了30倍，只是让这个原本藏在API账单里的问题，突然变得非常醒目。

大模型进入Agent时代以后，我们可能也需要重新理解“模型价格”这四个字。

模型多少钱是一回事，怎么使用模型，是另一回事。