标签： DeepSeek

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。

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。

DeepSeek V4 Pro正式版的发布，多少有点出人意料。

至少截至8月13日早上，DeepSeek并没有为它专门发一篇声势浩大的发布公告，官方更新日志还停留在7月31日的V4 Flash。但如果打开DeepSeek的API价格页面，会发现deepseek-v4-pro后面的版本已经悄悄变成了DeepSeek-V4-Pro-0813。这意味着，从4月底发布Preview版本算起，DeepSeek V4 Pro终于迎来了正式版。新版本支持100万Token上下文、最大384K输出，同时支持Tool Calls、Responses API和Anthropic API。

如果这只是又一个“大模型变强了”的故事，其实已经没什么新鲜的。现在真正值得关注的，是V4 Pro这次提升最大的地方恰恰是Coding Agent和长任务执行能力，而它的API价格依然只有每百万Token输入3元、输出6元。

这可能比Benchmark本身更值得讨论。

一、V4 Pro终于把“Pro”的位置拿回来了

V4 Pro正式版之所以值得注意，还要从两周前的V4 Flash说起。

7月31日，DeepSeek发布V4 Flash正式版，当时出现了一个颇为尴尬的情况：作为低成本版本的Flash，在大量Agent测试里反而超过了V4 Pro Preview。Terminal Bench 2.1达到82.7，DeepSWE达到54.4，DSBench-Hard达到59.6，DeepSeek自己甚至直接在更新日志里写，Flash的Agent能力“far exceeding V4-Pro-Preview”。与此同时，它又特别说明，Pro API并没有更新，正式版随后发布。

现在0813版本终于把这个位置拿回来了。

根据DeepSeek此次分享的数据，OpenRouter上线V4 Pro 0813时特别列出了两个变化：DeepSWE从Preview版本的12.8提高到62.7，Terminal Bench 2.1从72.1提高到87.9。公开整理的数据里，CyberGym也从52.7提高到83.3，DSBench-FullStack从41.8提高到71.1。换句话说，这一次最明显的进步不是知识问答，而是让模型在终端环境里写代码、调用工具、修改项目，并把一个更长的任务真正做完。

这其实也符合V4整个系列的方向。DeepSeek V4 Pro本身是一个总参数1.6T、激活参数49B的MoE模型，支持100万Token上下文。DeepSeek在技术报告中强调，新的注意力架构让它在1M上下文下，单Token推理FLOPs只有V3.2的27%，KV Cache需求约为10%。模型变得更大，但长上下文推理的成本并没有同比增长。

这对Agent尤其重要，因为Agent真正昂贵的地方，从来不是回答一个问题，而是连续工作几十分钟甚至几个小时。

二、它还没有全面超过最强模型，但已经进入同一个牌桌

这里需要稍微泼一点冷水。

仅凭DeepSeek自己公布的Benchmark，还不能得出“V4 Pro已经超过Claude Fable 5”这样的结论，更何况新版本刚刚上线，还需要等待更多独立测试。公开对比数据中，V4 Pro 0813在Terminal Bench 2.1上是87.9，Fable 5是88.0；CyberGym是83.3对83.1，基本处在同一水平。但在DeepSWE上，V4 Pro是62.7，Fable 5仍然达到70.0；Toolathlon、DSBench-FullStack等项目也还有差距。

所以更准确的说法，不是DeepSeek已经打败了最强的闭源模型，而是它在越来越多Agent任务上，开始进入同一个能力区间。

这个区别很重要。

对于真正复杂的软件工程、科研或者企业Agent任务，最后5%甚至10%的能力差距依然可能非常值钱。一个模型成功完成任务，另一个模型运行半小时之后失败，前者即使贵很多也可能更划算。所以最强模型的溢价不会因为DeepSeek出现就突然消失。

但市场真正的问题是：究竟有多少任务，需要为了最后这5%的成功率支付几十倍的Token价格？

当便宜模型的能力只有旗舰模型一半时，这个问题没有意义；当两者开始出现在同一张Benchmark表里时，问题就完全不同了。

三、真正麻烦的是：它的输出价格只有6元

DeepSeek V4 Pro现在的官方价格是，每百万Token缓存未命中输入3元，输出6元；缓存命中甚至只有0.025元。相比之下，Anthropic目前最强的公开模型Fable 5是每百万Token输入10美元、输出50美元，Opus 5是5美元和25美元，Sonnet 5也要2美元和10美元。

当然，不能简单拿6元和50美元相除，就得出模型“便宜几十倍但一样强”的结论。不同Tokenizer、缓存策略、推理长度、Agent Harness都会影响最终成本，而且最强模型更高的任务成功率本身也有价值。

但Agent时代有一个和Chatbot时代很不一样的地方：Token重新变得重要了。

我们平时问ChatGPT一个问题，也许只消耗几千个Token，多几分钱少几分钱，普通用户几乎感觉不到。但一个Coding Agent可能要读几十万Token的代码，搜索项目、修改文件、运行测试、读取错误信息，再重新修改；一个企业如果同时运行几百甚至几千个Agent，Token成本就会迅速从一个可以忽略的数字，变成真正的基础设施成本。

所以AI模型最终竞争的，很可能不是“每百万Token多少钱”，而是完成一个任务到底多少钱。在这个公式里，能力决定成功率，价格决定每次尝试的成本。当两款模型能力相差巨大时，价格并不重要；但当能力开始接近时，价格的权重就会迅速上升。

这也是V4 Pro真正可能给Anthropic和OpenAI带来压力的地方。

四、事实上，模型价格战已经开始了

如果把最近一个月发生的事情放在一起看，这个趋势会更加明显。

7月30日，OpenAI宣布把GPT-5.6 Luna价格直接降低80%，Terra降低20%，目的就是让高频、大规模工作负载能够以更低成本调用。到了8月10日，Anthropic又取消了Claude Sonnet 5原定9月进行的涨价，2美元输入、10美元输出从“推广价格”直接变成长期标准价格。

这些动作当然不能简单归因于DeepSeek，因为整个模型市场的推理效率都在提高，Google、中国的开放权重模型以及云厂商之间的竞争也都在推动价格下降。但当越来越多模型的Agent能力开始接近前沿水平以后，过去那种“最好的模型天然应该卖最贵”的逻辑，正在受到挑战。

更有意思的是，DeepSeek自己似乎也知道现在的价格有些低。

在V4 Pro正式版上线的价格页面上，DeepSeek罕见地提前提醒用户：计划近期整体上调DeepSeek API服务定价，而且预计涨幅较大。

这反而说明一个问题：DeepSeek下一阶段可能已经不需要继续证明“中国模型能不能做到接近前沿能力”，它真正需要验证的是，当价格逐渐回归正常商业水平之后，开发者是不是仍然愿意留下来。

便宜可以带来第一次调用，但只有能力、稳定性和生态才能留下长期调用。

五、Flash加Pro，可能比单独一个Pro更有杀伤力

我前几天写V4 Flash时，认为DeepSeek真正想争夺的不是“最强模型”，而是“最多调用”。现在Pro正式版出来以后，这个产品结构反而更加清晰了。

V4 Flash每百万Token输入1元、输出2元，并发上限2500；V4 Pro输入3元、输出6元，并发500。两者都支持100万Token上下文、Tool Calls、Responses API和Anthropic API。

这意味着开发者其实没有必要让所有任务都跑Pro。绝大多数明确、重复、执行型的工作交给Flash，只有真正复杂的任务才升级到Pro；再进一步，Agent系统完全可以根据任务难度、失败次数和上下文复杂程度自动Routing。

这样算下来，一个产品真正的平均推理成本甚至不是V4 Pro的价格，而是大量Flash加少量Pro。

这也是我觉得AI模型市场正在发生的一个重要变化。过去我们习惯讨论“哪个模型最强”，因为人是模型的主要调用者；当Agent开始调用模型之后，情况会完全不同。Agent不会在意品牌，也不会因为Claude或者DeepSeek的名字产生偏好，它只会根据成功率、速度和成本选择下一次调用谁。

到了那个时候，模型公司真正争夺的就不再只是用户，而是机器产生的调用量。

DeepSeek V4 Pro是不是今天世界上最强的Agent模型，我觉得其实没有那么重要。至少目前的数据还不足以支持这个结论。

真正重要的是，它已经越来越接近那个区间，而价格却依然停留在另一个区间。

当“足够接近最强”的模型越来越多，最强模型当然仍然有价值，但它的使用范围可能会逐渐收缩到那些真正需要最后一点能力的任务里。剩下数量更庞大的日常开发、自动化和企业Agent任务，会越来越现实地计算一件事情：

把这件事做完，到底需要花多少钱？

到了这一步，AI模型竞争最重要的排行榜，可能就不再是谁的Benchmark最高，而是谁能用最低的成本，把最多的事情真正做完。