梁文锋出手了

让AI连续完成十几个复杂任务，总共烧掉5亿Token，最后需要付多少钱？

DeepSeek的答案是，28元。

在博主花叔发布的最新实测视频里，他使用新发布的DeepSeek-V4.1-Flash-1017，完成了包括故宫3D建模、纪念碑谷解谜游戏、网页版传送门在内的十余个复杂任务，相当于一个游戏开发者或者视频剪辑师半个月的工作量。

累计消耗5亿Token，后台账单只有28元。

这让人不禁想问，梁文锋画的这条AI斩杀线，究竟能离谱到什么程度？

图源：花叔

过去讨论大模型，最热闹的话题往往是排行榜。

今天谁超过谁，明天谁又刷新纪录。模型名称越变越长，评测项目越来越多，普通用户看完一圈，最后还是得回到自己的工作上。

排行榜上的得分，用户未必能立刻感受到。账单上的一个零，倒是很难忽略。

DeepSeek这次更新之所以值得关注，恰恰在于它试图同时解决两件事。把工作做得更好，同时把完成工作的费用压下来。

活干得更好，钱还能少花。

据DeepSeek官方介绍，新版本通过基于自反馈的强化学习，提升了从零构建游戏、3D模型等项目的能力。比如故宫3D建模、网页版赛车游戏等案例。

图源：DeepSeek

从评测数据看，新模型在性能上的提升也十分明显。

Terminal-Bench 4.0成绩，从31.2提升到42.3。

ProgramBench成绩，从20.3提升到29.1。

DeepSWE v1.1成绩，从74.2提升到77.0。

在性能提升的同时，DeepSeek新版本的任务运行时间与输出长度也得到了优化。用户能够以更快的速度完成一个任务。DeepSeek自己介绍说：“新模型在多个 Harness下达到了新的性能-费用帕累托最优。”

这比单纯提高模型的性能极限要更符合用户们的利益。

截至目前，DeepSeek新版本的官方人民币价格在空闲时段为每百万Token，缓存命中的输入，0.02元。缓存未命中的输入，1元。输出，4元。高峰时段则分别为0.04元、2元和8元。

缓存命中价只有未命中的2%，这就是DeepSeek省钱的关键。

花叔的资料中，明确提到一个动效案例的大部分Token都命中了缓存。同时，解说动画案例所用的外部口播费用，没有计入所列模型费用。

图源：DeepSeek

这些条件并没有削弱这次实测的价值。恰恰相反，它们说明了DeepSeek的低成本优势，更容易在哪类工作中发挥出来。

长对话、多轮修改、反复读取同一项目资料，都是缓存能够发挥作用的地方。

这些也正是AI真正开始干复杂工作之后，经常遇到的情况。任务越往后走，历史材料越多。如果每一步都把旧材料按较高价格重新计算，用户支付的费用里，就会有一部分花在反复搬运同一沓文件上。

DeepSeek较低的缓存价格，降低了这部分负担。

再看看别家的模型在这方面表现如何，先看同样强调编程和工具使用能力的MiniMax M3。

按照其官方价格，标准服务、输入不超过512K时，每百万Token的未缓存输入价格为2.10元，缓存读取为0.42元，输出为8.40元。

与DeepSeek空闲时段相比，差距最显眼的项目是缓存读取。0.42元对0.02元，单价相差21倍。

对于重复上下文占比很高的工作，这个差距已经足够致命。

图源：MiniMax

再看海外模型。OpenAI的标准短上下文档中，GPT-6.1 Sol每百万Token输入2美元、输出10美元；GPT-6 Luna则分别为0.10美元和0.50美元。

海外主打性价比的模型的费用，也明显高于DeepSeek。

虽然模型完成同一任务的质量如何，还需要另行检验。但在同一性能区间里，单论价格，DeepSeek的优势不言自明。

总而言之，DeepSeek新版本在高缓存命中的复杂编程与工具任务中，拥有无可比拟的性价比竞争力。

那么，DeepSeek凭什么把价格压得这么低？

用户当然喜欢便宜，但能够持续提供低价，需要技术和服务效率支撑。

DeepSeek此前发布V4.1 Flash时，介绍过一种输入、输出采用不同计算安排的架构。处理输入时激活约8B参数，生成输出时激活约16B参数。

可以把它理解为，根据工作环节安排不同规模的计算资源，减少不必要的消耗。

官方还表示，相较前代，V4.1 Flash的上下文缓存所需高速显存降至四分之一，SSD存储降至八分之一。

这就为降低服务成本提供了技术基础。1017版本继续改善任务能力和执行效率，站在已有的降本设计之上，让同一套服务更有竞争力。

图源：DeepSeek

由此看来，DeepSeek在大模型方面的发展方向已经很明显了。极限性能打不过GPT和Claude，DeepSeek就在性价比上卷出新高度。

减少处理输入的计算负担，压缩保存上下文的资源占用，再通过价格机制把部分效率收益传递给使用者。比起一句笼统的“价格战”，这样解释更接近技术产品的竞争。

便宜可以来自优惠，也可以来自把同样的工作做得更省。而后者显然更值得期待。

把视线放大，DeepSeek在国产大模型中处于什么位置？至少从目前来看，它已经是高能力、低成本路线上的重要代表。

Artificial Analysis的榜单显示，DeepSeek新版本在max配置下，智能指数为45，每项评测任务成本为0.26美元。同一榜单中的GLM-5.3 max智能指数也是45，任务成本为2.01美元。

尽管DeepSeek的性价比已经很高了，但它也并非没有对手。同一榜单还列出MiMo-V2.6-Pro，智能指数46，每项评测任务成本0.13美元。

国产模型的竞争已经出现多种有吸引力的选择。DeepSeek表现突出，不意味其他厂商没有机会。就像雷军在刚造车时说出的那句名言：“后来者总有机会。”

对用户而言，这是个好事儿。工具越多，选择越充分。模型之间相互竞争性价比，最后受益的都是日常使用最多的用户们。

图源：Artificial Analysis

DeepSeek官方模型卡中，新版本在DeepSWE等项目表现突出，但HLE、ProgramBench等项目仍落后于表中列出的Opus 5。这种差异并不丢人，全球竞争从来不只有一种赢法。

能力上限决定模型能挑战多难的问题，使用成本则影响这些能力能进入多少日常工作。两者共同决定产品的实际分量。

对很多个人和小团队来说，一个能够承担大量工作、又允许反复调用的模型，会比一个只能偶尔请出来的昂贵工具，更频繁地出现在工作流程里。

这种频率本身，就是影响力。

DeepSeek新版本还公开了模型权重，采用MIT许可证，为第三方研究、适配和部署提供了更多选择。

开放权重当然不等于个人部署没有成本。但它让开发者拥有更多参与和调整的空间，也让模型的影响有机会延伸到官方产品之外。

DeepSeek既参与能力竞争，也参与使用门槛的竞争。后者落到用户身上，格外具体。

模型能够持续检查，用户就多一次发现问题的机会。修改费用足够亲民，一个不够好的初稿就更有机会继续改善。

这些变化听起来没有“最强大模型”的名号那么响亮，却与AI能不能成为日常工具直接相关。

图源：DeepSeek

5亿Token花28元，不能证明DeepSeek已经是最值得使用的国产模型。

它能证明的是，在这个有明确条件的实测当中，复杂任务的模型调用费用已经可以很低。

这值得肯定，也值得其他厂商认真思考。能把事情做好，能让人持续用得起，才是厂商们应该拿出的诚意。

大模型的下一轮竞争，除了回答谁更聪明，也应该回答，谁能让这份能力以更低的负担持续地参与到日常工作当中去。