人工智慧新创公司 DeepSeek 在 7 月 31 日正式发表其旗舰模型的最新版本 DeepSeek V4-Flash 0731。这款模型的问世不仅在技术社群引发热议，更因其极高的成本效益，被研究机构与开发者称为定义了全球人工智慧市场的「斩杀线」。

根据研究机构 Artificial Analysis 的 Intelligence Index v4.1 评测，V4-Flash 在能力指数上获得 50 分，较前一版本提升了 10 分，且在成本表现上展现出对竞争对手的显著优势。

效能与价格的平衡点

在 AI 业界，「斩杀线」是指一个性能与价格的平衡临界值。Artificial Analysis 的散点图显示，纵轴为能力指数，横轴为每项任务成本。V4-Flash 0731 位于图表的左上方，意即能力更强、成本更低。这意味着在同一能力梯队中，若竞品的定价显著高于此线，或性能弱于此线但成本更高，其生存空间将面临萎缩。

根据《路透》引述 Artificial Analysis 的数据，V4-Flash 的每百万输入标记 (Token) 费用为 0.14 美元，输出则为 0.28 美元。若以单次测试任务计算，V4-Flash 的平均成本仅约 3 美分，远低于 OpenAI GPT-5.6 Sol 的 1.86 美元，以及 Anthropic Claude Fable 5 的 3.15 美元，成本差距最高达百倍以上。

即使主要竞争对手 GPT-5.6 Luna 在 7 月底紧急宣布调降价格 80%，V4-Flash 的每项任务成本仍比调价后的 Luna 低约 60%。

在 OpenRouter 最新周度的数据中，调用量前五名的模型依序为：DeepSeek-V4-Flash、小米 MiMo-V2.5、腾讯 Hy3、DeepSeek-V4-Pro 以及智谱 GLM 5.2。这五款模型均来自中国研发团队，且其加总的调用规模已连续数周超越美国厂商所有闭源模型的总和。

更值得注意的是，这些流量中，来自美国与欧洲的开发者占比接近半数，显示西方开发社群正大规模将其生产环境中的推论流量迁移至中国开发的模型介面。

AI Agent 转型放大成本与能力的差距

产业界观察到，大模型的使用方式正从单纯的「对话」转向「任务执行」(Agentic tasks)。Artificial Analysis 的评测方法论明确指出，当前权重已大幅向智慧体 (AI Agent) 任务倾斜，涵盖程式码编写 (Coding) 与科学推理 (Scientific Reasoning) 等高难度指标。

Bai Longju 等学者在 2026 年 4 月发表的论文《AI 智慧体如何花掉你的钱》(How Do AI Agents Spend Your Money?) 中指出，Agent 任务的 Token 消耗量通常比一般问答高出数个数量级。例如，在程式码修复任务中，Agent 消耗的 Token 是传统问答的一千倍。这使得模型间的单价差距被极度放大，原本美分级的差额在 Agent 任务中会变成美元级的成本负担。

此外，能力的差距也会被 Agent 任务的「多步骤性质」放大。在一项由二十个步骤组成的长任务中，若单步准确率从 90% 提升至 95%，最终整体的成功率将从 12% 飞跃至 36%。DeepSeek V4-Flash 正是在这种高频次、高消耗的 Agent 应用场景中，展现了强大的竞争力。

非补贴式的成本结构

DeepSeek 的低报价并非源于短期的价格补贴，而是来自于底层技术的工程优化。公司采用的技术包括：

• 混合专家架构 (MoE) 与多 Token 预测技术：大幅降低推理时的浮点运算量。
• 动态 KV 快取 (KV Cache) 优化：将快取大小缩减至前代的 10%。
• 流量峰谷调度：有效压低单一 Token 的推理成本。

国新证券的研究报告分析指出，这些技术改良是价格下探的底层来源。此外，《路透》披露 DeepSeek 已启动自研晶片计划，专为推论设计，以期在模型迭代之外进一步维持成本优势。

市场效应：开发者大规模「迁徙」

根据 OpenRouter 的最新统计，DeepSeek V4-Flash 已登顶该平台模型调用量榜首，而美、欧开发者占比接近半数。OpenCode 的执行长 Jay 指出，在 V4-Flash 上线后，其平台的订阅用户与使用量均成长了 30%。

市场分析认为，大模型市场正分化为两个圈层：大型企业基于合规性与供应链稳定，仍倾向采购矽谷巨头服务；但对成本极度敏感的中小开发者与新创公司，正大规模向具备高性价比的模型迁移。对于尚未盈利的小微 AI 公司而言，高达 60% 至 85% 的推理成本节省，往往是决定项目生存的关键。

产业展望：从「飞轮」到「跑步机」

尽管 DeepSeek 目前占据优势，但业界专家警示，这种领先地位需要持续的执行力来维持。OpenAI 的数据显示，算力投入与收入增长几乎呈线性对应，这显示出大模型竞争并非自动旋转的「飞轮」，而是一台需要不断奔跑的「跑步机」。

同时，阿里巴巴的 Qwen3.8-Max 与 MiniMax 的 H3 影片模型也相继发表，试图在不同领域挑战现有的市场秩序。Artificial Analysis 指出，随着模型后训练 (Post-training) 技术的进步与硬体基础设施的投入，「斩杀线」将会持续上移。