据《财经》独家报道，DeepSeek 已重启第二轮融资，计划募资 500 亿元，投前估值约 5000 亿元，预计 8 月下旬完成签约。今年 6 月，DeepSeek 刚刚完成首轮 500 亿元融资，创下国内大模型首轮融资规模纪录，投后估值超过 3500 亿元。仅时隔两个月，其投前估值便攀升约 43%，两轮募资完成后累计金额将超千亿元。估值狂飙的底气，主要源于 DeepSeek 正在改写行业规则的计费方式。
权威模型测试媒体 Artificial Analysis 发布了一组实测数据，结果显示 DeepSeek V4-Flash 完成基准测试的平均成本仅为 3 美分。对比之下，Anthropic 的旗舰模型 Claude Fable 5 平均成本为 3.15 美元，GPT-5.6 Sol 为 1.86 美元，DeepSeek 比 Claude 便宜了整整 100 倍。除了成本优势，DeepSeek V4-Flash 在速度上也表现出色。实测数据显示，其输出速度约为 113 tokens/秒，而同级别的 Claude Opus 5 仅为 74 tokens/秒，约为后者的 1.5 倍。这意味着当 DeepSeek 完成测试时，Claude 甚至只完成了一半。当然，这种极致的性价比伴随着一定的取舍，在智能指数方面，V4-Flash 得分为 50 分，与谷歌 Gemini 3.6 Flash 持平，仅落后旗舰模型约 10 分——Claude Opus 5 为 61 分，Fable 5 为 60 分。
尤其是对于那些需要采购模型 API 的企业来说，这笔账可能需要重新算算了。过去这几年，大模型行业的定价方式既简单又粗暴，按 token 数量算钱。输入每百万 token 多少钱，输出每百万 token 多少钱，厂商怎么定价，用户就怎么交钱。但这个算法有个问题，它比的是原材料价格，不是成品价格。就像去饭店吃饭，菜单上写着大米 5 块钱一斤，但我只在乎一碗米饭多少钱。token 相当于是大米，任务就是那碗米饭。大米就算再便宜，蒸成米饭的工艺依然会影响米饭的最终价格。DeepSeek V4-Flash 的官方定价虽已是行业最低梯队，但 token 价格低并不等于任务成本低，一个模型如果需要生成更多的 token 才能完成同样的任务，那便宜的 token 单价可能换来一张昂贵的账单。Artificial Analysis 做的事情，就是把这层翻译给做了。他们比的是跑完同一套基准测试要花多少钱。这个口径叫每次任务成本，它把 token 用量、推理深度、缓存命中率、思考时间这些变量全部揉在一起，直接给出一个终极答案，干完一件事到底要花多少钱。
DeepSeek 凭什么能这么便宜？V4-Flash 模型总参数有 2840 亿，但每次推理时实际激活的只有 130 亿，不到总参数量的 5%。但光靠这些还不够。V4 在注意力机制上做了很大的文章，他们设计了一套叫 CSA 和 HCA 的混合架构。这两套机制的核心是不同距离的信息，用不同的精度来记忆。比如最近几分钟发生的事，记得非常清楚，每一个细节都能说出来；几天前的事，大概就只能记得发生了什么，细节被模糊掉了；几个月前的事，可能只记得一个大概的印象。CSA 和 HCA，就是模拟了这个近清楚、远模糊的记忆规律。随着上下文增长，把重要的信息留下，不重要的就全都抹去。在百万 token 上下文下，V4 Flash 的单 token 计算量只有 V3.2 的 10%，KV 缓存更是只需要 7%。而且上下文越长，这个优势越大。
但架构也还只是故事的一半，V4-Flash 从预览版到正式版进行了一次原地升级。这两个版本的模型一个参数都没动，唯一的区别在于后训练。这背后是 DeepSeek 一套独特的两阶段后训练方法。第一阶段叫分科培养。数学、代码、Agent、指令跟随这些领域，各自单独训练专家模型。每个专家先用监督微调打基础，再用 GRPO 强化学习反复打磨。GRPO 是郭达雅在 DeepSeek 时发表论文 DeepSeekMath 中首次提出的概念。传统 PPO 算法需要额外训练一个价值函数模型，又费显存又费算力，而 GRPO 直接把这一步砍了，改成让模型对同一问题生成多个答案，用组内的相对排名来代替绝对价值评估，自己跟自己比、自己跟自己学。既省了训练成本，效果还更好。第二阶段叫融会贯通，用在线策略蒸馏把多个领域专家的能力合并回同一个模型里。蒸馏的时候不是简单地复制输出，而是让目标模型在自己的策略分布下生成数据，再用专家模型的输出来矫正，确保合并后的模型不会学了这个忘了那个。过去说模型蒸馏，都是先让高性能的模型生成答案，再让低性能的模型去学。但是在线策略蒸馏是反过来的，是学生先自己做题，老师在旁边看着，边看边指导。学生根据各个老师的反馈，当场调整自己的思路，继续往下做。做完一道，再做下一道，边做边学。在线指的是学生和老师是同步的，老师实时给学生反馈。策略指的是它学的不是具体某道题的答案，而是遇到问题该怎么想这套思考方法。
其结果是 Terminal Bench 2.1 从 61.8 分干到了 82.7 分。这个测试测的是模型在真实终端环境中完成复杂命令行任务的能力，分数直接超过了自己的老大哥 V4-Pro 预览版的 72.1 分，逼近 Anthropic 旗舰 Opus 4.8 的 85.0 分。更夸张的是 DeepSWE，这是一个专门测试 GitHub 真实 Issue 解决能力的基准，DeepSeek V4-Flash 从 7.3 分飙到 54.4 分，涨幅 645%。一个 Flash 级别的轻量模型，在 9 项 Agent 基准测试上全面碾压自家旗舰 Pro 的预览版。
100 倍的价差很可能会改变企业对模型 API 的采购逻辑。过去几年，企业选模型的过程就像选供应商，比参数、比跑分、比价格，最后选一个综合最优的。这种思路的前提是模型之间的价格差距不大，都在同一个数量级内，当然大家都会选能力最强的。但在 Artificial Analysis 提出“每次任务成本”之后，这个前提就塌了。假设一个企业每天要处理 100 万次 API 调用，用 Claude，每天的成本是 31500 美元，用 DeepSeek，每天只需要 300 美元。一年下来，差距是 1130 万美元。这已经不是省点钱的问题，这是能不能活下去的问题。尤其是对于那些日常运营包含电商客服、代码审查、数据清洗场景的企业来说，每天 100 万次的 API 调用非常常见。所以企业的核心命题就不再是“用哪家模型”了，现在变成了“怎么把任务分到最合适的模型上”。这个思路在行业里有个名字，叫模型路由。模型路由的逻辑很简单，把高价值、高失败成本的复杂任务放到 Claude Opus 5 或 GPT-5.6 这样高上限的模型里，比如自动编程中架构设计、金融报告的关键分析、法律文书的条款审查等等，企业给模型的智能等级和成功率付费。不过这些任务数量其实并不多，主要是任务失败会导致企业付出巨大的代价，用贵模型是完全合理的投资。像是批量分类、代码初筛、数据清洗、低风险 Agent 任务之类的苦力活，往往占据了企业运营的 80%，因此把这些全都交给 DeepSeek，省下来的每一分钱都是纯利润。根据 Menlo Ventures 的企业 AI 调研，37% 的企业已经在生产环境中使用 5 个以上的模型。学术方面也有相同的推论，LMSYS 团队在 ICLR 2025 上发表的 RouteLLM 研究发现，在 MT Bench 基准上，智能路由可以在保持 GPT-4 95% 质量的前提下削减 85% 的成本。在已经公开的行业实践中，不同任务分布和路由策略下，降本幅度通常在 40% 到 85% 之间。路由做得好不好，直接决定了企业的 AI 成本。一个路由策略粗糙的企业，可能 80% 的任务都打到了旗舰模型上；而一个路由做得精细的企业，可能只有 20% 的任务需要旗舰模型，其余 80% 都分流到了高性价比模型。两家企业做同样的事情，AI 成本可能差出 5 到 10 倍。
最原始的路由，是静态规则。举个例子，客服部门的，就用便宜模型；算法部门的，就用贵模型。或者关键词匹配，提到代码就用中低档模型，提到分析就用旗舰模型。这种办法简单粗暴，但不准。很多时候会错配，简单任务给了贵模型；复杂任务给了便宜模型，做不好还要重来，反而更贵。高级一点的，是用分类器。先训练一个小模型，专门用来判断这个请求应该用哪个模型。请求进来，先过分类器，分类器说简单，就给便宜模型；分类器说难，就给贵模型。这种办法比静态规则准，但还是有问题。分类器本身也会犯错，而且它只能根据请求的字面意思判断，不知道模型实际做出来效果怎么样。再高级一点的，叫做先试后升。不管什么请求，先让最便宜的模型试试。如果结果质量够好，就直接用；如果质量不够，再自动升级到更贵的模型重做。比如一个任务，直接用 Claude 要 3 美元。用 DeepSeek 先试，3 美分，成功了就赚了；失败了，再用 Claude，总共 3.03 美元，也只比直接用 Claude 多花了 1%。只要成功率不是 0，这个买卖就划算。
所以闭源厂商的日子，以后会越来越不好过。它们必须不断往上走，去做那些更难、更复杂、价值更高的任务，把自己的护城河挖得更深。因为下面的市场，已经被 DeepSeek 占满了。最难受的是中间那档模型，比 DeepSeek 强，但又没强到哪里去，价格还贵了几十倍的。往上，打不过旗舰模型的能力；往下，打不过 DeepSeek 的价格。这就引起了一个新的现象，DeepSeek 斩杀线。Artificial Analysis 做了一张图，把所有主流模型都放在一个坐标系里。横轴是每次任务的成本，对数坐标；纵轴是智能指数得分。图片中的虚线，代表了 DeepSeek V4-Flash 正式版的性价比斩杀线，任何处于虚线中的模型，都无法在 DeepSeek 可以实现的任务中，价格低于 DeepSeek。此前，行业常会用 GPT-4o、Claude Sonnet、Gemini Pro 这些模型来作为参考，它们的性价比就成为了行业基准。比它们贵的，就得证明自己更强；比它们弱的，就得证明自己更便宜。不过图片中可以看到，这些作为行业基准的模型，它们的斩杀线是很低的，稍微推理强度高一点的模型，都可以轻松逃过被斩杀的命运，DeepSeek V4-Flash 正式版的出现，让整个斩杀线抬高到了一个非常高的地方，全球将近 70% 的模型都处于被斩杀区域。图片另一边的橙黄色区域，是 Artificial Analysis 基于 V4-Flash 预览版和正式版之间的区别，对旗舰模型 V4-Pro 的正式版性能和价格的预测。V4-Pro 现在的定价，输入缓存命中是每百万 token 1 元人民币，缓存未命中是 12 元，输出是 24 元。限时优惠期间更便宜，输入只要 2.5 元，输出 12 元。虽然价格比 Flash 贵了不少，但是性能也提升了很大。这也就意味着，包括低推理强度的 Fable 5 和 GPT-5.6 在内，全球 90% 的模型，在完成任务的性价比这方面，都被 DeepSeek 斩杀了，更有甚者，无论是把推理强度调高也好调低也好，依然也逃不过被 DeepSeek 满血斩杀的命运。
而 DeepSeek 手里还有另一张牌，Harness。8 月初，DeepSeek Harness 负责人崔添翼在 X 发文称，如果你是 Agent Harness 相关开源项目的开发者，希望参加 DeepSeek Harness 的内测，可以回复或私信联系我。请附上 GitHub id 以及开源代表作。虽然有保密协议以防止参与测试者泄露 DeepSeek Harness 的功能、参数相关信息，但已有部分参与测试者发文称，效果炸裂。Harness 是 DeepSeek 自研的 Agent 运行时框架，类似于 OpenAI 的 Codex 和 Anthropic 的 Claude Code，但深度绑定了 V4 系列的模型能力。它的作用是让模型在执行 Agent 任务时少走弯路、少浪费 token。一个 Agent 任务的完成质量，不只取决于模型本身的能力，还取决于框架怎么组织上下文、怎么处理工具调用的错误返回、什么时候该重新规划、长会话怎么压缩、什么条件算任务完成。Harness 所负责的，正是这些事情。在 V4-Flash 正式版的基准测试中，DeepSeek 已经用自家 Harness 的 minimal 模式跑了 Code Agent 任务，max 档位，top_p 0.95，温度 1.0。前文所提到的 V4-Flash 正式版分数，很多都是 DeepSeek Harness 跑出来的。但 minimal 模式只是 Harness 能力的冰山一角。Harness 正式发布并开放完整功能后，同样的模型在同样的任务上，可能会表现出更高的成功率和更少的 token 浪费。换句话说，同样的智能水平，实际成本再降一截。DeepSeek 已经明确表示，Harness 会和 V4-Pro 正式版同步上线。两层叠加，V4-Pro 正式版更强的性能，加上 Harness 更高效的执行框架，就会有更多的模型面临斩杀。因此，Artificial Analysis 现在给出的斩杀线可能偏低了。
市场的终局正在收敛成一根哑铃。一端是少数几个能力最强的旗舰模型，卖的是极限智能；另一端是 DeepSeek，把自己当 AI 基础设施来卖。中间那些既不够强又不够便宜的产品，最终会成为这场价格战中最先被淘汰的牺牲品。