DeepSeek V4 Flash 单日消耗 8 万亿 Token，划出大模型“斩杀线”

事件概述

DeepSeek V4 Flash 正式版发布后，在一款 AI 编程工具 OpenCode 上单日消耗了 8 万亿 Token，其中 5 万亿来自免费额度，3 万亿来自付费套餐。作为对比，接入 400 多款模型的大模型路由平台 OpenRouter，日均处理量约为 6.6 万亿 Token。

这一消耗量直接源于 V4 Flash 的低价与 Agent 任务爆发：模型写出的代码未必更多，但一次长任务会反复调用工具、试错重试，Token 消耗可能翻几十倍甚至几百倍。

核心信息

价格与性能的“斩杀线”

• V4 Flash 每百万输出 Token 定价 2 元人民币，而 Anthropic Claude Opus 4.8 为 25 美元（约 170 元），价差约 85 倍。
• 在 Artificial Analysis 的 Intelligence Index v4.1 中，V4 Flash Max 得分 50，调用费约 72.02 美元；Claude Opus 4.8 Max 得分 56，调用费约 3752.55 美元。后者多拿 6 分，费用高出约 52 倍。
• 在 Arena 前端编码榜单中，V4 Flash 被列入“价格—性能”前沿模型，初步排名曾暂列 Opus 4.8 Thinking 之前。
• 国内其他模型的输出定价（每百万 Token）：Qwen 3.8 Max 36 元、GLM 5.2 28 元、Kimi K3 100 元，DeepSeek 明显更低。

低成本背后的架构

V4 Flash 总参数 2840 亿，每个 Token 仅激活约 130 亿参数。其 Transformer 模块改造了注意力层，采用 CSA（先压缩再找重点）与 HCA（极致压缩但全部浏览）两种机制交错排列；前馈层沿用 DeepSeekMoE，只路由到部分专家。同时使用低精度权重和长上下文缓存优化。据 DeepSeek 此前公开的技术报告估算，在百万 Token 上下文下，V4 Flash 单 Token 推理计算量约为 V3.2 的 10%，KV Cache 约为 7%。

Agent 能力来自后训练

正式版与 Preview 版结构和尺寸相同，仅重新进行后训练。后训练流程包括训练数学、代码、Agent 与指令遵循专家，用 SFT 和 GRPO 强化，再通过多个教师模型的 On-Policy Distillation 合并。DeepSeek 还设计了专门工具调用格式，用 Interleaved Thinking 保留推理状态，并用 DSec 提供数十万并发沙箱让模型练习运行代码、读报错、继续修改。V4 Flash 在 Terminal Bench 2.1 上得分 82.7。

本地部署门槛降低

V4 Flash 权重文件合计约 167GB。社区项目 DwarfStar 通过低比特量化，将 q2 版本放入 96GB 或 128GB 统一内存设备，q4 版本建议至少 256GB 内存；部分 128GB Mac 测试中，短上下文速度可达每秒二十多 Token。但极低比特量化可能损伤代码、长上下文和工具调用能力，社区运行时仍处于早期阶段。

值得关注

V4 Flash 不需要成为最强模型，它只要达到“大多数时候可以做完”，就能用近两个数量级的价格差，把更贵的模型挤出默认调用位。受冲击最明显的是中间层模型：它们性能略强但价格贵几十倍，又没有强到能稳定解决 V4 Flash 做不了的问题。

模型竞争维度正在从“单次回答有多聪明”转向“完成长任务的花费、时长和失败率”。OpenAI 高管也曾表示，模型会产生极大使用量，因此不需要依靠极高毛利承担训练成本；只要调用量足够大，累计利润仍可覆盖下一代模型训练成本。