AI大模型“斩杀线”持续上移：Agent放大成本与能力差距

事件概述

2026年7月31日，DeepSeek发布V4 Flash 0731。新版在Artificial Analysis的Intelligence Index上得50分，比上一版高10分，也超过DeepSeek V4 Pro (max)的44分。将各模型按能力得分与每任务成本放入散点图，V4 Flash 0731落在左上角；在其右下方区域，模型成本更高、能力更弱。AI圈称之为“斩杀线”（英文称Kill Zone），落入其中的模型会快速失去市场竞争力。

Agent重新定义竞争维度

Agent成为主流使用方式后，模型交付的是完整任务，而并非单次回答。单轮对话的准确性无法反映Agent任务的实际效果，按token计价的测试也不能准确衡量任务支出。

• 2026年5月，NIST下属的CAISI对比DeepSeek V4 Pro与GPT-5.4 mini，在7个基准上实际支出从便宜53%到贵41%，说明成本随任务类型变化。
• Intelligence Index v4.1的权重向Agent任务倾斜：Agents占比34%，Coding占24%，Scientific Reasoning占24%，General占18%；横轴“每任务成本”按五类token计价后除以任务总数。
• 按该口径，Claude Opus 4.8 (max)得56分、每任务成本1.78美元；DeepSeek V4 Pro (max)得44分、0.04美元；V4 Flash 0731得50分。
• 能力与V4 Flash 0731最接近的GPT-5.6 Luna (max)得分51分，7月30日降价80%后，V4 Flash 0731的每任务成本仍低约60%。

Agent放大成本与能力差距

一项Agent任务的tokens消耗量比单轮问答高出多个数量级，模型单价差距不变，最终支出差额会被放大。2026年4月Bai Longju等人的论文显示，Agent编码任务的tokens消耗约为代码问答和代码推理的1000倍。Claude Opus 4.8的输出价格是每百万tokens 25美元，DeepSeek V4 Flash为0.28美元；单轮问答的支出差距以美分计，而在Intelligence Index任务上，两者差距接近1.7美元。

Agent任务步骤更长，任一步骤出错都会导致整体失败，成功率约等于各步成功率的乘积。一次回答准确率95%与90%的模型，在20步任务后成功率分别约36%与12%，差距从5个百分点扩大为近3倍。重试机制还会让能力不足直接转化为额外tokens支出。

模型能力已不足以单独决定结果。Reddit上的一项独立评测将DeepSeek V4 Flash接入Pi、OpenCode、Claude Code、Nanocoder四个Agent框架执行同一批bug修复，能力得分落在同一区间，但tokens消耗和耗时相差四倍。Artificial Analysis自建并开源了统一Agent测试框架Stirrup；V4 Flash 0731在Terminal-Bench 2.1上使用Stirrup得79%，使用DeepSeek自家Harness得82.7%。

毒圈缩圈：没有第二名

大模型切换成本极低，API调用标准化、MCP协议开放，开发者可以快速更换底层模型。基础模型层的进步放缓，同质化竞争加剧，市场份额会向性价比更优者快速聚集，而不是按比例分配。

成本下降无法带来利润，因为降本很快被传导为降价。2026年7月30日OpenAI将GPT-5.6 Luna价格下调80%、GPT-5.6 Terra下调20%；次日DeepSeek发布V4 Flash 0731。不跟进降价就要交出市场份额。OpenAI披露的数据显示，算力从0.2吉瓦增至1.9吉瓦（9.5倍），收入从20亿美元增至200亿美元以上（10倍），投入和产出几乎线性对应，没有形成额外的单位效率优势。

价格战通常要打到成本线才会停止。2026年5月23日，DeepSeek将V4 Pro API价格永久降至原定价的四分之一，此后每百万tokens输入（缓存命中）0.025元、输入（缓存未命中）3元、输出6元，当时报道称创全球大模型价格新低。V4系列通过混合注意力架构与多token预测，单token推理浮点运算量降至前代的27%，KV缓存降至前代的10%。Gartner预测，到2030年大模型推理成本将比2025年降低超过90%。路透社7月还报道，DeepSeek正在研发专用于推理的自研芯片，项目启动约一年；OpenAI、Anthropic等也有自研芯片计划。

V4 Flash 0731的架构与尺寸未变，仅重做后训练，Intelligence Index得分就从40升至50。模型迭代、自研芯片、自建算力与系统工程投入，都会继续推高“斩杀线”。

结论

“斩杀线”和“毒圈”这两个来自游戏的词，同时在中英文AI圈流行，反映出大模型竞争已经进入生死局：一旦落入斩杀范围，几乎没有过渡地带；留在场内的玩家则面临越来越快的淘汰压力。