DeepSeek V4 Flash低价公测，基础模型公司靠什么跨越“斩杀线”？

事件概述

7月31日，DeepSeek 将 V4 Flash 官方 API 推向公测。该版本没有扩大参数规模，也没有更换底层架构，官方披露的主要变化来自后训练，但 Terminal Bench 2.1 等 Agent 指标明显上升。价格方面，缓存命中输入 0.02 元/百万 Token，未命中输入 1 元/百万 Token，输出 2 元/百万 Token。

第三方评测让冲击更直观：Artificial Analysis 给 DeepSeek V4 Flash 和 Gemini 3.6 Flash 的智能指数均打出 50 分；按 7:2:1 的缓存命中、普通输入和输出混合口径计算，DeepSeek 每百万 Token 混用价格约 0.06 美元，Gemini 3.6 Flash 约 1.16 美元，相差约 19 倍。

“DeepSeek 斩杀线”由此流行。它并非官方指标，而是市场对“价格—性能边界”的概括：能力不如 DeepSeek 却更贵的模型会失去规模化使用理由；能力只高一点却贵出十几倍的模型，需要证明溢价能创造对应价值。

大模型生意好不好，看三项指标

判断基础模型公司的商业质量，不能只看市场规模或技术声量，关键是资本开支、定价权和迁移成本，最终落到投入资本回报率。基础模型公司的收入可以来自 API、订阅、企业项目与私有化部署、分成等，但经济实质仍是两种：销售标准化模型能力，或围绕模型做交付和服务。标准化能力强在可复制，弱在价格透明；项目化能提高客单价，但销售、实施和运维更重。

资本开支：领先窗口缩短，账单变长

Epoch AI 对 45 个前沿模型的估算显示，自 2016 年以来，最终训练运行的硬件与能源摊销成本年均增长约 2.4 倍，其中硬件约占开发成本 47%—67%，研发人员约占 29%—49%。若趋势延续，最大训练运行在 2027 年前后可能超过 10 亿美元。

科技巨头的最新资本开支计划也反映同一方向：Amazon 预计 2026 年集团资本开支约 2000 亿美元；Alphabet 二季度将全年指引上调至 1950 亿—2050 亿美元；Meta 的区间为 1300 亿—1450 亿美元。这些口径覆盖全集团业务，但 AI 算力是主要驱动。现金流方面，Amazon 二季度披露过去 12 个月自由现金流由流入 182 亿美元转为流出 76 亿美元，物业和设备净采购同比增加 661 亿美元；Meta 二季度资本开支 310.8 亿美元，自由现金流仅 7.84 亿美元。

云厂商的资本开支可同时服务模型训练、企业计算和存量客户；纯模型公司则要靠 Token 收入覆盖云厂商的折旧、资本成本和利润。资本密集度没有消失，只是从模型公司资产负债表转移成采购成本。

定价权：降本红利难留在模型公司

Stanford AI Index 数据显示，同等 GPT-3.5 水平系统的查询成本从 2022 年 11 月的每百万 Token 20 美元降至 2024 年 10 月的 0.07 美元，18 个月下降超 280 倍；同期硬件成本年均下降约 30%，能效年均改善约 40%。

模型能力收敛进一步削弱定价权：截至 2026 年 3 月，Arena 榜单前四家公司聚集在 25 个 Elo 分以内，顶级闭源和开源模型差距仅 3.3%。开源权重提供价格锚，云厂商还能用其他业务补贴模型。Agent 普及放大了价格敏感度，一次复杂任务的 Token 消耗远高于问答，采购指标正从“谁最聪明”转向“完成一项工作总共花多少钱”。

迁移成本：接口标准化让切换更容易

DeepSeek 官方 API 兼容 OpenAI 和 Anthropic 格式，开发者修改配置即可接入；Claude Code、GitHub Copilot、OpenCode 等工具可直接把 DeepSeek 当作后端；LiteLLM 这类开源网关将 100 多种模型放进统一接口。企业核心资产是用户账号、业务数据、提示词、评测集、权限体系和流程配置，这些大多沉淀在应用层或企业网关中，更换底层模型更像工程项目，而非业务重建。

“斩杀线”因此有两面性：DeepSeek 能靠性价比快速获得调用量，恰恰说明客户会为性价比迁移；如果调用量不能转化为生态、数据或工作流，今天的赢家也可能被下一条价格—性能前沿替代。

反方观点与边界

对“大模型不是好生意”的判断，最有力的反证是：推理有规模经济；前沿智能仍然稀缺，可支付溢价；巨额资本开支会筛掉竞争者，行业可能只剩少数平台。但这三条更多解释“少数公司为何能活下来”，还不能证明基础模型层平均是一门好生意。科技大厂做模型可以获得全栈回报，例如广告效率、云服务和分发入口；这证明全栈平台可能是好生意，不能反推纯基础模型也是好生意。

值得关注的出路

基础模型公司需要把技术优势转化为经营资产，三条路径值得关注：

1. 成本领先：自研芯片、推理调度、缓存、模型稀疏化和高利用率不是后台优化，而是商业模式本身。
2. 垂直行业：金融、医疗、制造、政务购买准确率、审计、权限、合规、私有化部署和事故责任，专有数据与交付能力可以解释更稳定的溢价。
3. 下沉应用和工作流：掌握用户入口、上下文、系统权限、反馈数据和最终结果，从按 Token 计费转向按席位、项目或结果计费。

最终，护城河不只在模型权重里，而会落在芯片和基础设施、专有数据和合规体系，或客户每天离不开的业务流程中。DeepSeek 斩杀线不是终局，而是一次提前的压力测试：它要求能力弱、价格高的模型先退出，也迫使能力更强的模型解释溢价。