DeepSeek V4-Flash成本骤降百倍，引发AI经济学争议

DeepSeek V4-Flash-0731 模型近期引发关于大模型真实推理成本的广泛讨论。据 Artificial Analysis 数据，该模型在 Terminal-Bench 2.1 评测中以 82.7 分逼近 Fable 5 的 80.5 分，且完成相同基准任务的总成本仅为后者的 1/105。这一现象促使业界重新审视 AI 经济学指标，但也引发了关于其实际应用稳定性、计费方式误导性以及综合能力的争议。

已确认

• 在 Terminal-Bench 2.1 评测中，DeepSeek V4-Flash 得分为 82.7 分，与 Fable 5 的 80.5 分表现近乎一致。
• 据 Artificial Analysis 实测报告，DeepSeek 完成相同基准任务的整体成本比 Fable 5 低 105 倍。
• 该模型输出定价为 $0.28/M，恰好与 OpenAI 降价 80% 后（叠加 OpenRouter 促销至 $0.60/M）的 GPT-5.6 Luna 落入同一价格区间。

尚未确认

• API 稳定性与实际总成本：开发者 @kmsdev 在 34 个提示词的测试中发现，该模型在 OpenRouter 上的供应商表现不稳定，多次生成失败，且最终花费 1.29 美元，在性能与成本上均不敌 Kimi K3。
• 单 token 定价的误导性：@cephaloform 与投资人 Chamath 等人指出，尽管 DeepSeek 每 token 价格极低，但如果模型需要更多轮次才能完成任务，其实际总成本反而可能更高，低价可能具有误导性。

为什么重要

• 评价体系的转变：@mustafamhus 与 @AravSrinivas 均指出，这种两个数量级的成本下降极其罕见，堪称 DeepSeek 的“2.0 时刻”。这要求企业决策者和开发者跳出传统的单 token 定价思维，开始真正关注“单次任务成本”。@intellectronica 更是称其为便宜到无法计量的时刻。
• 开源模型横向对比：在具体的游戏生成等任务实测中（@mustafamhus），DeepSeek V4-Flash 虽然成本极低，但在得分上依然落后于 Kimi K3（9.5/10，花费 $0.0740）和 GLM 5.2（9/10，花费 $0.0480），表明单纯追求成本下降并不能完全替代模型间的综合能力竞争。

2026-08-01 ~ 2026-08-03 · 11 条相关

• DeepSeek-V4-Flash 评测翻车：得分与成本均不敌 Kimi K3 — kms_dev · 2026-08-01
• 【源头】DeepSeek V4-Flash以105倍低成本完成基准任务，但单token低价或误导 — cephaloform · 2026-08-02
• 【源头】DeepSeek V4-Flash推理成本骤降百倍，被指迎来2.0时刻 — AravSrinivas · 2026-08-02
• DeepSeek完成同任务成本仅为竞品1/105 — JosephJacks_ · 2026-08-02
• DeepSeek V4-Flash 基准测试成本仅为 Fable 的 1/105 — zainhas · 2026-08-02
• DeepSeek V4-Flash 逼近 Fable 5，AI 竞争转向性价比 — mustafamhus · 2026-08-02
• 【源头】Kimi K3 与 GLM 5.2 实测：DeepSeek V4 Flash 便宜 150 倍 — mustafamhus · 2026-08-02
• DeepSeek V4 Flash发布：AI推理成本“便宜到无法计量” — intellectronica · 2026-08-02
• DeepSeek V4 Flash 与 OpenAI Luna 同价位实测对比 — eyishazyer · 2026-08-02
• 实测 DeepSeek V4 Flash:能力比肩竞品且成本降 34 倍 — mattturck · 2026-08-03

另有 1 条近重复转述:mustafamhus