DeepSeek V4新价格

以下价格均为每100万代币的美元价格：

涨幅取决于具体模型、输入或输出代币、缓存状态以及调用时间。路透社称，调整后的价格较此前费率高出约50%至1,100%。

对大量生成输出的任务而言，成本变化最为明显。V4-Pro的输出价格此前为每100万代币$0.87，如今非高峰时段为$1.98，高峰时段则为$3.96。

以一个每月生成1,000万输出代币的编程代理为例：按照旧价格，输出成本约为$8.70；如果全部安排在非高峰时段，约为$19.80；如果全部落在高峰时段，则约为$39.60，且这些数字还不包括输入代币费用。

对开发者来说，调度也成了成本控制手段

新方案让“什么时候运行任务”直接影响API账单。批处理任务、代码代理、模型评测和其他非紧急工作，可以尝试安排在每天17个非高峰小时内执行。

但交互式应用的调度空间更小：用户发起请求的时间通常不可控，应用也必须在用户需要时返回结果。因此，面向消费者的实时产品可能更容易暴露在高峰费率之下。

缓存和请求路由的重要性也会进一步上升。开发团队可以通过提高缓存命中率、把常规任务交给V4-Flash，或将部分请求转发给其他供应商，来降低价格上涨带来的影响。对企业而言，模型选择正在从一次性的性能测试，变成涉及架构、延迟、可靠性和供应商切换成本的运营决策。

这次涨价并没有完全抹去DeepSeek的低成本优势，但确实缩小了其依靠极低推理价格形成的领先幅度。引入高峰计费，符合AI供应商管理需求、调节流量并提高稀缺算力利用价值的商业逻辑。不过，现有公开材料并不能证明DeepSeek已经实现盈利，也没有给出一条得到确认的盈利路径，因此相关判断仍应保持谨慎。

OpenAI争夺的是用户入口和使用习惯

OpenAI采取了另一种策略。8月6日，该公司宣布GPT-5.6 Luna将成为ChatGPT Free和Go用户的默认模型，替代GPT-5.5。这两个层级的用户还将获得无限的日常文本对话，以及用于处理复杂问题的新“Think”选项，但仍须遵守防滥用机制和相关安全限制。

这里的“无限”并不意味着整个ChatGPT产品都不设限制。文件上传、图像生成、语音和其他工具仍有各自的使用上限。Free和Go用户也无法使用GPT-5.6 Sol；Luna是这两个层级的默认模型，并为其Think功能提供支持。

Luna在GPT-5.6家族中的定位更接近经济型、广泛覆盖的成员，而不是旗舰型号Sol。第三方报道列出的Luna API价格为每100万输入代币$0.20、每100万输出代币$1.20，但所提供材料中的高权威来源并未在此确认完整价格信息，因此这些数字应谨慎看待。

更明确的战略区别在于：Luna在ChatGPT Free和Go的文本对话中几乎可以免费使用，但API调用仍属于独立的付费产品。

OpenRouter数据为何重要

这两项决定出台之际，中国模型正在获得大量开发者流量。彭博社报道称，6月中国模型在OpenRouter上的使用量首次超过美国平台，并在随后一个月占据超过60%的代币份额。

OpenRouter是一个模型路由平台，开发者可以通过它接入、比较并切换多个AI模型。因此，它能反映开发者的实际调用和路由偏好，但并不是全球AI使用量的完整统计口径。

OpenRouter的7月排名还显示，按代币量计算，前五名模型全部来自中国开发者：小米MiMo-V2.5位居第一，随后是DeepSeek、MiniMax、阿里巴巴的通义千问系列，以及月之暗面的Kimi。

在一份6月的公司排名中，DeepSeek还是该平台最大的单一供应商，占代币量的17.6%。这说明流量增长并非DeepSeek一家公司的孤立现象，而是更广泛的中国模型崛起的一部分。

两家公司面对的是两种商业压力

DeepSeek和OpenAI实际上在应对同一个市场变化的不同侧面：

• DeepSeek正在把需求变现。 高峰和非高峰计费可以提高高需求时段的收入，并鼓励客户将可延后的任务安排到低价时段。
• OpenAI正在守住分发入口。 无限文本对话有助于提高Free和Go用户的活跃度与使用习惯，同时继续对更昂贵的工具和更高阶模型设置边界。
• 开发者的优化工作变复杂了。 团队需要同时考虑模型能力、标价、缓存命中率、时间段费率、延迟、请求路由，以及更换供应商的成本。
• 多模型架构会更常见。 企业可以用低价模型处理重复性提取、翻译、编程或代理循环，再把对性能、治理能力或生态集成要求更高的任务交给高端模型。

因此，即使部分价格上涨，AI价格战也不一定正在结束。竞争只是被拆分成了多个层面：一边是低成本推理和开放权重模型，另一边是消费者触达、产品整合、旗舰能力和企业级控制。

更大的结论：AI价格战正在分层

DeepSeek的涨价提醒市场，低API价格可以迅速吸引海量调用，却不代表成本能够永久维持在低位。OpenAI向免费用户开放Luna，则是另一种下注方式：先补贴广泛的消费者体验，强化产品分发，再通过模型层级和非文本功能实现差异化。

对开发者和企业采购方来说，最实际的经验是：不要把任何一张价格表或一次基准测试结果当成长期不变的依据。AI成本可能随着需求、模型层级、缓存状态和时间段变化。

更有韧性的技术架构，可能需要持续测量真实工作负载，保留模型路由和供应商切换选项，并根据任务的业务风险与成本要求，为每项工作匹配合适的模型和访问层级。

DeepSeek V4新价格

以下价格均为每100万代币的美元价格：

涨幅取决于具体模型、输入或输出代币、缓存状态以及调用时间。路透社称，调整后的价格较此前费率高出约50%至1,100%。

对大量生成输出的任务而言，成本变化最为明显。V4-Pro的输出价格此前为每100万代币$0.87，如今非高峰时段为$1.98，高峰时段则为$3.96。

以一个每月生成1,000万输出代币的编程代理为例：按照旧价格，输出成本约为$8.70；如果全部安排在非高峰时段，约为$19.80；如果全部落在高峰时段，则约为$39.60，且这些数字还不包括输入代币费用。

对开发者来说，调度也成了成本控制手段

新方案让“什么时候运行任务”直接影响API账单。批处理任务、代码代理、模型评测和其他非紧急工作，可以尝试安排在每天17个非高峰小时内执行。

但交互式应用的调度空间更小：用户发起请求的时间通常不可控，应用也必须在用户需要时返回结果。因此，面向消费者的实时产品可能更容易暴露在高峰费率之下。

缓存和请求路由的重要性也会进一步上升。开发团队可以通过提高缓存命中率、把常规任务交给V4-Flash，或将部分请求转发给其他供应商，来降低价格上涨带来的影响。对企业而言，模型选择正在从一次性的性能测试，变成涉及架构、延迟、可靠性和供应商切换成本的运营决策。

这次涨价并没有完全抹去DeepSeek的低成本优势，但确实缩小了其依靠极低推理价格形成的领先幅度。引入高峰计费，符合AI供应商管理需求、调节流量并提高稀缺算力利用价值的商业逻辑。不过，现有公开材料并不能证明DeepSeek已经实现盈利，也没有给出一条得到确认的盈利路径，因此相关判断仍应保持谨慎。

OpenAI争夺的是用户入口和使用习惯

OpenAI采取了另一种策略。8月6日，该公司宣布GPT-5.6 Luna将成为ChatGPT Free和Go用户的默认模型，替代GPT-5.5。这两个层级的用户还将获得无限的日常文本对话，以及用于处理复杂问题的新“Think”选项，但仍须遵守防滥用机制和相关安全限制。

这里的“无限”并不意味着整个ChatGPT产品都不设限制。文件上传、图像生成、语音和其他工具仍有各自的使用上限。Free和Go用户也无法使用GPT-5.6 Sol；Luna是这两个层级的默认模型，并为其Think功能提供支持。

Luna在GPT-5.6家族中的定位更接近经济型、广泛覆盖的成员，而不是旗舰型号Sol。第三方报道列出的Luna API价格为每100万输入代币$0.20、每100万输出代币$1.20，但所提供材料中的高权威来源并未在此确认完整价格信息，因此这些数字应谨慎看待。

更明确的战略区别在于：Luna在ChatGPT Free和Go的文本对话中几乎可以免费使用，但API调用仍属于独立的付费产品。

OpenRouter数据为何重要

这两项决定出台之际，中国模型正在获得大量开发者流量。彭博社报道称，6月中国模型在OpenRouter上的使用量首次超过美国平台，并在随后一个月占据超过60%的代币份额。

OpenRouter是一个模型路由平台，开发者可以通过它接入、比较并切换多个AI模型。因此，它能反映开发者的实际调用和路由偏好，但并不是全球AI使用量的完整统计口径。

OpenRouter的7月排名还显示，按代币量计算，前五名模型全部来自中国开发者：小米MiMo-V2.5位居第一，随后是DeepSeek、MiniMax、阿里巴巴的通义千问系列，以及月之暗面的Kimi。

在一份6月的公司排名中，DeepSeek还是该平台最大的单一供应商，占代币量的17.6%。这说明流量增长并非DeepSeek一家公司的孤立现象，而是更广泛的中国模型崛起的一部分。

两家公司面对的是两种商业压力

DeepSeek和OpenAI实际上在应对同一个市场变化的不同侧面：

• DeepSeek正在把需求变现。 高峰和非高峰计费可以提高高需求时段的收入，并鼓励客户将可延后的任务安排到低价时段。
• OpenAI正在守住分发入口。 无限文本对话有助于提高Free和Go用户的活跃度与使用习惯，同时继续对更昂贵的工具和更高阶模型设置边界。
• 开发者的优化工作变复杂了。 团队需要同时考虑模型能力、标价、缓存命中率、时间段费率、延迟、请求路由，以及更换供应商的成本。
• 多模型架构会更常见。 企业可以用低价模型处理重复性提取、翻译、编程或代理循环，再把对性能、治理能力或生态集成要求更高的任务交给高端模型。

因此，即使部分价格上涨，AI价格战也不一定正在结束。竞争只是被拆分成了多个层面：一边是低成本推理和开放权重模型，另一边是消费者触达、产品整合、旗舰能力和企业级控制。

更大的结论：AI价格战正在分层

DeepSeek的涨价提醒市场，低API价格可以迅速吸引海量调用，却不代表成本能够永久维持在低位。OpenAI向免费用户开放Luna，则是另一种下注方式：先补贴广泛的消费者体验，强化产品分发，再通过模型层级和非文本功能实现差异化。

对开发者和企业采购方来说，最实际的经验是：不要把任何一张价格表或一次基准测试结果当成长期不变的依据。AI成本可能随着需求、模型层级、缓存状态和时间段变化。

更有韧性的技术架构，可能需要持续测量真实工作负载，保留模型路由和供应商切换选项，并根据任务的业务风险与成本要求，为每项工作匹配合适的模型和访问层级。