单日 8 万亿 Token：DeepSeek V4 Flash 如何改写 AI Agent 的成本账

OpenCode 报告的“单日 8 万亿 Token”，重点并不只是某一款模型突然走红，而是 AI 的工作单位正在改变。开发者越来越多地购买的，不再是一条聊天回复，而是一个 Agent 循环：读取代码仓库、制定计划、修改文件、运行程序、检查报错，再继续修正。

据 OpenCode 报告，DeepSeek V4 Flash 在 8 月 1 日通过该平台处理了 8 万亿 Token，其中 5 万亿来自免费试用额度，3 万亿来自付费 Go 服务。作为对照，OpenRouter 在 7 月 27 日至 8 月 2 日的周榜中显示，V4 Flash 在该平台全周处理量为 7.22 万亿 Token。这些都是平台自行披露的数据，并非对全部模型使用量的独立审计；但两组数字足以显示，Agent 工作流可以把调用规模推到极高水平。202329

为什么 Agent 会消耗如此多 Token

一次性聊天通常只有较短的提示词和有限的回复；编码 Agent 的“工作台”却大得多：源文件、终端输出、测试失败信息、此前的决策、生成的补丁，以及连续的工具调用。它在尝试完成任务时，往往会反复读取和带回其中的大量上下文。

OpenCode 公布的 V4 Flash 数据显示，平均每个会话约消耗 1200 万 Token，输入缓存比例为 95%。这些数据不能证明每一轮会话都是完全自主的编程任务，但与普通短对话相比，它们更符合长上下文、反复迭代的工作模式。25

关键在于，用户真正需要的不是更多 Token，而是一个能合并的代码变更、通过的测试套件、可运行的原型，或被正确完成的业务流程。因此，更实用的评估方式是：

单个合格任务的成本 = 模型与工具循环总成本 ÷ 任务达到要求的概率

这里的总成本还包括失败尝试、重试、人工审核、等待时间，以及修复错误的代价，而不只是 API 标价中的输入和输出单价。

低 Token 单价，让“多试几次”变得划算

围绕 V4 Flash 的公开报道援引其第一方定价：每百万输入 Token 为 0.14 美元，每百万输出 Token 为 0.28 美元。12 对开发者而言，这意味着可以以更低成本保留更多上下文、进行更多轮迭代，并让 Agent 自动运行更多测试。

这并不意味着便宜模型总是更好。真正的逻辑是：当 Agent 为完成一项常规工作需要很多轮交互时，如果能力差距较小、成本差距却很大，低价模型可能更有优势。

例如，一项比较称，Artificial Analysis Intelligence Index v4.1 中，V4 Flash Max 得分为 50，Claude Opus 4.8 Max 为 56；但跑完整套评测的模型调用成本分别约为 72.02 美元和 3752.55 美元。六分差距对应巨大的成本差异，但这只是评测比较，不能据此推断两者在真实任务中的可靠性完全相同。16

对于高难度、高风险任务，如果高端模型能显著减少失败部署、人工监督或返工，它的“每个合格结果成本”依然可能更低。结论并非“所有任务都选最便宜的模型”，而是应按实现可接受结果的总成本来分配任务。

所谓“斩杀线”，压力主要落在中间档

“DeepSeek 斩杀线”更适合作为市场隐喻来理解：一款低价、接近前沿的模型，会挤压那些价格高得多，却无法提供明显更优任务结果的产品。

不同层级受到的影响并不相同：

• 低价路由模型仍适合分类、信息抽取、短文本转换和大规模初筛。这类场景优先看速度与最低单位成本，对高阶推理的要求较低。
• 顶级旗舰模型仍有其位置，特别是在长程推理、极高可靠性、多模态任务、治理合规要求严格，或人工复核成本很高的场景。
• 中间档模型面临的考验最严峻。如果其价格明显高于 Flash，就需要拿出更高完成率、更低延迟、更好的工具调用、集成能力、支持服务或企业管控能力，而不能只依靠小幅基准领先。

换句话说，低价 Agent 模型可能成为大多数重复性工作的默认“执行者”，高端模型则更像处理棘手问题的升级专家；中间档必须证明，它确实能降低任务总成本。

V4 Flash 为什么能瞄准 Agent 级成本结构

DeepSeek V4 Flash 是一款混合专家（MoE）模型：总参数量 2840 亿，但每生成一个 Token 约激活 130 亿参数，并支持 100 万 Token 上下文窗口。17 这种设计将模型的总体容量，与单个 Token 实际需要的计算量分开。

其效率策略主要包括：

• 混合专家路由： 每个 Token 只激活部分专家，相比每次都运行全部参数的稠密模型，可降低活跃计算量。17
• 混合注意力： V4 系列结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA），以降低超长上下文带来的注意力计算与内存压力。1733
• 更低的缓存负担： NVIDIA 对 V4 系列的介绍称，在所引用的与 DeepSeek-V3.2 的比较中，这些注意力创新旨在将单 Token 推理 FLOPs 降低 73%，并将 KV Cache 内存负担降低 90%。33
• 面向缓存的工作流： Agent 会反复提交高度重叠的代码仓库和工具上下文，因此缓存复用会直接影响实际成本。OpenCode 报告的 95% 缓存比例，说明这一运营指标的重要性。25

这些并不只是参数表上的技术名词。它们决定了让一个 Agent 检查大型代码库、调用工具，并在多次出错后继续恢复和修正，在财务上是否可承受。

Agent 时代的前沿：能力、可靠性与追加一轮的成本

基准能力仍然重要，但对 Agent 而言，它不再是唯一的前沿指标。更有用的比较框架是三项权衡：

1. 能力： 模型能否解决这类任务？
2. 可靠性： 它有多大概率能在少量昂贵干预下交付合格结果？
3. 边际迭代成本： 再多一次工具调用、一次修改、一次测试或一次失败恢复，要花多少钱？

这次被报告的单日 8 万亿 Token，让第三项变得格外直观。当 Agent 替代一次性问答时，Token 消耗可以成数量级增长。能够让长上下文和多次重试保持低成本的模型，有机会成为广泛、重复性 Agent 工作负载的默认选择；而能力更强的旗舰模型，仍可能是最困难任务的更优选项。202533