DeepSeek V4‑Pro 价格砍至原来的四分之一，AI 模型市场或被重写

如果把 DeepSeek 的价格与其他主流旗舰模型放在一起比较，差距会更加明显。

OpenAI GPT‑5.5

• 输入：$5 / 百万 tokens
• 输出：$30 / 百万 tokens

Anthropic Claude Opus 4.7

• 输入：$5 / 百万 tokens
• 输出：$25 / 百万 tokens

DeepSeek V4‑Pro

• 输入：$0.435 / 百万 tokens
• 输出：$0.87 / 百万 tokens

换算下来意味着：

• 输入 token 约便宜 91%。
• 输出 token 约便宜 96%–97%。

对于运行高频调用的应用（例如代码助手、自动化代理、文档处理系统或客服机器人），token 成本往往占据大部分运营成本。价格差距达到这个级别时，很多原本成本过高的应用场景突然就变得可行。

技术能力：不仅便宜，还有超大上下文

DeepSeek V4‑Pro 的竞争力不仅来自价格，也来自其技术规格。

核心能力包括：

• 100 万 token 上下文窗口
• 最高 384,000 token 输出长度
• 支持结构化 JSON 输出与函数/工具调用

模型采用 Mixture‑of‑Experts（MoE）架构，总参数规模约 1.6 万亿，但每次推理仅激活约 490 亿参数，在保持高能力的同时显著降低计算成本。

超大上下文窗口在以下场景尤其有价值：

• 超长文档分析
• 大型代码库理解
• 多轮代理（agent）任务
• 检索增强生成（RAG）结合大型知识库

当这种能力与极低 token 价格结合时，一些此前成本过高的工作流程开始变得现实可行。

为什么开发者特别关注

在真实部署中，限制 AI 应用规模的往往不是模型能力，而是 推理成本。

更低的 token 价格意味着开发者可以：

• 使用更长的提示词（prompt）
• 生成更长的输出内容
• 处理更大的文档或数据集
• 构建包含大量模型调用的多代理系统

举例来说，$0.87 与 $25 的输出成本差距，在大规模系统中会产生数量级的成本变化。这足以让许多实验性项目变成可盈利的产品。

AI 行业正在进入“价格战”阶段

DeepSeek 的策略也反映了整个 AI 市场的一个重要趋势。

过去几年，前沿模型 API 的价格通常在 每百万 token 数美元到数十美元之间，例如 GPT‑5.5 和 Claude Opus 4.7。

而 DeepSeek 的思路更接近云计算行业的模式：

通过极低单价换取更大规模的使用量。

分析人士指出，DeepSeek 的模型多次以数量级的价格优势挑战传统厂商，这种策略正在持续压低整个行业的推理成本。

历史经验表明，一旦某家公司证明“同级性能可以更便宜地运行”，整个市场通常都会被迫跟进。

接下来值得关注的问题

DeepSeek 的定价策略也提出了几个关键问题：

• 其他 AI 实验室会不会跟进降价？
• 更低成本是否会加速 AI Agent 应用 的普及？
• 这种超低价格在大规模商业化下是否可持续？

可以确定的一点是：

token 定价正在从后台成本指标，变成 AI 平台竞争的核心武器。

如果 DeepSeek 的价格策略持续下去，构建大规模 AI 系统的成本下降速度，可能会远超许多开发者此前的预期。