梁文鋒，告別“價格屠夫”
重點摘要
DeepSeek宣布近期將大幅調漲API服務定價，結束過去兩年的「地板價」策略，引發開發者社群熱議。此舉主因是全球算力資源緊張與推理成本高漲，也反映大模型行業正從「貼錢換規模」的價格戰，轉向更理性的定價框架。
DeepSeek 在 8 月 6 日上午發布的一則公告，讓許多開發者感到措手不及。公告明確指出，平台計劃於近期整體上調 API 服務的定價，且預估漲幅將會相當顯著。這項消息迅速在開發者社群中引發熱烈討論，知名 AI 部落客「數字生命卡茲克」在社群平台上感嘆，過去幾年國產模型瘋狂削價競爭，DeepSeek 始終是價格戰中最激進的一方，其低廉的價格讓開發者敢於大規模運行 Agent 應用、大量消耗 Token，甚至以此為基礎打造產品。他坦言，理性上明白訓練與推理成本高昂，漲價完全合理，但情感上卻難以接受這個曾經以「價格屠夫」形象立足的廠商，如今也選擇跟進漲價。 這則貼文迅速在開發者群體中引起共鳴，短短數小時內便湧入數百條評論，內容圍繞 DeepSeek 漲價的界線、後續是否還能繼續使用，以及市場上是否有合適的替代方案。更有粉絲戲稱，梁文鋒過去建立的 AI 普惠形象已然破滅，從「梁聖」降級為「牢梁」。回顧過去兩年，DeepSeek 的定價曲線一直是國內大模型價格戰最直接的風向標。2024 年 4 月，該公司以輸入每百萬 Token 1 元、輸出每百萬 Token 2 元的價格，直接將整個行業拖入「地板價」競爭。此後價格一路下探，直至 2025 年 2 月優惠期結束後才首次調價，今年 7 月 V4-Flash 正式版上線時，定價仍維持在相同水準。如今，這個價格刻度即將被重新畫定，真正的問題在於公告中那句「漲幅較大」究竟代表多大的幅度，這個答案不僅關乎 DeepSeek 一家公司的定價策略，更牽動整個大模型行業的發展走向，過去「貼錢換規模」的階段是否即將翻篇。 算力短缺是此波漲價背後的核心驅動力。一位垂直領域的大模型產品公司高層指出，API 漲價的根本原因在於各家廠商都面臨算力不足的困境。8 月 4 日上午，海外開源 AI Coding Agent 平台 OpenCode 發文抱怨，DeepSeek-V4-Flash 的 API 出現頻繁的響應超時問題，服務一度接近不可用，官方將原因歸咎於「前所未有的訪問量」。公開數據顯示，OpenRouter 在 7 月 27 日至 8 月 2 日當週，DeepSeek-V4-Flash 以 7.22 萬億 Token 的調用量登頂全球模型調用榜，總量甚至超過平台上其他 400 多款模型的調用量總和。在更聚焦開發者群體的 OpenCode 平台，8 月 1 日單日處理的 Token 總量達 8 萬億，其中 5 萬億來自免費試用額度。當一個模型的單日消耗量已超過容納數百款模型的平台總量，對算力基礎設施造成的壓力可想而知，而大模型的推理成本主要由硬件折舊、電力消耗與運維成本構成，當 Token 處理量達到萬億級別，即使單次調用的邊際成本再低，總量核算下來仍是一筆龐大支出。 更重要的是，DeepSeek 的調用結構正在發生改變。隨著 V4 系列全面支援 100 萬 Token 的上下文窗口以及更深入的思維鏈推理，用戶調用的不再只是簡單的問答，而是大量包含深層 Agent 循環的複雜任務。Agent 類應用的爆發，使單次任務的 Token 消耗從對話時代的不足 2000 個，躍升至 50 萬至 100 萬個。有業內人士測算，DeepSeek-V4-Flash 此前的定價，即輸入每百萬 Token 1 元、輸出每百萬 Token 2 元的計費模式，很可能低於真實成本，毛利率為負。根據 Artificial Analysis 在 7 月底的基準測試，各大主流大模型單次調用成本差距懸殊，DeepSeek-V4-Flash 約為 0.03 美元，Kimi K3 約 0.86 美元，GPT-5.6 Sol 約 1.86 美元，Claude Fable 5 約 3.15 美元，DeepSeek 的價格僅為 Claude Fable 5 的 105 分之一。不過，也有業界人士對前述價格對比的參照系提出質疑，認為 V4-Flash 的定位應更接近 Claude Opus 4.8 的水準，而 Opus 4.8 每百萬輸出 Token 的定價大約是 V4-Flash 的 85 倍。 漲價絕非 DeepSeek 一家之事，今年以來國內大模型廠商已迎來一輪集體調價潮。智譜 CEO 張鵬在解釋漲價時表示，長期依賴低價競爭並不利於整個行業發展，能力升級帶來的成本上升是自然結果。據多方消息，智譜 AI 已在年內完成三次 API 價格上調，2026 年第一季的調用定價較 2025 年底提升約 83%，但調用量仍增長 400%，呈現「量價齊升」的態勢。月之暗面在 7 月發布 Kimi K3 時，輸入價格較前代漲超過 3 倍，輸出價格漲近 4 倍，官方直言更聰明的模型執行更複雜的任務，消耗的資源是巨大的。雲廠商方面，阿里雲與百度智能雲在今年 3 月同步調整 AI 算力產品價格，漲幅分別在 5% 至 34% 與 5% 至 30% 之間，騰訊雲則在年內連續兩次漲價，理由均為全球 AI 算力需求激增、核心硬件供應鏈成本大幅上漲。 市場目前最焦慮的問題在於漲幅究竟會有多大。一位國內排名前五的雲廠商高層推測，DeepSeek 即便漲價也仍會是最便宜的選項，依然具備競爭力，他估計最多漲 3 倍就差不多了，但實際漲幅仍需等待官方公布。不同的漲幅區間對應著截然不同的商業效果。100% 至 200% 的漲幅被市場普遍視為溫和區間，大概率不會引發用戶大規模流失。有消息指出，梁文鋒此前在與投資者的交流會中曾透露一個核心判斷，即在極低價格區間內，開發者對價格彈性幾乎趨近於零，價格即便翻倍，Token 消耗量也不會明顯下降。若漲幅達到 300%，則會進入另一種邏輯，按 3 倍漲幅測算，輸入價格從 1 元升至 4 元，輸出價格從 2 元升至 8 元，API 業務毛利率有望從負數拉回至 30% 至 40% 區間，基本實現獨立盈利，同時也能有效清洗掉低價值的爬蟲腳本與薅羊毛流量，改善系統穩定性。 但如果漲幅觸及 400%，情況可能出現變化，DeepSeek 輸入價格將從 1 元升至 5 元，輸出價格從 2 元升至 10 元。這個價格仍低於國內主要競品，但價差優勢已從「10 倍級」收窄至「2 倍級」，當價差不足以覆蓋遷移成本時，部分高頻用戶可能會認真測試備選模型。用戶的反饋側面印證了這種臨界點的存在，一位從事科研工作的人士表示，他目前使用 DeepSeek API 主要用於個人助理、技術報告撰寫與股票分析，API 價格再漲一倍仍可接受，超過一倍就會離開。另一位 Agent 應用開發者的態度則較為寬容，認為翻倍都能接受，因為相比其他廠商，DeepSeek 已經是骨折價，但他也指出 DeepSeek 唯一的短板在於沒有多模態功能，在需要圖像生成與視覺理解的任務中仍需切換到其他模型。不過，部分企業級客戶對漲價並不敏感，一位垂直領域大模型公司高層直言漲價對其影響不大，因為他們的開發場景使用私有部署模型，都在內網，自家公司部署了 GLM、DeepSeek、K3 等最新開源大模型，花的是算力與電費，API 漲價影響的客戶主要是中小開發者、創業團隊與個人項目。 由 DeepSeek 開啟的價格戰，最終由自己按下暫停鍵，時機選擇也頗具深意。就在 DeepSeek 調價公告發布前一天，Meta 創始人扎克伯格宣布首款編程 AI 智能體 Muse Code 開放測試，每百萬輸出 Token 定價 4.25 美元，貢獻者訂閱價低至 0.20 美元，一個在降價搶人，一個在漲價備戰，勾勒出全球大模型商業化路徑的分岔。多名業內人士認為，對 DeepSeek 而言，此次漲價的意義遠超定價策略調整本身。多家媒體報導，DeepSeek 首輪 510 億元融資剛交割完畢，騰訊、寧德時代、網易、京東、IDG 資本等產業及財務資本聯合參投，國家人工智能產業投資基金戰略跟投，第二輪融資也已啟動，計劃募資 500 億元，投前估值約 5000 億元，預計 8 月下旬完成簽約。若兩輪融資順利落地，DeepSeek 將在不足 5 個月內累計募資超過 1000 億元。 不過，融資並非 DeepSeek 一家的選擇，一位不願具名的頭部大模型公司產品負責人坦言，現在做模型的都在虧錢，而且虧損規模比以往任何時候都大，他的判斷映射了一個行業現實，即便在漲價潮之下，大模型公司的虧損仍在擴大，只是速度有所放緩，但大家又不想放棄這個看得見的未來，所以本來不想上市的也都要靠上市活下去。無論如何，漲價帶來的現金流改善將直接回應投資方對商業可持續性的關切，畢竟此前 DeepSeek 的 API 業務長期虧損運營，依賴融資輸血。更深層的變化在於行業定價體系的重新錨定，過去兩年 DeepSeek 的定價被市場視為價格屠夫策略，極大壓縮了國內競品的利潤空間，只要它維持地板價，其他廠商便不敢大幅上調價格。如今 DeepSeek 退出價格戰，釋放的定價空間將讓整個行業受益。高盛在近期研報中也指出，國內 AI 模型需求持續旺盛，算力資源趨緊，行業競爭正從激進的價格戰逐步回歸更理性的定價框架。 不過，DeepSeek 的核心競爭力建立在極致性價比之上，當價格優勢不再極致，開發者是否願意為同等技術支付更高價格。長遠來看，算力短缺、高端芯片禁運、成本壓力，三者交織，依然是 DeepSeek 商業化路上的難解方程。今年 7 月有報導指出，DeepSeek 已秘密啟動自研 AI 芯片項目，方向聚焦推理芯片，以降低對外部供應商的依賴，並大幅壓降算力成本，有分析指出，DeepSeek 做推理芯片的真正威脅在於在採購談判桌上多一個選項，哪怕這個選項還處於早期階段。
Related
相關文章
Neon 開源 4B 模型：文檔搜索能力超 GPT-5.6 Sol，成本僅為 1/100
首頁 > 智能時代>人工智能 Neon 開源 4B 模型：文檔搜索能力超 GPT-5.6 Sol，成本僅為 1/100 2026/8/7 13:25:16 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 8 月 7 日消息，Neon 昨日（8 月 6 日）發佈博文，宣佈攜手 Castform 公司，披露一套面向檢索模型的訓練方案。IT之家注：Neon 是一款完全託管的無服務器（Serverless）PostgreSQL 數據庫。它分離計算與存儲，支持自動擴展、按需縮容至零以及類似 Git 的數據庫分支功能，非常適合現代雲原生應用和 AI 智能體。而 Castform 主要提供面向企業和開發者的 AI 語音智能體與模型訓練平臺。它通過高度擬真的語音交互和自動化工作流，幫助企業處理日常通話、銷售跟進及客戶支持。博文指出一個好的 AI 智能體，需要具備以下 2 種能力：一是通過工具找到正確的上下文數據；二是路由判斷該搜索使用什麼模型。因此 Neon 團隊攜手 Castform 公司使用強化學習，後訓練 1 個 4B 參數開源模型。在搜索任務中，該模型的準確率與 OpenAI 的 GPT-5.6 Sol 相當、甚至更高，而成本約為後者的 1/100。Neon 團隊指出在文檔搜索方面，目前主流做法是嵌入式搜索（embedded search），通常把文檔轉換為數值化數據，再查找相似內容。而伴隨著 AI 智能體的普及，搜索流程開始轉向智能體式搜索。在這類系統中，AI 模型會把大型問題拆成多個小問題，自主決定搜索查詢，查看搜索結果，並基於結果發起下一次搜索，直到收集到所需信息。Neon 表示，智能體式搜索更適合處理複雜問題，但每次搜索都需要調用高性能模型，因此會增加耗時和成本。按 Neon 給出的典型請求口徑，使用 GPT-5.6 Sol 的一次搜索請求耗時超過 10 秒，成本
當大模型不再稀缺，AI產業在拼什麼？
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作當大模型不再稀缺，AI產業在拼什麼？德外5號·2026年08月07日 13:02國產AI正在從“卷參數”轉向“卷交付” 最近半年關於AI新聞，看久了你會發現：當大模型不再是稀缺品，吵架的人開始變少，做事的人越來越變多。 2026年5月，國產大模型開始集中推付費套餐。行業裡"AI到底能不能賺錢"的討論安靜了一大截，問題也跟著換了——從"模型能力夠不夠"換成"能不能穩定、合規地賺到錢"。曾經人人都追的基準跑分、參數規模，在這一輪產業競速裡反而沒那麼關鍵。 這個信號意味著行業從"用戶增長"轉向"價值驗證"——單純靠免費獲客跑流量的邏輯，正在被產業客戶重新審視。 依託央視市場研究（CTR）對主流央媒的嚴肅新聞的長期監測能力，CTR媒體融合研究院對中央廣播電視總檯2026年5-6月大屏端AI相關的全部新聞資訊做了系統性整理，最終形成1,840條結構化記錄。這份記錄不僅全面反映了AI行業近期的發展特點，也呈現了政策層面國家在關注什麼？ 一、AI競爭已經跑出實驗室，進入工程化落地現場 從報道分佈看，機器人與具身智能332條（18.0%），治理倫理與標準295條（16.0%），算力芯片與基礎設施263條（14.3%）。三類合計89
珍貴訪談：Jeff Dean談AI的下一次範式升級
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作珍貴訪談：Jeff Dean談AI的下一次範式升級Alpha Engineer·2026年08月07日 13:00AI下一個核心範式是遞歸與自動化。 給大家強烈推薦一篇Jeff Dean的訪談，內容非常乾貨，對未來幾年AI的發展有著前瞻指導意義。 Jeff Dean是何許人也？他是Google的技術奠基人，你所熟知的TPU、TensorFlow、MapReduce、Gemini都是他的作品。 而就在昨天，Jeff Dean決定離開待了27年的Google，創辦AI創業公司Discovery Loop。 圖：好友近日和Jeff Dean的合影 這家公司的名稱是最大的劇透：AI下一個核心範式是遞歸與自動化。 （1）任何可以明確度量的問題，都將很快取得巨大進展 我認為到 2027 年，你會看到 ML 系統本身被大量自動化。 我們可以讓系統通過跑大量實驗來不斷提升自己的能力。 AI會自動把問題拆成子問題，每個子問題放進一個快速的自動實驗循環裡，再把結果拼起來，最後產出一個改進過的系統，整個過程無需人類深度幹預。 這種範式不只適用於 ML，也適用於其他科學與工程領域。 基本上只要一個任務的目標是可度量的，就會在這兩年取得很大
DeepSeek Harness 負責人吐槽“融資材料”吹過頭：V4-Pro編程能力僅差Claude旗艦0.3%，前端服務費高達10%
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦安徽最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作DeepSeek Harness 負責人吐槽“融資材料”吹過頭：V4-Pro編程能力僅差Claude旗艦0.3%，前端服務費高達10%AI前線·2026年08月07日 12:55DeepSeek的股權份額倒被中間商賣出了天價 就在 DeepSeek 第二輪融資重啟的敏感節點，一份涉及 DeepSeek 股權投資的材料在社交平臺上流出，不僅爆出了極具爭議的財務條款，也將 DeepSeek 尚未發佈的 V4-Pro 推向了聚光燈下。 根據該流出文件，V4-Pro 的編程性能僅比 Claude 的旗艦型號低 0.3%，支持 100 萬詞元上下文，其 API 定價在海外競爭對手的 1/10 到 1/100 之間。 參考用於評估 AI 編程智能體最具含金量的兩大前沿基準： Terminal-Bench 2.1（含 DeepSWE 1.1）與 SWE-bench。如果這裡的“Claude 的旗艦型號”對標的是 Opus 5，那麼 V4-Pro 正式版對應的性能表現應該如下： Terminal-Bench 2.1: ~83.5% (Opus 5 scores 83.8%) DeepSWE: ~69.7% (Opus 5 scor
Meta重新支稜起來了？純推理拿下五項奧賽金牌，兩項滿分
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作Meta重新支稜起來了？純推理拿下五項奧賽金牌，兩項滿分機器之心·2026年08月07日 12:50還糾正了錯誤的官方答案！ 今天凌晨，OpenAI 免費了 GPT-5.6 Luna。幾乎在同一時間段，另一家曾經打造出 Llama 系列、隨後在大模型競賽中一度掉隊的公司也發了聲——Meta 在 𝕏 上宣佈，它把自家 AI 模型送進了五項 STEM 學科奧林匹克競賽，全部拿到金牌或金牌水平成績，其中兩項物理競賽的理論考試直接滿分。 更驚人的是，Meta 表示，其 AI 是純靠推理能力取得的這些成績：「我們禁止了所有工具的使用，這意味著沒有搜索、沒有編碼，也沒有計算器。」 對此，曾在 OpenAI、DeepMind、谷歌大腦工作過的 Meta 研究者 Lucas Beyer 還在 𝕏 上揶揄了 Gary Marcus 和 Yann LeCun。不過，這兩位長期批評自迴歸 LLM 的著名研究者並未直接答覆。 看起來，Meta 似乎又重新支稜起來了？ 不過，Meta 目前尚未發佈相關技術博客或研究報告，但參與了該項目的 Meta 研究者 Shuchao Bi 也發了兩條推文，補充了更多細節，包括該模型是是來自 Muse
AI電詐入侵華爾街，2000億規模對沖基金遇襲
AI電詐入侵華爾街，2000億規模對沖基金遇襲 華爾街頂級對沖基金，如今也成為AI語音詐騙的獵物。Point72、Citadel、Millennium這三家被譽為對沖基金「御三家」的巨頭，合計管理著數千億美元資產，近期相繼透露遭到AI語音克隆技術的入侵。犯罪手法相當精巧，駭客監聽目標人物的電話通話，從中擷取聲音特徵、語調與用字習慣，再以AI即時合成聲音，偽裝成內部高層或IT人員，誘使員工提供驗證碼、帳戶資訊或系統存取權限。