據《財經》獨家報導，DeepSeek已重啟第二輪融資，計畫募資500億元，投前估值約5000億元，預計8月下旬完成簽約。
今年6月，DeepSeek才剛剛完成首輪500億元融資，創下國內大模型首輪融資規模紀錄，投後估值超過3500億元。僅時隔兩個月，其投前估值便攀升約43%，兩輪募資完成後累計金額將超千億元。
估值狂飆的底氣，來自DeepSeek正在改寫行業規則的計費規則。
具體的情況是這樣的，權威模型測試媒體Artificial Analysis放出了一組實測資料，他們用多個主流模型跑同一組基準測試，比誰的平均成本更低。
測試結果顯示，DeepSeek V4-Flash 跑完整套基準測試，平均一次任務成本只需要3美分。
乍一看這個資料可能沒什麼，但是如果把其他主流模型拉來作為對比，一切就都變了。在同一份基準下，Anthropic 的旗艦模型 Claude Fable 5平均成本為3.15美元，GPT-5.6 Sol 要1.86美元，DeepSeek 比 Claude 便宜了100倍。
而且這只是金錢成本，DeepSeek V4-Flash 還有一大特點就是快。根據 Artificial Analysis 的實測資料，DeepSeek V4 Flash（Max Effort 模式）的輸出速度約為113tokens/秒，而同等級的 Anthropic 旗艦模型Claude Opus 5約為74tokens/秒，約為1.5倍。
也就是說，當DeepSeek跑完所有基準測試的時候，Claude才剛跑完一半。
代價是什麼呢？
為了得到這種極致的性價比和效率，DeepSeek V4-Flash在智能水平上做了一定的取捨。Artificial Analysis的資料顯示，智能指數方面V4-Flash得分為50分，跟GoogleGemini 3.6 Flash持平，只落後旗艦模型約10分——Claude Opus 5為61分，Fable 5為60分。
便宜100倍，快2倍，性能只低不到20%。尤其是對於那些需要採購模型 API 的企業來說，這筆帳可能得重新算算了。
過去這幾年，大模型行業的定價方式既簡單又粗暴，按跑了多少token算錢。輸入每百萬token多少錢，輸出每百萬token多少錢，廠商怎麼定價，使用者就怎麼交錢。
但這個演算法有個問題，它比的是“原材料價格”，不是“成品價格”。
就像去飯店吃飯，菜單上寫著“大米5塊錢一斤”，但我只在乎“一碗米飯多少錢”。token相當於是大米，任務就是那碗米飯。大米就算再便宜，蒸成米飯的工藝依然會影響米飯的最終價格。
DeepSeek V4-Flash的官方定價是每百萬輸入token 0.14美元，每百萬輸出token 0.28美元，人民幣定價為輸入快取未命中每百萬輸入1元，輸入快取命中每百萬0.02元，輸出每百萬2元。
這個價格本身就已經是行業最低梯隊了。但問題是，token價格低不等於任務成本低，一個模型如果需要生成更多的token才能完成同樣的任務，那便宜的token單價可能換來一張昂貴的帳單。
Artificial Analysis 做的事情，就是把這層“翻譯”給做了。他們比的是“跑完同一套基準測試要花多少錢”。這個口徑叫“每次任務成本”（Cost per Task），它把token用量、推理深度、快取命中率、思考時間這些變數全部揉在一起，直接給出一個終極答案，幹完一件事到底要花多少錢。
但問題來了，DeepSeek憑什麼能這麼便宜？
V4-Flash模型總參數有2840億，但每次推理時實際啟動的只有130億，不到總參數量的5%。
但光靠這些還不夠。V4在注意力機制上做了很大的文章，他們設計了一套叫CSA（壓縮稀疏注意力）和HCA（重度壓縮注意力）交替排列的混合架構。
這兩套機制的核心是不同距離的資訊，用不同的精度來記。
比如最近幾分鐘發生的事，記得非常清楚，每一個細節都能說出來；幾天前發生的事，大概就只能記得發生了什麼，細節被模糊掉了；幾個月前的事，可能只記得一個大概的印象。
CSA和HCA，就是模擬了這個“近清楚、遠模糊”的記憶規律。隨著上下文增長，把重要的資訊留下，不重要的就全都抹去。
在百萬token上下文下，V4 Flash的單token計算量只有V3.2的10%，KV快取更是只需要7%。而且上下文越長，這個優勢越大。
但架構也還只是故事的一半，V4-Flash從預覽版到正式版進行了一次“原地升級”。
這兩個版本的模型一個參數都沒動，唯一的區別在於後訓練。
這背後是DeepSeek一套獨特的兩階段後訓練方法。
第一階段叫“分科培養”。數學、程式碼、Agent、指令跟隨這些領域，各自單獨訓練專家模型。每個專家先用監督微調（SFT）打基礎，再用GRPO強化學習反覆打磨。GRPO是郭達雅在DeepSeek時發表論文DeepSeekMath中首次提出的概念。
傳統PPO演算法需要額外訓練一個價值函數模型，又費視訊記憶體又費算力，而GRPO直接把這一步砍了，改成讓模型對同一問題生成多個答案，用組內的相對排名來代替絕對價值評估，自己跟自己比、自己跟自己學。既省了訓練成本，效果還更好。
第二階段叫“融會貫通”，用On-Policy Distillation（線上策略蒸餾）把多個領域專家的能力合併回同一個模型裡。蒸餾的時候不是簡單地複製輸出，而是讓目標模型在自己的策略分佈下生成資料，再用專家模型的輸出來矯正，確保合併後的模型不會“學了這個忘了那個”。
過去說模型蒸餾，都是先讓高性能的模型生成答案，再讓低性能的模型去學。但是線上策略蒸餾是反過來的，是學生先自己做題，老師在旁邊看著，邊看邊指導。學生根據各個老師的反饋，當場調整自己的思路，繼續往下做。做完一道，再做下一道，邊做邊學。
“線上”指的是學生和老師是同步的，老師即時給學生反饋。“策略”指的是它學的不是具體某道題的答案，而是“遇到問題該怎麼想”這套思考方法。
其結果是，Terminal Bench 2.1從61.8分幹到了82.7分。這個測試測的是模型在真實終端環境中完成複雜命令列任務的能力，分數直接超過了自己的老大哥V4-Pro預覽版的72.1分，逼近Anthropic旗艦Opus 4.8的85.0分。
更誇張的是 DeepSWE，這是一個專門測試GitHub真實Issue解決能力的基準，DeepSeek V4-Flash從7.3分飆到54.4分，漲幅645%。一個Flash等級的輕量模型，在9項Agent基準測試上全面碾壓自家旗艦Pro的預覽版。
100倍的價差很可能會改變企業對模型API的採購邏輯。
過去幾年，企業選模型的過程就像選供應商，比參數、比跑分、比價格，最後選一個“綜合最優”的。這種思路的前提是模型之間的價格差距不大，都在同一個數量級內，當然大家都會選能力最強的。
但在Artificial Analysis提出“每次任務成本”之後，這個前提就塌了。
假設一個企業每天要處理100萬次API呼叫，用Claude，每天的成本是31500美元，用DeepSeek，每天只需要300美元。一年下來，差距是1130萬美元。這已經不是省點錢的問題，這是能不能活下去的問題。
尤其是對於那些日常營運包含電商客服、程式碼審查、資料清洗場景的企業來說，每天100萬次的API呼叫非常常見。
所以企業的核心命題就不再是“用那家模型”了，現在變成了“怎麼把任務分到最合適的模型上”。這個思路在行業裡有個名字，叫模型路由（Model Routing）。
模型路由的邏輯很簡單，把高價值、高失敗成本的複雜任務放到Claude Opus 5或 GPT-5.6這樣高上限的模型裡，比如自動程式設計中架構設計、金融報告的關鍵分析、法律文書的條款審查等等，企業給模型的智能等級和成功率付費。
不過這些任務數量其實並不多，主要是任務失敗會導致企業付出巨大的代價，用貴模型是完全合理的投資。
像是批次分類、程式碼初篩、資料清洗、低風險Agent任務之類的“苦力活”，往往佔據了企業營運的80%，因此把這些全都交給DeepSeek，省下來的每一分錢都是純利潤。
根據Menlo Ventures的企業AI調研，37%的企業已經在生產環境中使用5個以上的模型。學術方面也有相同的推論，LMSYS團隊（UC Berkeley、Anyscale）在 ICLR 2025上發表的RouteLLM研究發現，在MT Bench基準上，智能路由可以在保持GPT-4 95%質量的前提下削減85%的成本。
在已經公開的行業實踐中，不同任務分佈和路由策略下，降本幅度通常在40%到85%之間。
路由做得好不好，直接決定了企業的AI成本。一個路由策略粗糙的企業，可能80%的任務都打到了旗艦模型上；而一個路由做得精細的企業，可能只有20%的任務需要旗艦模型，其餘80%都分流到了高性價比模型。
兩家企業做同樣的事情，AI成本可能差出5到10倍。
最原始的路由，是“靜態規則”。舉個例子，客服部門的，就用便宜模型；演算法部門的，就用貴模型。或者關鍵詞匹配，提到“程式碼”就用中低檔模型，提到“分析”就用旗艦模型。
這種辦法簡單粗暴，但不准。很多時候會錯配，簡單任務給了貴模型；複雜任務給了便宜模型，做不好還要重來，反而更貴。
高級一點的，是用分類器。先訓練一個小模型，專門用來判斷“這個請求應該用那個模型”。請求進來，先過分類器，分類器說簡單，就給便宜模型；分類器說難，就給貴模型。
這種辦法比靜態規則准，但還是有問題。分類器本身也會犯錯，而且它只能根據請求的字面意思判斷，不知道模型實際做出來效果怎麼樣。
再高級一點的，叫做“先試後升”。不管什麼請求，先讓最便宜的模型試試。如果結果質量夠好，就直接用；如果質量不夠，再自動升級到更貴的模型重做。
比如一個任務，直接用Claude要3美元。用DeepSeek先試，3美分，成功了就賺了；失敗了，再用Claude，總共 3.03美元，也只比直接用Claude多花了1%。
只要成功率不是0，這個買賣就划算。
所以閉源廠商的日子，以後會越來越不好過。它們必須不斷往上走，去做那些更難、更複雜、價值更高的任務，把自己的護城河挖得更深。因為下面的市場，已經被DeepSeek佔滿了。
最難受的是中間那檔模型，比DeepSeek強，但又沒強到那裡去，價格還貴了幾十倍的。
往上，打不過旗艦模型的能力；往下，打不過DeepSeek的價格。
這就引起了一個新的現象，DeepSeek斬殺線。
Artificial Analysis做了一張圖，把所有主流模型都放在一個坐標系裡。橫軸是每次任務的成本，對數坐標；縱軸是智能指數得分。
圖片中的虛線，代表了DeepSeek V4-Flash正式版的性價比斬殺線，任何處於虛線中的模型，都無法在DeepSeek可以實現的任務中，價格低於DeepSeek。
此前，行業常會用GPT-4o、Claude Sonnet、Gemini Pro這些模型來作為參考，它們的性價比就成為了行業基準。比它們貴的，就得證明自己更強；比它們弱的，就得證明自己更便宜。
不過圖片中可以看到，這些作為行業基準的模型，它們的斬殺線是很低的，稍微推理強度高一點的模型，都可以輕鬆逃過被斬殺的命運，DeepSeek V4-Flash正式版的出現，讓整個斬殺線抬高到了一個非常高的地方，全球將近70%的模型都處於被斬殺區域。
圖片另一邊的橙黃色區域，是Artificial Analysis基於V4-Flash預覽版和正式版之間的區別，對旗艦模型V4-Pro的正式版性能和價格的預測。
V4-Pro現在的定價，輸入快取命中是每百萬token1 元人民幣，快取未命中是12元，輸出是24元。限時優惠期間更便宜，輸入只要2.5元，輸出12元。
雖然價格比Flash貴了不少，但是性能也提升了很大。
這也就意味著，包括低推理強度的Fable 5和GPT-5.6在內，全球90%的模型，在完成任務的性價比這方面，都被DeepSeek斬殺了，更有甚者，無論是把推理強度調高也好調低也好，依然也逃不過被DeepSeek滿血斬殺的命運。
而DeepSeek手裡還有另一張牌，Harness。
8月初，DeepSeek Harness負責人崔添翼在X發文稱“如果你是Agent Harness相關開放原始碼專案的開發者，希望參加 DeepSeek Harness的內測，可以回覆或私信聯絡我。請附上GitHub id以及開源代表作。”
雖然有保密協議以防止參與測試者洩露DeepSeek Harness的功能、參數相關資訊，但已有部分參與測試者發文稱，“效果炸裂”。
Harness是DeepSeek自研的Agent執行階段框架，類似於OpenAI的Codex和Anthropic的Claude Code，但深度繫結了 V4系列的模型能力。
它的作用是讓模型在執行Agent任務時少走彎路、少浪費token。
一個Agent任務的完成質量，不只取決於模型本身的能力，還取決於框架怎麼組織上下文、怎麼處理工具呼叫的錯誤返回、什麼時候該重新規劃、長會話怎麼壓縮、什麼條件算任務完成。Harness所負責的，正是這些事情。
在V4-Flash正式版的基準測試中，DeepSeek已經用自家Harness的minimal模式跑了Code Agent任務，max檔位，top_p 0.95，溫度1.0。前文所提到的V4-Flash正式版分數，很多都是DeepSeek Harness跑出來的。
但minimal模式只是Harness能力的冰山一角。Harness正式發佈並開放完整功能後，同樣的模型在同樣的任務上，可能會表現出更高的成功率和更少的token浪費。
換句話說，同樣的智能水平，實際成本再降一截。
DeepSeek已經明確表示，Harness會和V4-Pro正式版同步上線。兩層疊加，V4-Pro正式版更強的性能，加上Harness更高效的執行框架，就會有更多的模型面臨斬殺。
因此，Artificial Analysis現在給出的斬殺線可能偏低了。
市場的終局正在收斂成一根“啞鈴”。
一端是少數幾個能力最強的旗艦模型，賣的是極限智能；另一端是DeepSeek，把自己當AI基礎設施來賣。
中間那些既不夠強又不夠便宜的產品，最終會成為這場價格戰中最先被淘汰的犧牲品。(字母榜)