据《财经》独家报道， DeepSeek已重启第二轮融资，计划募资500亿元，投前估值约5000亿元，预计8月下旬完成签约。

今年6月，DeepSeek才刚刚完成首轮500亿元融资，创下国内大模型首轮融资规模纪录，投后估值超过3500亿元。仅时隔两个月，其投前估值便攀升约43%，两轮募资完成后累计金额将超千亿元。

估值狂飙的底气，来自DeepSeek正在改写行业规则的计费规则。

具体的情况是这样的，权威模型测试媒体Artificial Analysis放出了一组实测数据，他们用多个主流模型跑同一组基准测试，比谁的平均成本更低。

测试结果显示，DeepSeek V4-Flash 跑完整套基准测试，平均一次任务成本只需要3美分。

乍一看这个数据可能没什么，但是如果把其他主流模型拉来作为对比，一切就都变了。在同一份基准下，Anthropic 的旗舰模型 ClaudeFable 5平均成本为3.15美元，GPT-5.6 Sol 要1.86美元，DeepSeek 比 Claude 便宜了100倍。

而且这只是金钱成本，DeepSeek V4-Flash 还有一大特点就是快。根据 Artificial Analysis 的实测数据，DeepSeek V4 Flash（Max Effort 模式）的输出速度约为113tokens/秒，而同级别的 Anthropic 旗舰模型Claude Opus 5约为74tokens/秒，约为1.5倍。

也就是说，当DeepSeek跑完所有基准测试的时候，Claude才刚跑完一半。

代价是什么呢？

为了得到这种极致的性价比和效率，DeepSeek V4-Flash在智能水平上做了一定的取舍。Artificial Analysis的数据显示，智能指数方面V4-Flash得分为50分，跟谷歌Gemini 3.6 Flash持平，只落后旗舰模型约10分——Claude Opus 5为61分，Fable 5为60分。

便宜100倍，快2倍，性能只低不到20%。尤其是对于那些需要采购模型 API 的企业来说，这笔账可能得重新算算了。

A

过去这几年，大模型行业的定价方式既简单又粗暴，按跑了多少token算钱。输入每百万token多少钱，输出每百万token多少钱，厂商怎么定价，用户就怎么交钱。

但这个算法有个问题，它比的是“原材料价格”，不是“成品价格”。

就像去饭店吃饭，菜单上写着“大米5块钱一斤”，但我只在乎“一碗米饭多少钱”。token相当于是大米，任务就是那碗米饭。大米就算再便宜，蒸成米饭的工艺依然会影响米饭的最终价格。

DeepSeek V4-Flash的官方定价是每百万输入token 0.14美元，每百万输出token 0.28美元，人民币定价为输入缓存未命中每百万输入1元，输入缓存命中每百万0.02元，输出每百万2元。

这个价格本身就已经是行业最低梯队了。但问题是，token价格低不等于任务成本低，一个模型如果需要生成更多的token才能完成同样的任务，那便宜的token单价可能换来一张昂贵的账单。

Artificial Analysis 做的事情，就是把这层“翻译”给做了。他们比的是“跑完同一套基准测试要花多少钱”。这个口径叫“每次任务成本”（Cost per Task），它把token用量、推理深度、缓存命中率、思考时间这些变量全部揉在一起，直接给出一个终极答案，干完一件事到底要花多少钱。

但问题来了，DeepSeek凭什么能这么便宜？

V4-Flash模型总参数有2840亿，但每次推理时实际激活的只有130亿，不到总参数量的5%。

但光靠这些还不够。V4在注意力机制上做了很大的文章，他们设计了一套叫CSA（压缩稀疏注意力）和HCA（重度压缩注意力）交替排列的混合架构。

这两套机制的核心是不同距离的信息，用不同的精度来记。

比如最近几分钟发生的事，记得非常清楚，每一个细节都能说出来；几天前发生的事，大概就只能记得发生了什么，细节被模糊掉了；几个月前的事，可能只记得一个大概的印象。

CSA和HCA，就是模拟了这个“近清楚、远模糊”的记忆规律。随着上下文增长，把重要的信息留下，不重要的就全都抹去。

在百万token上下文下，V4 Flash的单token计算量只有V3.2的10%，KV缓存更是只需要7%。而且上下文越长，这个优势越大。

但架构也还只是故事的一半，V4-Flash从预览版到正式版进行了一次“原地升级”。

这两个版本的模型一个参数都没动，唯一的区别在于后训练。

这背后是DeepSeek一套独特的两阶段后训练方法。

第一阶段叫“分科培养”。数学、代码、Agent、指令跟随这些领域，各自单独训练专家模型。每个专家先用监督微调（SFT）打基础，再用GRPO强化学习反复打磨。GRPO是郭达雅在DeepSeek时发表论文DeepSeekMath中首次提出的概念。

传统PPO算法需要额外训练一个价值函数模型，又费显存又费算力，而GRPO直接把这一步砍了，改成让模型对同一问题生成多个答案，用组内的相对排名来代替绝对价值评估，自己跟自己比、自己跟自己学。既省了训练成本，效果还更好。

第二阶段叫“融会贯通”，用On-Policy Distillation（在线策略蒸馏）把多个领域专家的能力合并回同一个模型里。蒸馏的时候不是简单地复制输出，而是让目标模型在自己的策略分布下生成数据，再用专家模型的输出来矫正，确保合并后的模型不会“学了这个忘了那个”。

过去说模型蒸馏，都是先让高性能的模型生成答案，再让低性能的模型去学。但是在线策略蒸馏是反过来的，是学生先自己做题，老师在旁边看着，边看边指导。学生根据各个老师的反馈，当场调整自己的思路，继续往下做。做完一道，再做下一道，边做边学。

“在线”指的是学生和老师是同步的，老师实时给学生反馈。“策略”指的是它学的不是具体某道题的答案，而是“遇到问题该怎么想”这套思考方法。

其结果是，Terminal Bench 2.1从61.8分干到了82.7分。这个测试测的是模型在真实终端环境中完成复杂命令行任务的能力，分数直接超过了自己的老大哥V4-Pro预览版的72.1分，逼近Anthropic旗舰Opus 4.8的85.0分。

更夸张的是 DeepSWE，这是一个专门测试GitHub真实Issue解决能力的基准，DeepSeek V4-Flash从7.3分飙到54.4分，涨幅645%。一个Flash级别的轻量模型，在9项Agent基准测试上全面碾压自家旗舰Pro的预览版。

B

100倍的价差很可能会改变企业对模型API的采购逻辑。

过去几年，企业选模型的过程就像选供应商，比参数、比跑分、比价格，最后选一个“综合最优”的。这种思路的前提是模型之间的价格差距不大，都在同一个数量级内，当然大家都会选能力最强的。

但在Artificial Analysis提出“每次任务成本”之后，这个前提就塌了。

假设一个企业每天要处理100万次API调用，用Claude，每天的成本是31500美元，用DeepSeek，每天只需要300美元。一年下来，差距是1130万美元。这已经不是省点钱的问题，这是能不能活下去的问题。

所以企业的核心命题就不再是“用哪家模型”了，现在变成了“怎么把任务分到最合适的模型上”。这个思路在行业里有个名字，叫模型路由（Model Routing）。

模型路由的逻辑很简单，把高价值、高失败成本的复杂任务放到Claude Opus 5或 GPT-5.6这样高上限的模型里，比如自动编程中架构设计、金融报告的关键分析、法律文书的条款审查等等，企业给模型的智能等级和成功率付费。

不过这些任务数量其实并不多，主要是任务失败会导致企业付出巨大的代价，用贵模型是完全合理的投资。

像是批量分类、代码初筛、数据清洗、低风险Agent任务之类的“苦力活”，往往占据了企业运营的80%，因此把这些全都交给DeepSeek，省下来的每一分钱都是纯利润。

根据Menlo Ventures的企业AI调研，37%的企业已经在生产环境中使用5个以上的模型。学术方面也有相同的推论，LMSYS团队（UC Berkeley、Anyscale）在 ICLR 2025上发表的RouteLLM研究发现，在MT Bench基准上，智能路由可以在保持GPT-4 95%质量的前提下削减85%的成本。

在已经公开的行业实践中，不同任务分布和路由策略下，降本幅度通常在40%到85%之间。

路由做得好不好，直接决定了企业的AI成本。一个路由策略粗糙的企业，可能80%的任务都打到了旗舰模型上；而一个路由做得精细的企业，可能只有20%的任务需要旗舰模型，其余80%都分流到了高性价比模型。

两家企业做同样的事情，AI成本可能差出5到10倍。

这种办法简单粗暴，但不准。很多时候会错配，简单任务给了贵模型；复杂任务给了便宜模型，做不好还要重来，反而更贵。

高级一点的，是用分类器。先训练一个小模型，专门用来判断“这个请求应该用哪个模型”。请求进来，先过分类器，分类器说简单，就给便宜模型；分类器说难，就给贵模型。

这种办法比静态规则准，但还是有问题。分类器本身也会犯错，而且它只能根据请求的字面意思判断，不知道模型实际做出来效果怎么样。

再高级一点的，叫做“先试后升”。不管什么请求，先让最便宜的模型试试。如果结果质量够好，就直接用；如果质量不够，再自动升级到更贵的模型重做。

比如一个任务，直接用Claude要3美元。用DeepSeek先试，3美分，成功了就赚了；失败了，再用Claude，总共 3.03美元，也只比直接用Claude多花了1%。

只要成功率不是0，这个买卖就划算。

所以闭源厂商的日子，以后会越来越不好过。它们必须不断往上走，去做那些更难、更复杂、价值更高的任务，把自己的护城河挖得更深。因为下面的市场，已经被DeepSeek占满了。

最难受的是中间那档模型，比DeepSeek强，但又没强到哪里去，价格还贵了几十倍的。

往上，打不过旗舰模型的能力；往下，打不过DeepSeek的价格。

这就引起了一个新的现象，DeepSeek 斩杀线。

C

Artificial Analysis做了一张图，把所有主流模型都放在一个坐标系里。横轴是每次任务的成本，对数坐标；纵轴是智能指数得分。

图片中的虚线，代表了DeepSeek V4-Flash正式版的性价比斩杀线，任何处于虚线中的模型，都无法在DeepSeek可以实现的任务中，价格低于DeepSeek。

此前，行业常会用GPT-4o、Claude Sonnet、Gemini Pro这些模型来作为参考，它们的性价比就成为了行业基准。比它们贵的，就得证明自己更强；比它们弱的，就得证明自己更便宜。

不过图片中可以看到，这些作为行业基准的模型，它们的斩杀线是很低的，稍微推理强度高一点的模型，都可以轻松逃过被斩杀的命运，DeepSeek V4-Flash正式版的出现，让整个斩杀线抬高到了一个非常高的地方，全球将近70%的模型都处于被斩杀区域。

图片另一边的橙黄色区域，是Artificial Analysis基于V4-Flash预览版和正式版之间的区别，对旗舰模型V4-Pro的正式版性能和价格的预测。

V4-Pro现在的定价，输入缓存命中是每百万token1 元人民币，缓存未命中是12元，输出是24元。限时优惠期间更便宜，输入只要2.5元，输出12元。

虽然价格比Flash贵了不少，但是性能也提升了很大。

这也就意味着，包括低推理强度的Fable 5和GPT-5.6在内，全球90%的模型，在完成任务的性价比这方面，都被DeepSeek斩杀了，更有甚者，无论是把推理强度调高也好调低也好，依然也逃不过被DeepSeek满血斩杀的命运。

而DeepSeek手里还有另一张牌，Harness。

8月初，DeepSeek Harness负责人崔添翼在X发文称“如果你是Agent Harness相关开源项目的开发者，希望参加 DeepSeek Harness的内测，可以回复或私信联系我。请附上GitHub id以及开源代表作。”

虽然有保密协议以防止参与测试者泄露DeepSeek Harness的功能、参数相关信息，但已有部分参与测试者发文称，“效果炸裂”。

Harness是DeepSeek自研的Agent运行时框架，类似于 OpenAI的Codex和Anthropic的Claude Code，但深度绑定了 V4系列的模型能力。

它的作用是让模型在执行Agent任务时少走弯路、少浪费token。

一个Agent任务的完成质量，不只取决于模型本身的能力，还取决于框架怎么组织上下文、怎么处理工具调用的错误返回、什么时候该重新规划、长会话怎么压缩、什么条件算任务完成。Harness所负责的，正是这些事情。

在V4-Flash正式版的基准测试中，DeepSeek已经用自家Harness的minimal模式跑了Code Agent任务，max档位，top_p 0.95，温度1.0。前文所提到的V4-Flash正式版分数，很多都是DeepSeek Harness跑出来的。

但minimal模式只是Harness能力的冰山一角。Harness正式发布并开放完整功能后，同样的模型在同样的任务上，可能会表现出更高的成功率和更少的token浪费。

换句话说，同样的智能水平，实际成本再降一截。