集体暴涨，大模型还用得起吗

唯物的中国芯片产业深度观察

今日起，深度求索的新价格机制正式生效。最新旗舰模型Deepseek-V4-Pro，高峰时段百万词元（token）输出价格从6元涨至27元，涨幅高达350%。

过去，因为定价低，深度求索的DeepSeek大模型人送外号“性价比之王”，如今价格“暴涨”，创始人梁文锋在用户社区里的“风评”一下子从“梁圣”被玩梗成“梁子”。

涨价的不只深度求索一家。近期，中国大模型涨价成为一股潮流，月之暗面的Kimi、智谱AI的GLM以及腾讯云的混元等，均上调了服务价格。

Deepseek-V4 API新定价

据摩根士丹利8月研报，中国大模型平均API输入和输出价格，较去年分别上涨约48%和80%。

网友们的“灵魂拷问”随之来临：为什么国产大模型纷纷涨价？DeepSeek大幅涨价后，谁才是大模型性价比之王？它的Harness到底有多好用？

集体涨价

以低价著称的深度求索都涨价了，其他国产大模型也“见机行事”。

月之暗面的Kimi K3，开启最高算力档位时，API输出价格上调至100元/百万词元，比起上一代旗舰模型K2.6的22.4元，涨幅高达3.5倍以上。智谱AI今年三次上调价格，GLM-5的API价格，平均涨幅达83%。

腾讯云的混元2.0模型，输入与输出计费上涨超5倍，最高单项接口涨幅高达463%。阿里云的Qwen3-Max，商用闭源端价格维持在输入12元/百万词元、输出36元/百万词元区间，但AI算力卡的价格上调了5%至34%。百度的文心一言ERNIE5.1输入8元/百万词元、输出24元/百万词元，企业定制版接近以上价格的2倍。

千问的Token Plan个人版订阅价格

中国大模型的集体涨价，受技术演变、健康商业化和供应链情况等因素的共同影响。

今年智能体（Agent）特别火爆，代码托管的场景也在拓展，之前简单的“一问一答”已经不够用了。一问一答只需要几十词元，但一个“懂事”的智能体执行如编写软件、自动化数据分析等复杂任务时，需要反复调用API，词元的吞吐量呈几何数级增长。

像DeepSeek的Flash模型，单周调用量最高达7.22万亿词元，占全球份额的58%，如此庞大的调用量超过了它的算力承载极限。为了防止服务器崩溃，保障核心企业用户的服务，厂商不得不通过峰谷定价或者涨价的方式——经济杠杆分流算力的压力。

2024年至2025年，各大厂商为了抢占市场份额，掀起了残酷的价格战，API价格甚至到了“买一送一”或“几分钱一百万词元”的“大甩卖”地步。这种地板价只适合短期“促销”，毕竟算力是要花钱的，每一张GPU的租金、电费、运维人员的工资都是刚性支出。

图源：Unsplash

随着市场格局初定，投资人和大公司对大模型创业公司、业务部门的考核也变了，不再过度关注“调用量”和“注册数”，转为看营收和造血能力。

另外，中国大模型企业也有“一分钱一分货”的底气。DeepSeek-V4-Pro、Kimi K3、GLM-5在专业领域的逻辑推理、代码生成能力上，都不比美国一线模型差，即使涨了价，比起美国模型还是便宜不少的。

还有一个因素常常被忽视，即英伟达高端算力芯片紧缺，国内企业获取的渠道受极大限制，市面上存量的高端显卡，租金价格越来越高。虽然很多大模型厂商大规模转向华为昇腾等国产AI芯片，但一方面产能不足，僧多粥少，一方面国产芯片在前期的生态适配、算力集群联合调试以及算力利用率优化上，都需要大量的研发人力和时间成本。这些前期的投入，最后都得传导在价格上。

省钱密码

大模型的账面单价，确实是涨了，但这只是大模型在一问一答、没有上下文时的价格。缓存命中率才决定了当模型处理连续对话或长文本时，消费者要花多少钱。

如果缓存命中率高，就算账面单价上涨，最后的账单可能反而更便宜。

缓存命中（Cache Hit），相当于大模型有了一定时间的记忆力。如果历史记录没变，模型直接从内存里读取上一次算好的结果，不需要重新计算。只要在模型记忆“尚存”的时间内提问，价格都会优惠，厂商一般会给出原价的1%—10%，因为模型还记着你的问题，省算力。

以DeepSeek-V4-Pro的高峰期价格为例，假设你要写一个项目，提示词约15万—20万字，达10万个词元，你要在模型的辅助下进行3轮对话，每轮提问都用1000词元，它回答也用1000词元。

DeepSeek价格

已知，DeepSeek-V4-Pro的缓存未命中价格为9元/百万词元，缓存命中价格0.3元/百万词元，输出价格27元/百万词元，那么，可能出现两种极端情况。

第一种极端情况，缓存命中率为0%，因为你频繁改动代码、架构乱七八糟、说话前言不搭后语，每一轮对话，模型都没法复用之前的缓存，必须全额计算那10万词元，那么，3轮对话下来，总花费为2.835元。

第二种极端情况，缓存命中率100%，你的代码框架和历史背景都没怎么变，表达条理也清晰，每一轮只有你新提问的1000词元作为新输入，那么，3轮对话下来，总花费为1.077元。

同一个模型、同样的项目，缓存低命中的价格，竟然是缓存高命中的价格的2.6倍。

这也是为什么说看“账面单价”不准。如果模型的缓存机制触发非常灵敏，在多轮对话后，它能帮你省不少钱；反之，一个模型标价便宜，但不支持缓存，或者多轮对话一长就无法命中，它的“滚雪球式扣费”搞不好让你破产。

《三体》剧照

在实际开发中，“看标价不如看缓存机制”已经成为业界共识。客观来看，国产大模型在缓存命中率的实现方式上，基本分为三个梯队。

第一梯队的月之暗面、深度求索、阶跃星辰，都在底层架构上针对键值缓存（KV Cache）做了深度自研，是行业内缓存命中率最高、计费策略最透明的厂商。

Kimi K3的非缓存输入要20元/百万词元，缓存命中后只需要2元/百万词元，相当于打1折。DeepSeek-V4-Pro依靠自研的前缀缓存技术，缓存命中率逼近90%—98%。尽管8月17日起价格上浮，但缓存未命中（9元）和缓存命中（0.3元）之间依然有30倍差距。StepFun的客观命中率为86%—92%，命中缓存的价格相当于原价的2折。

第二梯队的智谱AI、MiniMax、火山引擎，缓存命中率约在70%—85%之间。第三梯队的零一万物、腾讯云、百川智能，缓存命中率在50%—80%之间。阿里、百度未公开这方面的数据。

综合来看，只要开发者的提示词工程做得好，DeepSeek依然是压低成本的神器。

模型商品化

还有另一个方法，咱看时间。根据深度求索的“峰谷分时定价”机制，午饭时间和晚饭后时间最划算，直接5折起，把想和AI聊的话，都放到那个时间段。

DeepSeek的新模型V4-Pro的上线、API价格上调，和Harness开源式开放，是同时发生的。Harness的上线，才是深度求索商业化的真正触角。

在美国AI界已经出现这样的共识，2026年是“模型商品化”之年。美国开发者判断，模型决定了能力的下限，而Harness决定了产品的上限。

深度求索的内部流传一个公式，Model+Harness=Agent。意思是说，模型是发动机，Harness是方向盘、变速箱、刹车。没有Harness，模型就是个裸API。有了Harness，模型才能变成真正能干活的智能体

Harness相当于一套动力传导设施。模型吐出指令后，Harness会在一个沙箱里执行代码、读取文件、运行测试；如果报错，Harness还能把报错信息传回模型让它自我修正，直到活干完。

DeepSeek Harness首页

有意思的是，深度求索设计Harness的核心在于“一切皆插件”，彻底去中心化。在Harness的世界里，没有任何东西是硬编码绑定的，全部都可以热插拔：大模型是插件，文件读写、网络搜索是插件、智能体的思考循环和任务调度机制是插件，连它的Web UI界面也是个插件。

这种可组合性，让使用者像玩乐高积木一样，无需修改框架核心代码，就能在配置层随意定制和替换“干活的人”。

DeepSeek Harness的开源，在美国开发者已经习惯Claude Code和Open Code的市场上扔下了一颗“开源”和“极致低成本”的炸弹，让全球的开发者都能低成本部署自己的全自动AI员工。

有美国社区实测发现，DeepSeek-V4-Flash模型配合DeepSeek Harness的“极简模式（Minimal Mode）”，在Agent基准测试上逼近行业顶尖水平，但成本便宜了50到90倍。

因此，深度求索的涨价，与Harness的开源，是一种协同打法。

DeepSeek Harness首页

通过开源Harness，深度求索引导全球开发者去构建高价值的自主编程智能体，虽然智能体运行会消耗大量词元，但由于使用DeepSeek Harness调度，极大触发前缀缓存，把缓存命中率拉到90%以上，这样一来，开发者就可以享受三十分之一的价格，在事实上抵消了涨价带来的冲击。

说来说去，“玩家”越专业就越省钱，就像30多年前有高手用一个游戏币就能在游戏厅玩一天。

难道我们普通人就要当冤大头吗？也不一定。可以首先减少一个最普遍的错误：在一个对话框里从早聊到晚，什么话题都往里塞。省钱操作是，给每个话题开个新窗口，至少省一半冤枉钱。

文中首图为新华社记者 黄宗治 摄

作者 |荣智慧

编辑 | 向现

值班主编 | 张来

排版 | 菲菲