DeepSeek斩杀线 我觉得，AI真正走向普及，靠的或许不是一个更昂贵的“天才”，而是一种人人都用得起、也敢于高频调用的生产力。

DeepSeek V4 Flash 并没有扩大模型规模或更换主体架构，而是在同样拥有2840亿总参数、每个Token仅激活约130亿参数的基础上，重新进行后训练，重点补强编程、工具调用与Agent任务能力。

再加上Token级注意力压缩、DSA稀疏注意力等设计，DeepSeek把模型性能与推理成本，推到了一个相当有冲击力的平衡点。

用过的朋友，应该都会发出一声：“卧槽，这么便宜”的感慨。

这也意味着，大模型竞争已经不只是比较“单次回答谁更聪明”，还要看完成一项复杂任务需要花多少钱、耗时多久，以及能承受多少次试错。

当一个模型在不少编程和Agent任务上已经接近前沿水平，而每百万输出Token的标准价格仅为2元，真正承压，或者说被“斩杀”的，可能不是最弱或最强的模型，而是那些能力只强一点、价格却贵很多，又缺少不可替代性的“中间选手”。

所谓“斩杀线”，斩掉的并不是所有比DeepSeek弱的模型，而是那些无法证明自己为何值得更贵的模型。

V4 Flash已经把这条线画到了这里。接下来的V4 正式版，又会把它推向哪里？（Pic APPSO）