为什么大模型价格会出现“斩杀线”现象？

最近业界最大的事是DeepSeek V4 Flash的价格和性能，真不是小事了。和以前比，可以理解为不要钱，就拥有了顶级的智力。

看看图二，是容易理解的“综合价格”。一般人看见什么输入价格、输出价格，缓存命中、不命中，几个价格容易晕，还有完成任务需要用的token数量也关键。

这个是DeepSeek V4 Flash preview版性能还不行的时候的图，0.02的价格最低，是Claude Opus 4.8的1/90。性能不够，虽然便宜但是影响不算大，不如Kimi K3.0（图里还没出）的冲击大。

图三，我当时就说：“但感觉更可怕的会是DeepSeek V4正式版，如果还是0.04美元综合价格，水平接近Opus 4.8，那美国大模型价格体系真的要崩了。”

结果，DeepSeek V4 Flash搞了搞后训练，发布了正式版，性能真的超过或者接近了Claude Opus 4.8！这完全可以说是降维打击了，效果已经出来了，Opencode上DeepSeek V4 Flash一天的token数高达8万亿。这还只是Flash版，Pro版估计要厉害得多。

这是之前被忽略的技术现象。大模型是什么？它就是一个软件，是一个算法，提供很多功能。不管看上去多厉害的功能，无非就是一些系数在那计算出来的。需要明确一点，一开始这种计算是极为浪费的，搞了几万亿个系数在那算。功能刚出来，一定有极大浪费，这是算法和软件技术规律。

DeepSeek的大招是，架构创新让大容量模型用小计算量跑，成本变百分之一了。它发力方向就是优化架构把成本做到极低，然后再去用低成本架构做性能。很好的事，低成本架构，模型性能也能做的很好！这在计算机算法领域是非常正常的，一般这种大量计算的问题，优化空间都极大。本来大模型算法看上去是死算，极长的上下文都算内部平方关系的关联，没必要。

这个跑通了，就出斩杀线了。成本和性能，价格高100倍的东西，性能居然领先不多，那还玩什么？经济规律自然会起作用。可以断定Anthropic的大客户已经开始跑路了，大量耗费token的任务交给DeepSeek做。所谓的ARR年化收入几百亿美元，一度说要上万美元，应该已经开始崩了，环比下降了。

这是技术规律，计算出来的智能，成本是可以大幅下降的。而且还有一个规律，就是分散，各有所长。例如一个贵的大模型什么都厉害，但是太贵。业界会开发出10个成本百分之一的模型，每个都有不同的特长，和贵的大模型一样或者更强。最后十个模型加一起，就把贵的大模型打死了。

一句话，贵的大模型完蛋了。