DeepSeek扩大模型替换空间，执行层为何变得更重要

信源：AI Revolution｜关于DeepSeek开放权重模型与智能体工具链的视频｜2026-08-22

一次应用生成演示用了约29分58秒，产生260万输出token，成本约30美元，界面结果仍不完美。这组来自AI Revolution视频的数字没有构成受控基准，却把企业AI的成本问题呈现得很具体：模型报价只是起点，执行时间、工具调用、失败恢复和最终质量都会进入交付账单。

DeepSeek所代表的开放权重趋势，给企业带来了更大的模型替换空间。底层模型更容易更换以后，竞争重心更可能向harness、任务路由、上下文组织、评估和可靠性控制移动。经济价值由谁获得，也会更多取决于谁掌握这些执行环节。

材料把harness概括为模型外部的一套执行系统，包含工具、插件、文件系统、上下文和运行循环。这个定义来自解说者，并非统一行业标准，但它说明了一件事：模型能回答问题，不代表它已经能在真实业务中完成一段长流程。

生产级的可替换性还要求企业在相同任务、质量和治理约束下更换底层模型后，工具、上下文、评估、故障处理与业务流程仍能工作。只下载权重远远不够。企业需要把模型接口与执行逻辑分开，并建立自己的通过标准，否则每次更换模型都可能变成一次应用重建。模型性能只有进入同一套任务评估，才具有可比性。

当这层架构存在，任务可以按能力需求分配。代码、搜索或其他工作由哪个模型处理，哪些任务需要更强推理，哪些任务只需要便宜且稳定的执行，都由路由与评估共同决定。一次漂亮演示无法替代这种持续比较。

视频还称，训练过程使用多个后训练专家检查点，再把能力整合进最终模型；材料也描述了名为DSpark的加速方案，并转述最高约78%的速度改善。两项信息都没有完整训练记录、消融实验或独立测试，只能支持产品方向，不能证明已经形成确定的性能优势。

价格信号同样需要放进完整系统。视频称DeepSeek托管价格上调约2.5至5倍，却没有证明涨价原因。开放权重让企业保留自行托管的选择，计算资源、容量规划、运维、模型更新、安全和质量控制则会形成另一张账单。自行托管能否省钱，取决于利用率和组织能力。

更合适的比较口径，是固定质量下的单位合格结果成本。分子包括模型调用、工具执行、托管、人工复核和失败重试，分母是最终被业务接受的结果。低价模型如果错误率更高、执行循环更长，或者需要更多人工兜底，接口优势会被迅速消耗。

材料转述的一个客户案例显示，这家公司据称把部分成本从约100万美元降到约10万美元，同时把实时业务继续留给Anthropic，理由涉及防护能力和错误率。案例没有披露期限与完整口径，九成降本不能外推到其他企业。它提供的更可靠线索，是企业可能按任务组合多个模型，并让不同供应商承担不同层级的工作。

模型层价格竞争越激烈，执行层越可能成为差异化来源。harness负责把工具与流程接起来，路由决定模型份额，评估判断结果能否进入生产，可观测性则追踪错误和成本。供应商要守住价值，需要证明自己在这套跨模型系统中仍有难以替换的能力。

开放模型在关键任务上的能力、稳定性或防护差距，是这条路径最直接的限制。若差距长期明显，企业即使拥有权重，也不会迁走核心流量，技术上的选择权便难以变成经济议价权。

生产迁移会给DeepSeek的架构价值定价。在同一任务和完整成本口径下，开放模型需要接近原有质量，底层切换也不能扰动执行系统。两个条件同时满足，模型才会成为可替换部件，更多价值也更可能留在执行层。