DeepSeek V4.1 Flash成本低到发指：1美元13亿Token

斩杀线再刷新：1美元13亿Token是什么概念

在 SemiAnalysis AgentX 基准测试中，基于 GB300 NVL72 与 Dynamo vLLM 平台，V4.1 Flash 跑出了 1 美元 130 亿 Token（即 1.3B Token）的算力端 TCO 成绩，同时 P90 交互速度超过 100 tok/s/user。把它拆开看，相当于每百万 Token 的成本只有 0.00077 美元——这个数值甚至比它自己 0.15 美元/百万 Token 的输入 API 定价还低两个数量级。

需要说清楚的是，这两个数字不能直接相减对比：1 美元 13 亿 Token 算的是算力侧的总拥有成本，而 API 定价还要覆盖调度、并发、运维冗余和商业毛利。但即便把口径差异全部考虑进去，两者之间留下的空间依然大得惊人，这意味着 DeepSeek 在定价上握有别人几乎无法跟进的余量。

更值得关注的是官方放出的那条帕累托曲线。在这张被业内戏称为“AI 斩杀线”的图上，V4.1 Flash 的单任务成本只有 Fable、Astra 等模型的 1/50 到 1/100，也就是说性价比差距在四五十倍以上。当差距从“略优”变成“数量级”，讨论的就不再是谁更划算，而是谁还留在牌桌上。

便宜的背面：硬件与推理栈上的极致抠门

很多人第一反应是“是不是亏本补贴”，但从 vLLM 项目公布的对比图来看，这种成本优势更像是工程能力的自然结果。从算子融合、KV Cache 管理到批处理调度，DeepSeek 在推理链路的每一层几乎都做了针对性压榨，把单卡吞吐推到了硬件理论边界附近，这才有了 1 美元换 13 亿 Token 的底气。

横向对比更能看出差距：在万亿参数以内的其他开源模型中，同等成本下的产出最多只有 V4.1 Flash 的十分之一；而到了 1.5 万亿至 3 万亿参数这个量级，成本差距会被进一步拉大到 40 到 50 倍以上。参数越大越吃亏，说明拼的已经不是模型规模，而是推理效率这道硬功夫。

1017版本的隐藏升级：Token效率才是真正杀招

容易被忽略的一点是，前面那组 TCO 数据其实来自 V4.1 Flash-0910，而这次发布的 1017 版在 API 定价不变的前提下，大幅优化了 Token 效率。同一个任务消耗的 Token 数量明显变少，不同场景幅度不一，体感上大约降低了一半——这意味着真实成本还能再往下探一大截。

定价不变而效率翻倍，本质上是一次变相降价，而且是那种不会出现在价格表上的降价。对开发者来说，同样的预算能跑更多请求；对平台方来说，套餐里能塞进去的额度也就更夸张。

市场端的反馈已经很直白：OpenCode 的 10 美元套餐最近能跑出 80 到 120 美元的用量，这两天更是直接免费开放；聚合路由平台上的 V4.1 Flash 自身用量已经达到百万亿 Token 级别，单家体量能顶六七家友商之和。当“用得起”变成“随便用”，应用层的想象力才会真正被释放。

写在最后：成本战打到这里，游戏规则变了

从 V4.1 Flash-1017 这份成绩单看，DeepSeek 走的不是“堆参数换效果”的老路，而是把推理成本当成第一性目标来反向设计整个系统。当单位 Token 的边际成本被压到几乎可以忽略，AI 产品的形态也会跟着松动——长上下文、多轮智能体、大规模并发，这些过去被成本卡脖子的场景会先一步落地。

当然，低成本不等于高价值，模型能力是否跟得上、生态能否接住这波流量，都还需要时间验证。但可以确定的是，那条斩杀线已经被重新定义，后来者要追的已经不是 10%，而是一整个数量级。