DeepSeek V4-Flash發表後 定義全球AI「斬殺線」與效能成本新局
人工智慧新創公司 DeepSeek 在 7 月 31 日正式發表其旗艦模型的最新版本 DeepSeek V4-Flash 0731。這款模型的問世不僅在技術社群引發熱議，更因其極高的成本效益，被研究機構與開發者稱為定義了全球人工智慧市場的「斬殺線」。
根據研究機構 Artificial Analysis 的 Intelligence Index v4.1 評測，V4-Flash 在能力指數上獲得 50 分，較前一版本提升了 10 分，且在成本表現上展現出對競爭對手的顯著優勢。
效能與價格的平衡點
在 AI 業界，「斬殺線」是指一個性能與價格的平衡臨界值。Artificial Analysis 的散點圖顯示，縱軸為能力指數，橫軸為每項任務成本。V4-Flash 0731 位於圖表的左上方，意即能力更強、成本更低。這意味著在同一能力梯隊中，若競品的定價顯著高於此線，或性能弱於此線但成本更高，其生存空間將面臨萎縮。
根據《路透》引述 Artificial Analysis 的數據，V4-Flash 的每百萬輸入標記 (Token) 費用為 0.14 美元，輸出則為 0.28 美元。若以單次測試任務計算，V4-Flash 的平均成本僅約 3 美分，遠低於 OpenAI GPT-5.6 Sol 的 1.86 美元，以及 Anthropic Claude Fable 5 的 3.15 美元，成本差距最高達百倍以上。
即使主要競爭對手 GPT-5.6 Luna 在 7 月底緊急宣佈調降價格 80%，V4-Flash 的每項任務成本仍比調價後的 Luna 低約 60%。
在 OpenRouter 最新周度的數據中，調用量前五名的模型依序為：DeepSeek-V4-Flash、小米 MiMo-V2.5、騰訊 Hy3、DeepSeek-V4-Pro 以及智譜 GLM 5.2。這五款模型均來自中國研發團隊，且其加總的調用規模已連續數周超越美國廠商所有閉源模型的總和。
更值得注意的是，這些流量中，來自美國與歐洲的開發者占比接近半數，顯示西方開發社群正大規模將其生產環境中的推論流量遷移至中國開發的模型介面。
AI Agent 轉型放大成本與能力的差距
產業界觀察到，大模型的使用方式正從單純的「對話」轉向「任務執行」(Agentic tasks)。Artificial Analysis 的評測方法論明確指出，當前權重已大幅向智慧體 (AI Agent) 任務傾斜，涵蓋程式碼編寫 (Coding) 與科學推理 (Scientific Reasoning) 等高難度指標。
Bai Longju 等學者在 2026 年 4 月發表的論文《AI 智慧體如何花掉你的錢》(How Do AI Agents Spend Your Money?) 中指出，Agent 任務的 Token 消耗量通常比一般問答高出數個數量級。例如，在程式碼修復任務中，Agent 消耗的 Token 是傳統問答的一千倍。這使得模型間的單價差距被極度放大，原本美分級的差額在 Agent 任務中會變成美元級的成本負擔。
此外，能力的差距也會被 Agent 任務的「多步驟性質」放大。在一項由二十個步驟組成的長任務中，若單步準確率從 90% 提升至 95%，最終整體的成功率將從 12% 飛躍至 36%。DeepSeek V4-Flash 正是在這種高頻次、高消耗的 Agent 應用場景中，展現了強大的競爭力。
非補貼式的成本結構
DeepSeek 的低報價並非源於短期的價格補貼，而是來自於底層技術的工程優化。公司採用的技術包括：
- 混合專家架構 (MoE) 與多 Token 預測技術：大幅降低推理時的浮點運算量。
- 動態 KV 快取 (KV Cache) 優化：將快取大小縮減至前代的 10%。
- 流量峰谷調度：有效壓低單一 Token 的推理成本。
國新證券的研究報告分析指出，這些技術改良是價格下探的底層來源。此外，《路透》披露 DeepSeek 已啟動自研晶片計畫，專為推論設計，以期在模型迭代之外進一步維持成本優勢。
市場效應：開發者大規模「遷徙」
根據 OpenRouter 的最新統計，DeepSeek V4-Flash 已登頂該平台模型調用量榜首，而美、歐開發者佔比接近半數。OpenCode 的執行長 Jay 指出，在 V4-Flash 上線後，其平台的訂閱用戶與使用量均成長了 30%。
市場分析認為，大模型市場正分化為兩個圈層：大型企業基於合規性與供應鏈穩定，仍傾向採購矽谷巨頭服務；但對成本極度敏感的中小開發者與新創公司，正大規模向具備高性價比的模型遷移。對於尚未盈利的小微 AI 公司而言，高達 60% 至 85% 的推理成本節省，往往是決定項目生存的關鍵。
產業展望：從「飛輪」到「跑步機」
儘管 DeepSeek 目前佔據優勢，但業界專家警示，這種領先地位需要持續的執行力來維持。OpenAI 的數據顯示，算力投入與收入增長幾乎呈線性對應，這顯示出大模型競爭並非自動旋轉的「飛輪」，而是一台需要不斷奔跑的「跑步機」。
同時，阿里巴巴的 Qwen3.8-Max 與 MiniMax 的 H3 影片模型也相繼發表，試圖在不同領域挑戰現有的市場秩序。Artificial Analysis 指出，隨著模型後訓練 (Post-training) 技術的進步與硬體基礎設施的投入，「斬殺線」將會持續上移。