DeepSeek把token做到这么便宜的秘密究竟是什么

作者：硅谷Alan Walker；来源：嘉妍Kea

加州大道的 Zombie Café，早上七点半。昨晚 DeepSeek 那份"预计涨幅较大"的公告出来之后，几个开发者群直接炸了——有人连夜在写多模型路由，有人在算涨三倍之后还划不划算。而硅谷Alan Walker 想借这个时点，把一个被讨论了两年、但始终没被讲透的问题彻底讲透：这个价格，当初到底是怎么做出来的。

先看价格，这是全部讨论的起点。

今天（2026 年 8 月 7 日），DeepSeek 开放平台的牌价是：V4-Flash 每百万 token，输入 0.14 美元、缓存命中输入 0.0028 美元、输出 0.28 美元；V4-Pro 对应是 0.435、0.003625 和 0.87 美元。国内开发者看到的人民币口径是 Flash 平峰期 1 元 / 0.02 元 / 2 元，Pro 是 3 元 / 0.025 元 / 6 元。

同一天，美国这边的牌价：GPT-5.6 Sol 输入 5 美元、输出 30 美元；Claude Opus 5 输入 5 美元、输出 25 美元；Claude Fable 5 输入 10 美元、输出 50 美元；Gemini 3.1 Pro 输入 2 美元、输出 12 美元。

表 1：主流模型 API 牌价（美元 / 百万 token，2026 年 8 月 7 日，各家官方定价页）

注：Gemini 3.1 Pro 与 GPT-5.6 系列对超过 20 万 token 的长上下文另设更高计价档（Gemini 涨至 4/18，GPT-5.6 Sol 涨至 10/45）；DeepSeek 100 万 token 上下文不加价。DeepSeek 人民币价为平峰价，工作日高峰时段（9:00–12:00、14:00–18:00）计费翻倍。

做几个除法。V4-Flash 的输出价对 GPT-5.6 Sol 是 1/107，对 Claude Fable 5 是 1/179。缓存命中输入那一列更夸张：V4-Pro 的 0.003625 美元对 Claude Opus 5 的 0.50 美元，是 1/138。对标旗舰的 V4-Pro，输出价对 GPT-5.6 Sol 也有 1/34。

还有一个背景必须先交代：就在昨天，8 月 6 日，DeepSeek 发公告说计划近期整体上调 API 定价，"预计涨幅较大"。也就是说，你现在看到的这张表，是这个价格体系存在的最后一段时间。这反而是把这个问题讲清楚的最好时机——因为连它自己都承认，这个价格不可持续了。那它当初是怎么做到的？

市面上的解释停留在两个字：MoE。这个解释不能算错，但它解释不了数量级。MoE 大家都在用，OpenAI 和 Google 的旗舰几乎可以确定也是 MoE，凭什么别人用 MoE 卖 30 美元，它用 MoE 卖 0.28 美元？

真正的答案分两半。技术上的极致优化，最多解释十倍；剩下那十倍，藏在商业结构里。两个十倍相乘，才是一百倍。下面先讲技术的十倍，再讲那个几乎没人认真讲过的、商业的十倍。

把 DeepSeek-V4 技术报告里所有降本手段列出来，你会发现它们表面上五花八门，落点其实只有一个：显存。为什么偏偏是显存，第二节揭晓。先看这四处。

第一处：激活率压到 3%。V4-Pro 总参数 1.6 万亿，每个 token 只激活 490 亿，激活率 3.06%；V4-Flash 总参数 2840 亿，激活 130 亿。推理算力跟激活参数走，不跟总参数走——所以一个 1.6 万亿参数的模型，算力开销只相当于一个 490 亿的模型。3% 的激活率在公开可查的前沿模型里是最低一档。

第二处：注意力压缩九成。V4 放弃原生注意力，改用 CSA（压缩稀疏注意力）与 HCA（重度压缩注意力）交错。官方技术报告的数据：100 万 token 场景下，V4-Pro 单 token 推理 FLOPs 只有上一代 V3.2 的 27%，KV 缓存只有 10%；V4-Flash 压得更低，FLOPs 10%，KV 缓存 7%。KV 缓存是长上下文场景吃显存的第一大户，压掉九成，意味着同一张卡能塞进去的并发请求变成十倍以上——硬件没变，单位时间能卖的 token 变成了十几倍。

第三处：FP4 量化感知训练。MoE 专家权重用 FP4 精度存储，其余大部分用 FP8。从 FP16 到 FP4，同样的显存装四倍的权重。而且这是训练阶段就按低精度来（QAT），不是训完再压，精度损失被训练本身吸收。为了在这么低的精度下训得稳，配了一整套补丁：mHC 流形约束超连接、Muon 优化器、预期路由、SwiGLU 钳位——团队自己承认这些技巧为什么有效，底层机理仍是开放问题。

第四处：缓存放到硬盘上。V4 引入异构 KV Cache 与磁盘缓存机制，压缩后的注意力条目直接落盘存储。这件事直接体现在价格表上，而且是整张表里最被忽略的一格：

表 2：缓存命中折扣力度（各家官方定价页，2026 年 8 月 7 日；折扣比例为作者计算）

看见没有：OpenAI、Anthropic、Google 三家的缓存折扣整整齐齐都是一折。DeepSeek-V4-Pro 打的是 0.83 折。为什么它敢？因为别人的 prompt cache 存在显存或高速内存里，成本按每 GB 几十美元的 HBM 算；它把缓存压缩后扔到固态盘上，成本按每 GB 几毛钱的 SSD 算。介质差了两三个数量级，折扣自然能再差一个数量级。

这四处之外，训练侧还有一手：V4 的后训练用了全词表同策略知识蒸馏（OPD），让 Pro 逐 token 地教 Flash。这解释了 Flash 为什么只用 130 亿激活参数还能打——它压根就没打算自己从头学，它是被大模型喂大的。经济含义比技术含义更重要：训练一次 Pro 的成本，摊到了 Flash 的每一次调用上。今天全球调用量登顶的是卖 0.28 美元的 Flash，而撑起它能力的那笔训练开销，记在 Pro 的账上。

要理解为什么所有功夫都下在显存上，得回到一个不太舒服的事实：出口管制。

DeepSeek 早期能合法买到的最好的卡是 H800——H100 的中国特供版，算力大体保留，互联带宽被砍。2025 年那份 545% 利润率的账单（第三节细讲），整个推理系统就跑在 H800 上。后来连 H800 也进不来了。这意味着它面对的约束条件和美国实验室完全不同：美国实验室缺的是电力和机柜，它缺的是每一 GB 的显存和每一条互联带宽。

约束条件决定优化方向。当你的卡互联被砍，你就被迫把专家并行的通信延迟藏进计算里，被迫用 TileLang 手写融合算子把每一分带宽榨干；当你的显存总量被物理封锁，你就被迫发明 MLA、被迫走到 CSA/HCA、被迫上 FP4、被迫把缓存扔到硬盘上。从 V2 的 MLA 到 V4 的混合压缩注意力，这条技术路线一脉相承，而它的起点不是某个天才的灵感，是采购清单上买不到的那几行。

反过来看美国实验室。手里有几十万张 H100/B200 的时候，工程师的稀缺资源不是显存，是研究员的时间。优化目标自然是"每个研究员每个月能推进多少能力"，而不是"每一美元能吐多少 token"。不是他们蠢，是他们的约束条件根本不产生这个方向的进化压力。

国产卡这条线还在继续压成本。V4 发布当天，细粒度专家并行方案同时在英伟达 GPU 和华为昇腾 NPU 上完成验证，寒武纪、天数智芯做了 Day 0 适配。DeepSeek 在定价页上写了一句极少有厂商会写的话：受限于高端算力，目前 Pro 的服务吞吐十分有限，预计下半年昇腾 950 超节点批量上市后，Pro 的价格会大幅下调。把降价预期直接挂钩国产芯片量产节奏——这句话的潜台词是，它连英伟达那 70% 以上的硬件毛利率，都当成一项可以省掉的成本在管理。美国实验室没有这个选项：它们买英伟达的卡，是在给自己的算力付一道奢侈品税，而且这道税没有替代税率。

有人会说：价格低说明在烧钱。这个判断有一份公开材料可以直接反驳，而且这份材料奇怪地被大多数人遗忘了。

2025 年 3 月 1 日，DeepSeek 在开源周最后一天公开了《DeepSeek-V3/R1 推理系统概览》，把自己的运行账单摊开了：

把 87,072 美元全部摊到 1680 亿输出 token 上（上限估算，这笔钱其实还同时服务了输入），每百万输出 token 的成本上限约 0.52 美元。这是一年半前、上上代模型、纯英伟达卡的成本。之后架构换代（FLOPs 降到 27%）、精度减半（FP8 到 FP4）、缓存落盘、国产卡引入，四条线同时往下压——今天 V4-Flash 卖 0.28 美元，完全落在成本曲线的延长线上。

这份账单里还有一句被跳过的话，价值不亚于那个 545%：白天用所有节点跑推理，晚上负荷低时减少推理节点，腾出来做研究和训练。这是把 GPU 集群当潮汐电站用。训练任务可以随时暂停恢复，推理请求不能，用训练填推理的谷，集群利用率逼近满载。注意这件事的门槛：纯 API 服务商没有训练任务可填谷，纯研究机构没有推理流量可言——必须两头都有、两头都大，这个招才成立。

现在把一家美国头部实验室的 token 定价拆开。你付的 30 美元里，推理的电费和折旧只是零头，剩下的钱在养这些东西：

下一次训练。前沿实验室的 API 毛利，本质上是下一代模型的融资工具。训练开支以百亿美元计年年翻倍，投资人的钱填不满，API 毛利必须补位。token 定价的第一约束不是成本，是资本开支计划。

人才军备。2025 年以来硅谷顶级研究员的挖角报价屡屡见诸报端，单个人的组合薪酬包上亿美元的案例已不新鲜。几千人的实验室，这笔钱最终都在 token 价里。

几亿免费用户。ChatGPT、Claude、Gemini 都背着庞大的免费和订阅用户群，订阅费包月、消耗不封顶，重度用户吃掉的算力远超月费。这个窟窿要用 API 毛利填。

企业销售、合规、安全。SLA、数据驻留、审计、红队、销售团队、客户成功——这套组织卖的是确定性，也全是成本。

DeepSeek 的成本表上，这几行几乎是空的。母公司幻方量化的自有资金养研发，不需要 API 毛利去给下一次训练融资；没有全球销售体系；没有付费订阅要补贴；开源社区还免费替它做了大量适配和优化工程——袁进辉当年就说过，V3/R1 的架构和主流模型差别太大，第三方必须照它的报告重写系统才能跑出效率，而开源把这个门槛降了下来，社区替它完成了闭源公司要发工资才能完成的工作。

把上面的逻辑推到底，会碰到一个大多数分析绕开的结论。

假设 OpenAI 明天宣布：GPT-5.6 Sol 降价到 0.30 美元每百万输出 token。技术上完全做得到——该有的压缩技术都是公开论文，该有的工程人才它比谁都多。但它不能这么做，原因有三层，一层比一层硬。

第一层，收入会当场蒸发。OpenAI 的年化收入已在数百亿美元量级，其中 API 是重要一极。价格降到 1/100，现有需求贡献的收入立刻变成 1/100，而需求弹性再大，也不可能在一个季度里放大一百倍来填坑。DeepSeek 做地板价的时候几乎没有存量收入可损失——敢把价格打穿的前提，是你没有什么可以被打穿的。这是最标准的创新者窘境：不是看不见，是转不了身。

第二层，估值会塌方。头部实验室数千亿美元的估值，建立在一个共同叙事上：智能是稀缺的高价商品，毛利会随规模改善。旗舰模型按成本定价，等于亲口承认 token 是大宗商品——那估值模型就得从"软件公司"切换到"电力公司"，市销率差着一个数量级。对上市在即或持续融资中的公司，这不是定价决策，这是自毁决策。

第三层，组织不会执行。为成本定价而生的公司，从芯片采购、集群调度到精度选择，每个环节都在为"每美元 token 数"优化；为能力溢价而生的公司，每个环节都在为"下一次发布会"优化。让后者转向前者，等于让整个组织换一套本能。历史上没有几家公司完成过这种转身，而且没有一家是在自己最赚钱的时候转的。

这套逻辑有一个天然的对照实验，恰好能验证它：Gemini。看表 1，美国旗舰里最便宜的是谁？Gemini 3.1 Pro，2 美元 / 12 美元，比 GPT-5.6 Sol 和 Claude Opus 5 便宜一半以上。为什么偏偏是 Google？因为三个约束它各松了一格：它用自研 TPU，英伟达那道硬件税它不交；它的估值不靠 AI 叙事单独支撑，广告和云才是地基，token 按成本定价不会动摇市值逻辑；它的推理基础设施本来就是按搜索的规模经济建的。三个约束松一格，价格就低一半；DeepSeek 三个约束全部为零，价格就低两个数量级。价格和约束的对应关系，在这三家公司身上排得整整齐齐——这个排列不是巧合，是定价的物理学。

讲到这里还剩最后一个漏洞。前面的商业分析——不用给下一次训练融资、没有英伟达的硬件税、没有免费用户的补贴窟窿——听起来像是"中国公司对美国公司"的普遍优势。如果只是这样，那国产模型应该都便宜。但事实不是这样：

表 3：国产旗舰模型 API 牌价对比（人民币 / 百万 token，各家官方定价页，2026 年 8 月）

来源：月之暗面开放平台、阿里云百炼、智谱官方定价页。GLM-5.2 官方以美元报价（1.40/4.40 美元），按 7 折算为人民币约值。高盛研报（经媒体转述）给出的混合口径单价：K3 约 2.3 美元、Qwen3.7-Max 约 1.4 美元、GLM-5.2 约 0.9 美元、DeepSeek V4-Pro 约 0.18 美元 / 百万 token。

看清楚这张表的含义：同样在中国，同样面对芯片管制，同样的电价、同样的工程师薪酬水平，Kimi K3 的输出价是 V4-Pro 的 17 倍，Qwen3.7-Max 是 6 倍，GLM-5.2 是 5 倍。"中国成本优势"解释不了这个差距——大家的成本环境是一样的。那差距从哪来？三个地方，一个比一个深。

第一，别人租算力，它有自己的机房。DeepSeek 脱胎于幻方量化，而幻方在管制落地之前就自建了万卡级的萤火集群——这批卡是自有资产，推理成本按折旧和电费算。多数同行的推理跑在云上，云厂商的毛利就叠在它们的成本里；即便是字节、阿里这种自己有云的，模型团队用集团的卡也要走内部结算，价格里同样含着一道内部毛利。一边按折旧算账，一边按租金算账，起跑线就不在一处。

第二，专家并行的经济学：架构可以抄，流量抄不走。这一点最容易被忽略。V4 的核心降本手段是大规模跨节点专家并行——把几百个专家摊到大量 GPU 上，靠巨大的 batch size 把矩阵乘法的效率打满。注意这套打法成立的前提：请求量必须大到随时能把 batch 填满。批次填不满，专家摊得越开，通信开销越亏，稀疏架构反而比稠密更贵。DeepSeek 的调用量是全球第一（V4-Flash 单周 7.22 万亿 token），批次永远是满的，单位成本被摊到理论下限；同行就算把开源代码原样搬走，没有这个量级的流量，跑出来的单位成本也是另一个数字。换句话说，它的成本优势有一半写在论文里，另一半写在流量榜上——前者人人可抄，后者抄不动。而低价带来流量、流量摊薄成本、成本支撑更低价，这个循环一旦转起来，后进者从任何一点都切不进去。

第三，也是最根本的：同行的 API 是收入，它的 API 是支出。看看各家的处境。月之暗面融资多轮、估值高企，K3 定价明说要"价值变现"，对标的是 Claude 而不是成本线；智谱在上市通道里，一季度把 API 定价提了 83%，因为招股书需要毛利率；阿里的通义要给云业务导流和创收，定价里含着云的商业目标。它们的 API 报表上都是收入项，收入项就要背毛利指标。DeepSeek 的 API 在幻方体系里更接近一个支出项——花一笔可控的钱，换取生态、标准和话语权。一个要向投资人证明"我能把 token 卖出利润"，一个要向行业证明"token 本来就不值钱"——两句话对应两张定价表。

讲完秘密，必须把代价也摆出来，不然这篇文章就成了软文。

第一笔账：知识密度。按 DeepSeek 官方技术报告的对比表，V4-Pro-Max 在 SimpleQA-Verified（纯事实性知识召回）上得分 57.9，对 Gemini 3.1 Pro 的 75.6，差了近 18 个点；HLE 上 37.7 对 44.4。编码和数学是它的强项——LiveCodeBench 93.5 超过 GPT-5.4 的 91.7，Codeforces 评分 3206 排进人类选手前 23 位，SWE-bench Verified 80.6 与 Gemini 打平——但 DeepSeek 自己承认在通用世界知识上落后前沿 3 到 6 个月。注意：这些分数全部来自厂商自评，第三方独立复现尚未完成。如果你的场景是法律检索、医疗问答、金融尽调，那 18 个点会变成实打实的幻觉率，省下的 token 钱可能不够赔一次错。

第二笔账：稳定性。8 月 4 日，V4-Flash 因前所未有的访问量出现容量不足。偶发事故的说法站不住——它是低价高负载的结构性结果。OpenRouter 周榜（7 月 27 日至 8 月 2 日）显示 V4-Flash 以 7.22 万亿 token 的调用量登顶全球第一；V4-Pro 的并发上限只有 500。峰谷定价想削峰，但 coding agent 可以批式、异步、跨时区地跑，而且用户横跨中美——这边的谷正好是那边的峰，二十四小时全是高峰。闭源厂商贵出来的那部分钱里，有一块买的就是确定性——这块钱 DeepSeek 没收，你也确实没得到。

第三笔账：时间。这是最大的一笔。8 月 6 日的涨价公告说明，把价格钉在成本线上这件事，连它自己也只能维持在算力供给宽松的窗口里。现价已经是 5 月 31 日"永久降价"到原价 1/4 之后的价格，如果只是恢复原价，涨幅就是 300%。而且这不是孤例：智谱一季度 API 定价提升 83%（调用量仍增长 400%），Kimi K3 输入价较前代涨超 3 倍、发布三天就因请求量超载暂停新用户订阅。整个行业正在从"拼低价抢用户"转向"算力账单面前人人平等"。

回到标题的问题。DeepSeek 把 token 做到这么便宜的秘密，完整版本是这样的：

技术上，它被制裁逼着把全部功夫下在显存上——3% 的激活率、压掉九成的注意力、FP4 的权重、落盘的缓存——省出了十倍。商业上，它的成本表里没有下一次训练的融资压力、没有亿级免费用户的补贴窟窿、没有销售合规的组织包袱、没有估值叙事的枷锁——又是十倍。两个十倍相乘，一百倍。

而别人学不来的原因，与技术无关。压缩注意力的论文是公开的，FP4 的方法是公开的，连 545% 利润率的账单都是公开的。缺的从来不是论文，是 允许自己便宜的资产负债表。OpenAI 的 token 价格里含着它的估值，Anthropic 的价格里含着下一次训练的融资，Kimi 的价格里含着投资人要的回报，通义的价格里含着云的指标。只有 DeepSeek 的价格里，几乎只剩电费和折旧——因为它是唯一一家不靠 token 活着的公司。

所以这个价格从来不只是价格。这是一家不需要靠 token 赚钱的公司，和一群必须靠 token 赚钱的公司之间，一场不对等的较量。前者把 token 当弹药，后者把 token 当粮食——弹药可以按成本撒出去，粮食必须卖出利润。

然后是 8 月 6 日。价格屠夫发公告说要大幅涨价。很多人把这读成"扛不住了"，我读到的是另一层：当调用量做到全球第一、当生态咬钩、当昇腾的产能表开始决定它的定价表——它手里终于有了成本曲线之外的东西。便宜从来不是它的目的，便宜是它买入场券的价格。现在票买到了。

· · ·