DeepSeek成全球AI斩杀线
DeepSeek 正在全球大模型市场划出一条新的“斩杀线”。
这条线不是单纯比较性能，也不是谁的价格最低，而是看同样一笔钱能够换来多少有效输出。当模型能力进入同一梯队，几倍乃至十倍的价格差距，就会直接改变开发者的选择。
开发者正在用流量投票
据文中引用的 OpenRouter 周度数据，DeepSeek V4 Flash 已升至单模型调用量第一，V4 Pro 也进入前五。小米、腾讯和智谱的模型同样位居前列，国产模型开始形成群体优势。
OpenCode 公布的数据也显示，V4 Flash 上线后，其使用量和新订阅用户都在单日增长了 30%。一些海外 AI 创业团队表示，迁移模型后，月度推理成本下降了 60% 至 85%。
这些数字说明，过去许多开发者采用硅谷大厂模型，未必是因为它们不可替代，而是市场上缺少性能足够、价格又明显更低的选择。一旦这样的替代品出现，需求转移会非常快。
不过，第三方聚合平台的数据不能直接等同于整个市场。低价轻量模型天然容易获得更多调用量，平台样本也无法代表大型政企客户，更不能用流量直接推导营收。
但我认为，开发者流量仍然很重要。今天被大量开发者采用的模型，更有机会成为明天应用生态的基础设施。
性能价格比成为新标尺
Artificial Analysis 对多款模型的测试，让“斩杀线”这个说法流行起来。它表达的是一个很现实的商业判断：性能不够，低价没有意义；性能相近，价格过高也很难长期维持。
文中列出的公开 API 价格显示，DeepSeek V4 Flash 的输出价格为每百万 Token 0.28 美元，GPT-5.6 Luna 约为1.2美元，Claude Sonnet 和 Gemini 同档模型则普遍更高。
对大多数面向消费者和中小企业的应用来说，推理成本会随着用户量持续放大。为了有限的性能提升承担数倍成本，往往不是技术选择，而是商业模式能否成立的问题。
因此，大模型竞争的指标正在改变。过去大家关注参数规模、训练算力和榜单分数；现在开发者首先计算的是，单位成本究竟能带来多少可用结果。
这才是 DeepSeek 带来的真正压力。它迫使竞争者在两个方向中作出选择：大幅降价争夺普惠开发者市场，或者放弃价格竞争，专注预算更充足、更加看重合规和供应链稳定的大型企业客户。
低价必须来自工程能力
如果低价只是补贴，就无法成为长期壁垒。文中认为，DeepSeek 的价格优势主要来自高效推理架构、动态 KV 缓存、峰谷调度和长文本优化等工程手段。
V4 Pro 永久降价之后，V4 Flash 又通过缓存机制和差异化定价继续降低调用成本。这意味着它争夺的不只是短期流量，而是在重新设定开发者能够接受的价格基准。
当一家厂商能够从底层持续降低单 Token 成本，价格就不再只是营销工具，而会变成产品能力的一部分。竞争者即使愿意跟进降价，也要先回答自己的成本结构能不能承受。
市场开始分成两个圈层
中小开发者对价格敏感，迁移速度快，更愿意把默认模型切换到性价比更高的产品。大型跨国企业则要考虑数据合规、采购体系、供应链风险和服务稳定性，仍可能优先选择本土闭源厂商。
这意味着调用量领先并不等于全面取代。开发者市场和大型企业市场的决策逻辑不同，未来很可能长期并存。
一条路线以闭源旗舰模型为中心，通过高投入追求能力上限，以高毛利和大型企业订单获得回报。另一条路线依靠工程优化降低推理成本，以薄利多销吸引开发者，再用规模效应扩大生态。
两条路线没有简单的对错。DeepSeek 证明的是，大模型竞争已经不再只看谁能投入更多算力。推理效率、定价方式和生态策略，同样能够重写市场份额。
价格竞争只是序幕
社交媒体上的热烈反应，说明开发者欢迎更多选择和更低成本。但价格持续下降也有另一面：全行业利润被压缩之后，厂商是否还有足够资金投入下一代模型研发，仍是必须面对的问题。
所以，我不认为最终胜负会由一次降价决定。价格可以快速打开市场，却不能单独建立长期优势。
下一阶段真正要比拼的，是模型能力能否持续迭代，全球服务能否稳定，合规方案能否进入大型企业，以及低价之下能否形成可持续的商业模式。
MiniMax 和阿里千问也在继续推进多模态与大规模模型，并计划开放更多模型权重。这表明竞争不会停留在某一款产品上，而会从文本模型扩展到视频、多模态和更广泛的开发者生态。
对开发者而言，变化已经发生：模型选择更多，推理成本更低，试错门槛也在下降。真正值得关注的，不是谁赢得了一次榜单，而是谁能把这种性价比长期变成可靠的产品和生态。