从“聊天便宜”变成“Agent便宜”！DeepSeek-V4把大模型价格战推入“Agent时代”

每经记者｜兰素英    每经编辑｜王嘉琦    

等了15个月，今天（4月24日），DeepSeek-V4（预览版本）终于发布了，而且是在OpenAI发布GPT-5.5几个小时后。

在约1000字的DeepSeek-V4产品介绍文章中，Agent（智能体）一词出现了多达11次。

DeepSeek-V4用专家模式（Pro）和快速模式（Flash）双版本配置，将大模型价格战从“聊天便宜”推进“Agent便宜”时代。

DeepSeek-V4凭借全新稀疏注意力与同策略蒸馏技术，把推理成本压到新低，V4-Flash版输出价仅为GPT-5.5 Pro的1.55‰，V4-Pro版性能比肩全球顶级闭源模型。

“低价快模型 + 高价强模型”组合，让DeepSeek-V4打通了Agent规模化落地的成本账。

全球模型对比：DeepSeek-V4实际价格到底多便宜?

DeepSeek-V4发布后不久，全球最大AI模型应用程序编程接口聚合平台OpenRouter上，就已经有用户进行了调用。截至4月24日15点，OpenRouter平台上DeepSeek-V4-Pro的调用量达到2.99亿Token，V4-Flash调用量达到3.99亿Token。

DeepSeek延续了一贯的“普惠”风格。

V4-Flash：缓存命中输入0.2元/百万Token，缓存未命中输入1元/百万Token，输出2元/百万Token。

V4-Pro：缓存命中输入1元/百万Token，缓存未命中输入12元/百万Token，输出24元/百万Token。

然而，不同于公司官方的API定价，OpenRouter平台会综合不同服务商渠道报价，按照各渠道实际调用流量加权计算得出的市场综合均价，也就是实际使用价格，该价格也会随时变动。

《每日经济新闻》记者统计OpenRouter数据发现，截至4月24日13:30，本周调用量领先的国内外主流AI大模型中，DeepSeek-V4-Flash的成本优势突出，每百万Token的平均输出价低至0.279美元，仅为OpenAI新发布的GPT-5.5 Pro（180美元）的1.55‰。

Anthropic Claude Opus系列、OpenAI GPT-5.4，以及谷歌Gemini 3.1 Pro Preview等大模型的输出价格均在12~25美元区间，是DeepSeek-V4-Flash的数十倍。

在输入端，DeepSeek-V4-Flash每百万Token平均输入价仅为0.07美元，只略高于阶跃星辰Step 3.5 Flash的0.031美元，显著低于其他国内外主流大模型。

值得一提的是，业界一直在关注DeepSeek-V4是否会使用国产算力。DeepSeek在产品介绍文章中用小字表示，受限于高端算力，目前V4-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，V4-Pro的价格会大幅下调。

DeepSeek-V4是如何实现低价的？

DeepSeek在58页的技术报告《DeepSeek V4：迈向高效的百万Token上下文智能》提到，V4开创了一种全新的注意力机制，在Token维度进行压缩，结合DSA稀疏注意力（DeepSeek Sparse Attention），相比于传统方法大幅降低了对计算和显存的需求。

这条路线和V3.2是一脉相承的。V3.2-Exp去年9月第一次引入DSA时，就把推理成本腰斩过一次。

真正让V4和V3.2在方法论上分岔的，是post-training（后训练）。技术报告中提到，V3.2的mixed RL（混合强化学习）阶段在V4被整体替换成了 On-Policy Distillation（同策略蒸馏）。

新的流水线分两段。先分别训练几十个领域专家模型，覆盖数学、代码、Agent、指令跟随，产出一个在各个领域内极强的“偏科生”。

在第二阶段，把十几个“教师模型”蒸馏到一个“学生模型”里。这种“先分头培养专家、再合并成通才”的路线，DeepSeek在报告里直接点名参考了思维机器实验室去年10月的on-policy distillation工作。

DeepSeek-V4的Agent账本：简单任务调用V4-Flash，高难任务调用V4-Pro

AI的使用场景已经从对话进入Agent。

OpenRouter与a16z联合发布的《2025 AI使用报告》覆盖超100万亿Token的匿名元数据，里面有一组数据极其关键——编程任务的Token占比从2025年初的11%飙到了50%以上，成为平台最大的单一使用品类。同时，Agent驱动的工作流产生的输出Token已超过平台总输出的一半。

过去的问答式AI，一轮对话消耗几百到几千Token，用户不再提问，Token就不会再消耗。Agent模式下，机器可以持续在后台跑流程。极端假设Agent全天候运行，每天吞掉数十亿Token。

因此，中国开源模型阵营几乎所有头部玩家都把Agent作为主攻方向，从架构到训练全链路为Agent场景做原生适配。

但光便宜不够，在这一轮真正拉开差距的，要在Agent场景下“跑得好”。

在此背景下，DeepSeek-V4似乎正是为Agent而研发的。DeepSeek在1000字的V4产品介绍文章中，Agent一词出现了多达11次。

价格较高但能力强的V4-Pro与快捷高效且价格便宜的V4-Flash的组合拳，恰好符合Agent的场景。

DeepSeek称，V4-Pro性能比肩顶级闭源模型，而V4-Flash是更快捷高效的经济之选。

● Agent能力：相比前代模型，DeepSeek-V4-Pro的Agent能力显著增强。在Agentic Coding评测中，V4-Pro已达到当前开源模型最佳水平，并在其他Agent相关评测中同样表现优异。目前DeepSeek-V4已成为公司内部员工使用的Agentic Coding模型。

● 世界知识：DeepSeek-V4-Pro在世界知识测评中，大幅领先其他开源模型。

● 推理性能：在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。

相比V4-Pro，V4-Flash在世界知识储备方面稍逊一筹，但展现出了接近的推理能力。而由于模型参数和激活更小，相较之下V4-Flash能够提供更加快捷、经济的API服务。

在Agent测评中，DeepSeek-V4-Flash在简单任务上与DeepSeek-V4-Pro旗鼓相当，但在高难度任务上仍有差距。

普通任务调用V4-Flash等低价模型，高难任务才调用V4-Pro。对DeepSeek来说，未来不是单纯比谁最强，而是比综合任务成本。

所以，V4-Flash的意义不是“便宜一点”，而是把Agent场景，变成可以算账的生意。

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前核实。据此操作，风险自担。

封面图片来源：兰素英