DeepSeek降价“救场”：大模型竞争转向综合实力与用户体验之争

人工智能大模型领域的价格竞争与服务升级正呈现新态势。9月9日，DeepSeek宣布对旗下Flash系列模型实施价格调整，并预告将于近日推出V4.1 Flash版本，宣称该模型在性能、响应速度及综合成本上全面超越前代V4 Pro。此次价格变动距离其8月中旬上调V4 Pro价格尚不足一月，引发行业对大模型定价策略的深度关注。

根据最新调价方案，DeepSeek将Flash模型在非高峰时段的输入成本大幅下调：缓存命中场景从每百万Tokens 0.05元降至0.02元，降幅达60%；非缓存命中场景从1.5元降至1元，降幅约33%；输出成本则由4.5元微调至4元。高峰时段价格维持为非高峰时段的两倍。值得注意的是，尽管输入成本基本恢复至涨价前水平，但输出价格仍较此前2元的标准上涨一倍，显示此次调价并非全面回调。

行业观察指出，大模型市场正经历从单纯价格竞争向综合服务能力比拼的转型。多位开发者透露，模型API单价已难以准确反映实际使用成本，部分看似低价的模型因稳定性不足导致重复调用，反而推高整体Token消耗。某科技企业负责人王克江透露，其团队在代码开发场景已完全弃用DeepSeek，转而采用GLM等模型，仅在地理信息处理等特定场景保留零散调用。

市场竞争格局的演变加速了用户迁移。8月以来，智谱、阿里等企业相继推出高性价比模型：智谱GLM-5.3-Flash定价仅为前代1/10，限时折扣期更达1/20；阿里Qwen3.8-Flash通过架构优化将推理成本降至DeepSeek V4 Flash的三分之一。这些举措直接冲击了DeepSeek此前建立的性价比优势，部分开发者账单显示，8月使用成本较7月激增近3倍。

企业用户的选择标准正发生根本性转变。王克江表示，在容错率较高的常规任务中，团队倾向于选择"够用且便宜"的模型；但在涉及复杂推理、代码生成等关键场景时，即使单价更高，也会优先选用能力更强的模型。"实际成功率、重试成本和错误修复成本构成的总拥有成本，才是决策的核心依据。"他强调，随着AI应用从单次对话转向高频调用，微小的单价差异可能被放大为显著的业务成本差异。

技术迭代成为厂商应对竞争的关键手段。DeepSeek Harness团队负责人透露，即将发布的V4.1 Flash在各项指标上实现突破，因此决定在V4.1 Pro上线前，将原指向V4 Pro的请求全部路由至新版本，并按Flash价格计费。这种"降维打击"策略既展示了技术自信，也试图通过性能提升对冲价格调整带来的影响。