7月30日，OpenAI宣布将GPT-5.6 Luna的API价格降低80%，输入价格降到每百万Token 0.20美元，输出价格降到1.20美元。一天之后，DeepSeek发布V4 Flash正式版。它没有扩大参数规模，只是在预览版基础上重新进行后训练，官方公布的多项Agent评测却超过了V4 Pro Preview，并继续维持每百万Token 0.14美元输入、0.28美元输出的价格。
两件事发生得很接近，很容易被理解成一场普通的模型价格战。但我觉得，真正的变化不是谁在排行榜上前进了几名，而是AI模型正在出现一种新的竞争标准：未来最重要的模型，未必是解决最难问题的那个，也可能是每天被调用最多、承担最多实际工作的那个。
DeepSeek V4 Flash争夺的，正是这个位置。
一、Flash已经不再意味着能力弱一档
过去各家公司名称里的Flash、Mini、Haiku，通常都代表一种明确定位：能力比旗舰模型弱一些，但速度更快、价格更低，适合摘要、分类、信息抽取和简单问答。真正复杂的推理、编码和Agent任务，仍然要交给更大的模型。
V4 Flash正式版开始打破这个边界。DeepSeek公布的九项Agent测试中，它全部超过V4 Pro Preview。Terminal Bench 2.1从72.1提高到82.7，DeepSWE从12.8提高到54.4。第三方机构Artificial Analysis的综合智能指数中，V4 Flash最高推理档得到50分，与Gemini 3.6 Flash处在同一区间，只比GPT-5.6 Luna最高推理档低1分。
这些数字不能被理解为DeepSeek已经全面超过闭源模型。它的代码Agent测试使用了尚未公开的Harness，其中两项还是内部测试集；V4 Flash也只支持文本，无法与Gemini 3.6 Flash的多模态能力直接相比。
但它至少证明，低价模型已经跨过“只能做简单任务”的门槛。在一部分编码、工具调用和自动化任务中，大部分工作可以交给一个足够可靠、成本足够低的模型，只有遇到困难时，才调用更强的模型。
二、真正夸张的不是分数，而是这个分数对应的价格
如果只看50分和51分，V4 Flash与GPT-5.6 Luna差距不大；把价格放进来，情况就完全不同了。
V4 Flash每百万输入Token为0.14美元，输出为0.28美元；降价后的Luna分别为0.20美元和1.20美元；Gemini 3.6 Flash则是1.50美元和7.50美元。V4 Flash的输入价格比Luna低30%，输出价格低约77%；与Gemini 3.6 Flash相比，输入价格低约91%，输出价格低约96%。
假设一个Agent系统每月消耗1亿输入Token和2000万输出Token，不考虑缓存和不同模型的Token效率，V4 Flash的理论账单约为19.6美元，Luna约44美元，Gemini 3.6 Flash约300美元。这个简化计算足以说明价格差异如何随调用规模被放大。
不过，API单价最低不等于每个任务的真实成本最低。Artificial Analysis完成同一套评测时，V4 Flash生成了约2.1亿输出Token，明显高于同类模型中位数，说明它仍然偏冗长；DeepSeek还预告未来会实行高峰时段双倍价格。
开发者以后比较模型，不能只看每百万Token多少钱，还要看任务成功率、工具调用和重试次数、缓存利用率以及运行时间。真正应该比较的单位，不再是Token，而是“每个成功任务的成本”。
三、Agent让低价模型第一次成为大市场
在聊天产品里，用户问一个问题，模型回答一次，单次价格差异通常没有那么敏感。但Agent为了完成“修改一个功能”“分析一批合同”这样的工作，可能先读取文件、制定计划，再搜索、调用工具、执行代码、检查结果，发现错误后重新修改。一次用户请求背后，可能发生几十次甚至更多模型调用。
模型不再只是回答问题，而是在持续消耗算力完成工作。这也是为什么OpenAI在Luna降价时，重点案例几乎都围绕Agent展开。Ramp把Luna作为后台Agent自动化的默认模型，Cognition用它配合更大的模型处理常规编程工作；OpenAI自己给出的方案，也是让Sol负责制定计划，再让Luna执行修改、编写测试和检查结果。Google对Gemini 3.6 Flash的定位，同样是多步骤Agent工作流和更少的推理轮次与工具调用。
未来的Agent很可能不会只使用一个模型。最强模型负责规划、判断和处理异常，便宜模型负责搜索、执行、验证和大量子任务。就像一家公司不会让最资深的专家处理所有基础工作，Agent也不会把每一步都交给最昂贵的模型。
在这种分工下，旗舰模型决定能力上限，真正产生海量调用的，反而可能是中间这一层：能力已经足够，价格又低到可以反复使用。V4 Flash与Luna争夺的，正是Agent背后这个不一定被用户看见、却可能消耗最多Token的执行层。
四、开放权重让竞争不只发生在价格上
V4 Flash还有一个Luna和Gemini不具备的条件：开放权重。它采用MIT许可证，拥有2840亿总参数、每个Token激活130亿参数，并提供vLLM、SGLang等部署方式。
开放权重经常被理解为企业可以本地部署，但大多数公司并没有能力低成本运行这样规模的模型。它更现实的意义，是让云厂商和推理平台能够部署，让企业根据价格、数据要求和稳定性选择供应商，并针对自己的任务进行优化。
即使企业最后仍然使用官方API，开放模型也会成为闭源模型定价的参照，让任何一家厂商都更难依靠能力领先长期维持高溢价。OpenAI刚把Luna价格降低80%，DeepSeek紧接着用更低的价格提供接近的智能水平。两者之间没有证据表明存在直接因果关系，但它们共同说明，中间层模型的价格正在快速被压低。
未来模型公司的利润，可能越来越难只来自Token本身，而要转向Agent框架、工具生态、企业数据、稳定服务、分发入口和完整产品。模型能力仍然重要，但单纯出售模型能力这件事，正在越来越像一门基础设施生意。
五、最强模型决定上限，便宜模型决定规模
DeepSeek V4 Flash仍然有明显边界。它不是多模态模型，官方API的全球覆盖、稳定性、延迟和企业支持仍需验证；Gemini的多模态和原生工具能力，Luna与Codex、ChatGPT Work以及OpenAI生态的结合，也不是Token价格能够完整体现的。
但这不影响它释放出的信号。过去一年，开放权重模型首先证明自己可以接近闭源模型的能力；现在，它们又开始证明，这些能力可以被压到极低价格，并进入原本只有商业闭源模型才能承担的Agent工作流。
在聊天时代，我们习惯问哪个模型最聪明；到了Agent时代，企业会越来越关心：哪个模型能够稳定完成任务，哪个模型可以运行一百万次，哪个模型失败后重试的成本仍然可控，哪个模型不会让一个看起来不错的产品，在扩大用户量之后失去商业可行性。
所以，DeepSeek V4 Flash不是在挑战最强模型。最强模型负责解决最困难的问题，也决定整个行业的能力上限。但AI真正进入企业流程、替代大量重复工作、支撑成千上万个Agent持续运行，靠的未必是排行榜第一名。
最强模型决定我们能把AI带到多高，而足够强、足够便宜的模型，决定AI最终能够铺到多广。DeepSeek现在争夺的，正是后一个市场：它未必总是用户主动选择的模型，却可能成为Agent背后被调用最多的那个模型。
