DeepSeek V4 的 API 价格一出，可以说是直接把同行按在地上摩擦了——Flash版输入只要 1元/百万token，Pro版 12元。同期对标的 GPT-5.4 或 Claude Opus 4.6，调用成本大约是它的 50倍。

不是便宜一半，是便宜 50 倍！这个数字大到简直不像是在同一个赛道里的报价。

📉 离谱的“跳楼价”与成本下降曲线

这并不是 DeepSeek 第一次搞“价格屠夫”操作。如果我们回顾它家前几代产品的表现，会发现一条陡峭到让人头皮发麻的成本下降曲线：

  • V2：训练成本是 GPT-4 Turbo 的 1/70
  • V3：训练成本降到了 GPT-4 的 1/14
  • R1：直接干到了 GPT-4o 的 1/20

三代产品，每一代都在往下砸一个数量级的成本。连 OpenAI 的奥尔特曼自己都说，AI 成本每 12 个月降 10 倍，这可比当年的摩尔定律猛多了。

🧠 算法“黑魔法”：极限压榨每一滴算力

在算力资源拼不过美国大厂的背景下，DeepSeek 是怎么把成本打下来的？答案是：极限改造算法机制。

当同行们还在比拼谁的卡多时，V4 直接在注意力机制上动了刀子，推出了全新的 CSA（压缩稀疏注意力）和 HCA（层次化压缩注意力）结构，暴力压缩 KV 缓存。

  • 降本增效：在百万 token 的长上下文里，处理一个新 token 需要的算力只有上一代的 27%。深度求索甚至直接表态：从现在开始，百万上下文就是官方服务的标配。
  • 成绩逆天：在知识基准、数学竞赛、编程竞赛三大领域，顶配的 V4 Pro Max 模型直接冲顶。这不仅是降本增效，这根本就是换了一套物理法则在玩！

⚔️ 打破CUDA神话：让英伟达夜不能寐的“灾难”

但 V4 带来的最大王炸，其实藏在技术报告 3.1 节的一句话里：“我们在NVIDIA GPU和华为昇腾NPU两个平台上验证了这个细粒度的专家并行方案。”

注意这个措辞，这不是勉强能用的“兼容适配”，而是直接把华为昇腾和英伟达摆在了同等位置的“原生支持”。

一直以来，英伟达最深的护城河从来不是 GPU 算力本身，而是 CUDA 生态——近二十年来，几乎所有主流 AI 框架、算子库和开源模型的首发优化，都把 CUDA 当作唯一的默认起点。

但 DeepSeek 把在昇腾上跑通的这条路给蹚平了！让两套完全不同的硬件跑出了完全一致的数学结果，这意味着世界上存在一条真实、可运行、被顶级模型验证过的“非CUDA路径”。

这也就是为什么黄仁勋在播客里直呼这事儿是“灾难性的”。二十年的生态壁垒，被撕开了一道巨大的裂缝。

⚡ 【编辑观察】算力化身“水电”，国产大模型走出新路

巨头们还在疯狂烧百亿拉新，大模型都在面临“用户暴增但算力跟不上”的窘境。DeepSeek 选择了一条最硬核的突围路线：用效率把存量差距变成了一个可以绕过去的问题。

当阿里、字节、腾讯等大厂开始批量向华为采购数十万颗昇腾芯片，当行业龙头用脚投票跟进非 CUDA 路径时，这就不再是一家公司的狂欢，而是整个行业的共识。未来，算力也许会像水和电一样成为便宜易得的公共设施，到那时候，AI 真正的大航海时代才算刚刚拉开帷幕。