美华头条综合报道 中国人工智能企业DeepSeek于7月31日正式发布V4-Flash-0731模型，以低于多款国际主流产品的调用价格进入全球开发者市场。8月3日公布的第三方评测显示，该模型完成标准测试的平均运行费用约为3美分，在受测知名模型中成本最低，但综合能力仍落后于部分高端产品，反映人工智能企业之间的竞争正由单纯追求更高性能，进一步转向性能、价格和部署效率的综合比较。

DeepSeek在模型说明中表示，V4-Flash-0731是V4-Flash预览版的正式版本，沿用原有模型结构，并重点加强工具调用、编程和多步骤智能代理任务。该模型支持百万级上下文，模型权重按照MIT许可证发布，开发者除可通过云端接口调用外，也可以根据计算资源和数据管理需求进行自主部署。

按照第三方研究机构Artificial Analysis提供的数据，V4-Flash每100万输入Token收费0.14美元，每100万输出Token收费0.28美元。Token是人工智能模型处理文字、代码和其他信息时使用的计量单位，实际费用取决于输入规模、输出长度以及完成任务所需的调用次数。

Artificial Analysis根据模型完成一组编程、推理和办公类任务时实际处理及生成的数据量计算，V4-Flash平均完成一次测试的费用约为3美分。作为比较，月之暗面Kimi K3的平均测试成本约为86美分，OpenAI GPT-5.6 Sol约为1.86美元，Anthropic Claude Fable 5约为3.15美元。按照这一测试结果，V4-Flash的平均运行费用约为后者的百分之一。

这种计算方法与单独比较每百万Token价格有所不同。模型标示价格较低，并不一定意味着完成任务的总费用最低。如果一个模型需要更多推理步骤、更长输出或多次修正，其实际运行成本仍可能上升。V4-Flash在此次评测中同时保持较低单价和较低任务费用，显示其价格优势也与推理过程中的资源使用效率有关。

不过，低成本尚未转化为综合性能上的领先。Artificial Analysis的智能指数综合九项编程、推理和工作场景测试，V4-Flash获得50分，与谷歌Gemini 3.6 Flash持平，比Meta Muse Spark 1.1和智谱GLM-5.2低1分。月之暗面Kimi K3获得57分，Anthropic和OpenAI的部分高端模型则至少领先V4-Flash 9分。

DeepSeek公布的专项测试呈现出更具差异化的结果。在终端编程和智能代理测试中，V4-Flash的部分成绩接近Anthropic Claude Opus 4.8；在需要将自然语言要求转化为完整软件项目、处理高难度编程任务的测试中，两者仍存在较明显差距。

例如，V4-Flash在Terminal Bench 2.1测试中获得82.7分，Claude Opus 4.8获得85分；在NL2Repo测试中，两者分别获得54.2分和69.7分；在高难度编程代理测试中，两者分别获得59.6分和71.7分。相关成绩由DeepSeek按照其公布的测试环境取得，其中部分项目使用公司内部测试集，因此不能直接替代统一条件下的独立评测。

企业测试和第三方测试共同显示，V4-Flash的主要优势集中在价格、长文本处理和部分编程代理任务，而非在所有能力指标上超过高端模型。对于批量代码生成、资料整理、文本处理和自动化执行等高频任务，较低价格可能降低企业应用人工智能的门槛；在复杂系统设计、关键业务流程和高准确率场景中，模型的稳定性、推理能力和服务保障仍可能比单次调用价格更重要。

此次发布也发生在中国人工智能企业竞争加快的背景下。DeepSeek的R1模型在2025年初获得国际关注，并引发市场重新评估训练和运行先进模型所需的成本。此后，月之暗面、MiniMax、智谱、字节跳动和阿里巴巴等企业持续推出新模型，在推理、编程、长文本和企业应用领域争夺开发者及客户。V4-Flash通过进一步降低调用费用，延续了DeepSeek以成本效率进入市场的产品路线。

美国人工智能企业也在调整价格和产品层级。Axios报道，OpenAI降低了面向高频任务的部分模型价格，谷歌推出多款强调速度和效率的Flash系列产品，Meta也以较低价格面向开发者提供新模型。Anthropic则继续为高端Claude产品维持相对较高收费，强调复杂任务、安全控制和准确性。不同策略显示，人工智能市场正在形成高性能旗舰模型与低成本应用模型并行发展的产品结构。

随着不同模型之间的性能差距在部分日常任务中缩小，企业可能不再依赖单一供应商完成所有工作，而是根据任务的重要程度、响应速度、费用和数据安全要求选择不同模型。普通文本处理和重复性任务可以交由成本较低的产品完成，复杂规划和质量审核则由能力更强的模型承担。

高通公司人工智能产品管理负责人Vinesh Sukumar认为，能够根据能力、速度和价格自动选择模型的智能路由系统，可能形成新的市场。按照这一模式，企业不必为每项任务调用价格最高的模型，而可以在多个供应商之间动态分配工作，由此提高模型价格的透明度，也增加供应商依靠单一技术优势维持长期溢价的难度。

模型价格持续下降，也对人工智能行业的大规模基础设施投资提出新的商业要求。美国科技企业正在投入巨额资金建设数据中心、采购芯片和训练前沿模型，但单次调用收入下降可能压缩服务利润。另一方面，更低价格也可能吸引更多中小企业、研究机构和独立开发者使用人工智能，使新增需求和调用规模扩大。

因此，低价并不必然意味着人工智能业务无法实现盈利，关键在于使用量增长能否弥补单次服务收入下降，以及企业能否通过云服务、软件工具和行业解决方案形成新的收入来源。对于模型开发商而言，未来竞争不仅是推出能力更强的模型，还包括降低推理成本、提高硬件利用率，并把技术能力转化为稳定的商业需求。

开放权重为V4-Flash提供了另一项市场特点。企业可以将模型部署在自有服务器或指定的数据中心，以加强对数据流向和运行环境的控制。但自主部署仍需要计算设备、存储、能源和专业维护，较低的接口价格并不等同于企业整体使用成本接近于零。

从现有评测结果看，V4-Flash尚未在综合能力上超过多款中美高端模型，但已将同类人工智能服务的价格进一步压低。其直接影响是促使开发者和企业重新计算模型完成实际任务的总成本，也促使其他供应商在性能、价格、开放程度和企业服务之间重新确定产品定位。

全球人工智能市场由此呈现进一步分层的趋势：高端模型继续面向复杂推理和关键业务，低价模型扩大批量自动化和日常应用，开放权重模型则满足自主部署和定制开发需求。随着多数常规任务可以由更多模型完成，谁能以较低综合成本持续提供稳定、准确和便于部署的服务，将成为下一阶段人工智能竞争的重要因素。