大模型行业被引用最多的数字之一，是 557.6 万美元。
DeepSeek-V3 的技术报告写得很清楚：278.8 万 H800 GPU 小时，按每小时 2 美元算，正式训练花了 557.6 万美元。这个数字被引用两年，慢慢变成一句口号：不靠堆钱，也能做出顶尖模型。
但 2026 年 11 月，DeepSeek 第二轮融资完成 1055 亿元。 官方口径下，它的 Agent 工作台 Harness 每天要消耗约 92 万亿 token。 如果真不靠钱，这些钱和这些 token 从哪来？雷科技DeepSeek Harness
557.6 万美元不是假的，只是它只算了正式训练。技术报告特意注明，这个数字不含前期研究、架构消融和数据实验。 更重要的是，训练只是第一笔账，模型上线之后，每一次调用都在继续花钱。arXiv
DeepSeek 真正做的，不是把账单变小，而是把账单换了个地方：从“多买卡、堆参数”，换成“让每个 token 只经过必要的计算，让每段上下文只算一次，让每份工程成果被更多人复用”。这三件事，才是开发者能学的。
参数涨了，单 token 的计算反而降了
V4.1-Flash 比上一代 V4-Flash 更大。但读入时每个 token 只激活 8B 参数，生成时激活 16B。 官方把这套结构叫非对称 Causal-Encoder-Decoder：读长材料时用轻量编码器，生成答案时才调用更重的解码器。魔搭社区
对开发者来说，别再用参数量判断成本。一个 552B 的模型，如果每个 token 只走 8B，账单可能比一个 100B 的稠密模型还低。选型时该算的是“完成我的任务要花多少钱”，不是“它有多少参数、跑分多高”。OpenRouter 10 月 19 日至 25 日这一周，调用量前十的主力是 Flash 轻量版，不是旗舰；V4.1-Flash-1017 单周 33.6 万亿 token，环比涨 801%，上一版同期跌 45%。 调用量第一不等于能力第一，但它说明大多数开发者要的不是跑分冠军，而是能把任务做完、账单可控的模型。把简单任务路由给 Flash，把难任务留给旗舰，比 all-in 一个模型更划算。界面新闻
上下文不是免费的
Agent 场景里，同一段 system prompt、同一个代码库、同一份文档，会被反复送进模型。DeepSeek 在 V4.1 里把运行时 KV Cache 压到 V4-Flash 的约四分之一，持久缓存压到约八分之一。 DeepInfer 则用 3FS 存了约 100 PiB 的缓存，Agent 流量的 TTL 是 3 天，聊天流量是 7 天。 这给开发者的启示很具体：别每一轮都重写 system prompt，别把稳定前缀放在会变的位置，别把长上下文当成免费能力。缓存命中率是设计出来的，不是买来的。一个把前缀稳定住、把工具返回结果复用起来的 Agent，和一个每轮重排上下文的 Agent，账单会差出一大截。魔搭社区DeepSeek
开源不是免费，是研发杠杆
10 月 20 日 DeepSeek 开源 DeepInfer，不到一周，vLLM 和 SGLang 就集成了它的内核，部分配置下性能反超；一个独立开发者用一周做出 Resin，在 V4.1-Flash 上只差 5% 到 10%。 DeepInfer 本来就基于 vLLM 构建、借鉴了 SGLang 的思路，现在又回到社区。量子位
这不是慈善，是把研发外包给整个生态。对开发者来说，除非推理引擎就是你的产品，否则最快的路径是站在 vLLM、SGLang 上，把精力留给业务。你自己重写一遍调度器，不会比社区几百个贡献者更快。
接口稳定，比版本号漂亮更重要
V4.1-Flash 上线时，旧的 deepseek-v4-flash 模型名被暂时路由到新模型，旧代码不用改。 新模型上线一周，旧版调用量跌了 45%，流量迁移的速度比发布会快得多。版本号被拆得很细，V4、V4.1、1017 挨得很近，迭代周期明显缩短。对做 API 和 SDK 的人，这比任何架构图都实用：接口稳定，用户才敢把生产流量交给你；版本透明，你才敢频繁发版。知乎
效率没有消灭账单
V4.1-Flash 把单 token 成本压下去，Harness 的日消耗就涨到 92 万亿 token。DeepSeek 一边开源，一边在 6 月完成 510 亿元首轮融资、11 月完成 1055 亿元第二轮融资。8 月 V4-Pro 上线时，API 引入峰谷定价，整体价格有所上调。 11 月 Search 和 Fetch API 开始按成功请求收费。省下来的算力，很快被新需求吃掉。豹变
这是开发者最该记住的一课：不要把商业模型建立在“模型会越来越便宜”上。单价下降会带来用量上升，最后拼的是单位任务的总成本，不是每百万 token 的标价。DeepSeek 的路线，说到底不是“不花钱”，而是“让每一份算力都能被复用、被验证、被再次使用”。557 万美元只是入场券，1055 亿元是继续留在牌桌上的代价。
对开发者而言，真正能学的不是找一个更便宜的模型，而是把自己的系统设计成：同样的上下文只算一次，同样的工程只做一次，同样的接口能让用户一直用下去。
