“我能接受 DeepSeek V4 Pro的性能稍差，但不能接受 DeepSeek 涨价。”一名开源社区程序员这样评价 DeepSeek 的涨价。

DeepSeek 留给市场最鲜明的印象，是用远低于主流模型的价格，提供接近第一梯队的能力。用户可以容忍它偶尔答错、工具调用不稳定，因为极强的性价比足以覆盖这些小缺点。

这次涨价动摇了这份默契。

8月17日， DeepSeek V4 Pro和V4 Flash的新价格正式生效。V4 Pro峰时缓存命中价格从每百万Token 0.003625美元提高到0.044美元，价格变为原来的12.14倍；输出价格从0.87美元提高到3.96美元，变为4.55倍。V4 Flash峰时输出也从0.28美元提高到1.32美元，变为4.71倍。

DeepSeek 同时引入峰谷定价，谷时价格为峰时的一半。官方划定的峰时为UTC时间1时至4时、6时至10时，换算成北京时间，正好覆盖上午9时至12时和下午2时至6时，也就是国内企业和开发者最集中的工作时间。

一条评论在社区流传：“ DeepSeek 可以不强，但是不能贵，贵就是原罪。”

“原罪”是一种情绪化说法，却准确点出了 DeepSeek 面对的商业难题。如果甩掉深入骨髓的“性价比”标签，开发者是否真的能接受？Token价格上涨之后，它完成一项任务的综合成本要提升多少？

上游价格调整之后，最先做出反应的已经是模型订阅平台。

OpenCode披露，一次典型V4 Flash请求包含410个新增输入Token、7.13万个缓存Token和310个输出Token。按此计算，调价前每次请求约需0.000344美元；新价格机制下，谷时约0.000794美元，峰时约0.001588美元，分别变为原来的2.31倍和4.62倍。

OpenCode Go的五小时额度仍为12美元。假设请求结构不变，调价前理论上可完成约3.49万次请求，峰时新价格下约为7600次，减少约78%。

社区里还出现过“从6.33万次减少到3800次、缩水94%”的说法。这个口径同时采用了临时双倍促销额度和平台早期显示值，会夸大常态额度的变化。但按照3.165万次和最新7600次计算，约减少四分之三，冲击依然足够明显。

从价格传导的角度来看，上游价格表的改动，会逐渐影响下游重新分配模型、额度和毛利。

图：惊涛骇浪中半潜的鲸 由AI生成

01 同一个DeepSeek，五种价格

要理解这次涨价的影响，首先要厘清 DeepSeek 的销售渠道。

最直接的渠道是官方API，用户按照缓存命中、普通输入和输出Token付费，并接受峰、谷价格。 DeepSeek 网页和App承担消费者入口，但开发者、Agent平台和企业应用的边际成本，主要由API价格决定。

第二类渠道是OpenRouter等模型聚合平台。OpenRouter将同一个模型接入多家推理服务商，用户可以在价格、生成速度和可用性之间选择，平台也可以自动路由。

第三类是云平台。这里可能同时存在原厂API转售、云厂商自行部署、区域节点、企业折扣、包量套餐和积分计划。

第四类是OpenCode Go一类的订阅服务。用户支付固定月费，平台在后台承担模型采购、路由和成本波动。

第五类是自行部署开放权重。此时用户不再按Token向 DeepSeek 付费，成本转化为GPU租金、量化精度、推理框架、吞吐率和运维投入。

这些渠道共同造成了一个看似矛盾的现象： DeepSeek 官方涨价，不代表市场上所有 DeepSeek 服务会在同一天、按照同一幅度上涨。

截至8月18日，Deepseek V4 Pro 0813已经接入11家服务商。多数线路的普通输入和输出价格集中在每百万Token 1.32美元和3.96美元，GMICloud折后最低为1.218美元和2.436美元，阿里云国际最高为1.452美元和4.356美元。相比普通输入和输出，缓存价格差异更大，从0.044美元到0.44美元，相差10倍。各线路的典型生成速度差异明显，中位数从每秒约28个Token到97个Token不等。

新版模型上线数日内，服务商数量从早期的三家迅速增加至12家，说明第三方推理供给正在快速跟进。不过，目前大多数线路的普通输入和输出价格已经向 DeepSeek 官方峰时价格靠拢，明显的价差主要集中在限时折扣、缓存价格、生成速度和服务可用性上。

这也是第三方托管可能出现短期套利空间的原因。官方价格调整后，自建算力的服务商可以暂时维持旧价格，也可以通过量化和提高GPU利用率压低报价。

问题在于，低价线路仍要接受四项检验：生成速度是否稳定、峰值流量下是否可用、量化后能力是否下降，以及它提供的究竟是不是最新模型版本。

02 DeepSeek还有性价比吗？

DeepSeek 的新价格生效前后，竞争对手正在向相反方向行动。

单看Token价格， DeepSeek Flash在峰时已经失去部分优势：普通输入为每百万Token 0.44美元，是Luna的2.2倍；输出为1.32美元，比Luna高10%；缓存读取为0.014美元，仍比Luna低30%。

到了谷时，V4 Flash普通输入为0.22美元，只比Luna高10%；输出为0.66美元，比Luna低45%；缓存读取为0.007美元，比Luna低65%。

这意味着，缓存较少、输入内容经常变化的应用，在峰时使用Luna可能更便宜；大量复用上下文的代码Agent，V4 Flash仍有机会保留优势。

按照OpenCode披露的典型Flash请求计算，每次请求包含410个新增输入Token、7.13万个缓存Token和310个输出Token。调价前，这次请求约需0.000344美元；调价后谷时约需0.000794美元，变为原来的2.31倍；峰时约需0.001588美元，变为4.62倍。

如果让Luna处理完全相同数量的Token，成本约为0.00188美元。在这个缓存量远高于新增输入的例子中，V4 Flash峰时仍比Luna便宜约15.5%。

临界条件也可以计算出来：V4 Flash要在峰时保持成本低于Luna，缓存Token数量需要大于“新增输入的40倍，加上输出的20倍”。一旦达不到这个比例，Luna的Token成本更低。

不过，固定Token结构只能回答一次调用的账单，无法判断完成同一项工作需要消耗多少Token、调用多少次工具或者经历多少次重试。

开源软件工程任务评测项目DRadar提供了另一层观察。它将Sol、Terra、Luna、 DeepSeek V4 Flash和V4 Pro放入真实软件工程任务，通过不同推理强度下的任务表现和实际消耗，计算“综合成本—能力”位置。

涨价前，V4 Flash的低推理档和V4 Pro High仍占据部分性价比前沿，其中V4 Pro High能够以明显低于Sol和Terra的成本，取得接近高能力档位的结果。

DeepSeek 涨价后，模型得分没有变化，综合成本坐标却明显右移。即使按照谷时价格计算，V4 Flash的多个档位也开始被Luna以更低成本和更高能力覆盖；V4 Pro High则移动到Sol、Terra的成本区间，能力没有形成相应领先。到了峰时，这种挤压更加明显：中等能力任务更容易落入Luna的优势区间，接近高能力档位的任务则需要重新比较Sol和Terra。

按照DRadar这组真实软件工程任务的结果， DeepSeek 涨价后基本退出了原有的综合成本—能力前沿。

V4 Pro面临的压力更直接。无论峰时还是谷时，其普通输入、缓存输入和输出价格都高于Luna。它需要依靠更高的任务成功率、更少的重试和更稳定的工具执行，证明自己在每次成功任务上的投入仍然合理。

图：DRadar开源项目测算的涨价前后综合成本对比

03 谁最先为DeepSeek涨价买单？

涨价最先会影响到谁？Token Plan运营商已经成为这次涨价最直接的传导层。

这类平台通常向用户收取固定月费，再通过批量采购、包销GPU、缓存优化和用户使用率差异，把10美元订阅封装成价值数十美元的模型用量。

OpenCode Go每月订阅价格为10美元，平台希望通过批量折扣和预留GPU容量，为用户提供最高约60美元、相当于订阅费六倍的模型用量。但这一倍率并不适用于所有模型。对于暂时无法获得采购折扣、也难以通过自行托管降低成本的模型，OpenCode只能压低相应的使用价值。

DeepSeek 涨价后，这种差异已经反映在额度表中。OpenCode为V4 Flash配置的套餐使用价值为30美元，V4 Pro只有15美元，均未达到部分成熟模型可获得的60美元。按照平台观察到的典型请求结构，在每五小时12美元的使用上限内，V4 Flash预计可以完成约7600次请求，V4 Pro约为1050次。固定月费没有变化，上游价格压力被转化成了更低的使用倍率和更少的估算调用次数。

作为参照，同一计划中，GPT-5.6 Luna每五小时约可完成2050次请求， MiniMax M3约3200次，Hy3约4300次，MiMo-V2.5则达到3.01万次。不同模型的输入长度、缓存量和输出量并不相同，这些数字不能用于比较单次任务的真实成本。

它们能够说明的是，在固定订阅模式下，平台会根据采购价格和托管成本重新分配模型额度， DeepSeek 涨价最终由订阅用户以可用量减少的方式承担。

图：在OpenCode社区，一名用户以“Bye bye OpenCode Go”为题讨论Flash价格变化，评论中有人提醒取消订阅，也有人表示“已经不值得”。

面向多模型重度用户、规模相对较小的Cola Token Plan也表示，按照自身流量结构测算， DeepSeek 的综合成本增加约3至6倍，随后将Flash和Lite的套餐消耗标准整体调整到此前约三倍，并准备重新设计模型组合。

第二批承受压力的是薄毛利AI应用。写作、翻译、客服和知识库产品通常采用固定订阅，很难在上游涨价当天同步向用户提价。模型路由、上下文压缩、峰谷调度和限制重度用户，都会成为维持毛利率的工具。

第三批是Agent平台。Agent需要重复读取上下文、调用工具、检查结果和处理失败。一次看似简单的任务可能产生数十轮模型调用。只要其中一个环节不稳定，Token价格优势就可能被重试成本抵消。

DeepSeek 的价格画风转向有点急。

今年5月， DeepSeek 将V4 Pro的75%促销折扣转为长期价格。调整后的普通输入和输出分别约为每百万Token 0.435美元和0.87美元。当时，能力接近的模型贵出数倍甚至一个数量级，价格接近的模型又存在明显能力差距。

社区由此如此形容 DeepSeek 的价格，如果一个模型如果没有显著超过 DeepSeek ，就很难解释自己为什么贵那么多，这也形成了一条隐形的线。

但是8月17日之后，这条线被 DeepSeek 自己抬高了。Flash仍有机会依靠缓存和谷时价格守住大量调用，Pro开始进入一个更加严苛的竞争区间。开发者会把它与Luna、GLM、 Kimi 和其他开放模型逐项比较，模型在推理、工具调用和代码能力上的小幅差距，也会被重新放大。

在价格优势之外， DeepSeek 还拥有开放权重、百万Token上下文、中文能力和较高的开发者认知。新版V4 Pro也在多项Agent评测中明显超过Flash。问题在于，这些优势能否支持数倍于旧价格的账单。

DeepSeek 给出的另一个答案，是Harness。

04 “运行时”竞争

DeepSeek Harness 的核心设计可以概括为“一切皆插件”。

模型、工具、技能、会话、沙箱、存储、Agent循环、任务调度和用户界面，都能被加载、卸载或替换。开发者可以增加工具、更换模型供应商、重写记忆方式，也可以改造整个Agent循环。模型在这套架构中只是一个组件。

推出Harness之后， DeepSeek 开始进入模型与真实工作之间的执行层。

截至8月18日， DeepSeek Harness 在GitHub已获得约15.3万Star和1.6万Fork，显示出极强的社区号召力。

DeepSeek 在官方README中鼓励开发者使用dsh-plugin标签发布插件，社区随后建立了插件目录和插件市场，开始提供桌面客户端、文件工作台、任务看板、模型切换、MCP管理、会话恢复、缓存统计和费用监控等功能。还有开发者讨论插件注册规范、兼容性检查和dsh doctor诊断工具。

这些项目的质量仍然参差不齐，至少说明“一切皆插件”降低了参与门槛。对 DeepSeek 而言，这有机会形成模型、插件和真实任务相互推动的反馈循环，也为未来的托管运行时、企业SLA、安全审计和插件认证留下商业空间。

与此同时，也出现了不少批判性评价。

DeepSeek 在项目首页用大写字母提醒，后续“会出现破坏兼容性的变化”。这意味着现有部署在升级后可能需要重新适配。对于开发者预览版，这是正常的风险说明；但如果企业希望进行私有化部署，它表明dsh尚未形成稳定的生产标准。

一名开发者评价：“一个没有在市场上打磨的Harness，很难效果好，不是针对 DeepSeek ，任何一家都一样。”Agent运行时需要面对复杂环境，许多问题只有在大量真实任务中才会暴露。

社区已经发现了一些具体问题。

一名开发者发现，Harness极简模式执行pwd、ls等毫秒级命令时，启动需要约3.5秒，第一条命令有时要等待7秒。检查代码后，最终发现底层终端等待的是dsh>提示符，上层持久化Shell插件却使用了另一个字符串。两层程序无法确认Shell已经准备完成，只能等到超时。

修改两处代码后，该开发者称命令延迟从约3600毫秒降至158毫秒，并向官方提交了修复分支。这个案例说明了一个普遍问题：Agent的成本还包括工具等待、失败重试和额外上下文。一个很小的运行时错误，就可能消耗掉模型在Token价格上节省的成本。

还有开发者认为，如果 DeepSeek 先依靠低价Flash扩大Harness的使用规模，就能更快获得Bug报告、失败轨迹和插件适配经验。API涨价提高了使用deepseek模型试用harnesss的成本，可能拖慢这一过程。

甚至有人提出，能否在 DeepSeek Harness 中接入Luna的订阅，因为Luna更便宜。这暴露了插件架构的另一面：Harness可以帮助 DeepSeek 建立Agent入口，也让用户更容易替换 DeepSeek 模型。运行时获得开发者，并不保证调用量最终留在 DeepSeek 。

在一个“一切皆插件”的世界里，每个入口，也都是出口。Harness可以把更多任务带给 DeepSeek ，也可以成为开发者切换到其他模型的舷梯。

因此，deepseek harness的生态意义已经出现，商业价值还要打个问号。

DeepSeek 为什么要大幅涨价？ DeepSeek 给出的官方理由是“更合理地配置资源、提升服务稳定性”，但这只能解释峰谷差价，无法完整解释此次涨价。

有人猜测是算力趋紧，有人认为它在结束推广期定价，也有人把这看作 DeepSeek 开始测试自己的品牌溢价和商业化能力。

涨价之后的 DeepSeek ，还是原来的那个 DeepSeek 吗？

本文来自微信公众号“腾讯科技”，作者：值得关注的