《财经》独家披露，DeepSeek正启动第二轮融资，计划募集500亿元，投前估值达到5000亿元，预计8月下旬敲定协议。
今年6月，DeepSeek刚刚完成首轮500亿元融资，刷新国内大模型首轮融资记录，投后估值超过3500亿元。仅仅两个月后，其投前估值已增长约43%，两轮筹款结束后累计总额将超千亿元。
支撑高估值的实力，源自DeepSeek颠覆行业惯例的计费体系。
详细情况是这样的，权威模型测试媒体Artificial Analysis发布了一组实测结果，他们让多个主流模型执行同一套基准测试，看谁的平均成本更优。
测试数据表明，DeepSeek V4-Flash完成整套基准测试，平均单次任务成本仅需3美分。
单看这个数字似乎并不突出，但一旦与其他主流模型对照，情况就显著不同。在相同基准下，Anthropic的旗舰模型ClaudeFable 5平均成本是3.15美元，GPT-5.6 Sol需1.86美元，DeepSeek较Claude的成本优势达百倍之差。
不止于节省开支，DeepSeek V4-Flash的速度也颇值一提。Artificial Analysis的实测数据显示，DeepSeek V4 Flash（Max Effort模式）的输出速度约为113tokens/秒，而同类别的Anthropic旗舰模型Claude Opus 5仅74tokens/秒，前者是后者的1.5倍。
换言之，当DeepSeek全部基准测试走完时，Claude还处于测试中段。
付出的代价是什么？
为获得这种无与伦比的性价比和效率，DeepSeek V4-Flash在智能水平上有所倾斜。Artificial Analysis的数据指出，智能指数得分V4-Flash为50分，与谷歌Gemini 3.6 Flash持平，落后顶尖模型约10分——Claude Opus 5得61分，Fable 5得60分。
成本百倍降低，速度翻倍提升，性能仅少约20%。对那些采购模型API的企业而言，决策可能需要重新评估。
A
近些年，大模型行业的定价方式既直接又简单，纯粹按token消耗量收费。输入每百万token多少费用，输出每百万token多少费用，厂商怎么标价，用户就怎么付款。
这套算法存在问题，它比较的是“原材料价格”，而非“成品价格”。
好比去餐馆进餐，菜单标示“大米5元一斤”，但我更关心“一碗米饭多少钱”。tokens好比大米，任务仿佛那碗米饭。大米价格再低，烹饪手法依然决定米饭的最终定价。
DeepSeek V4-Flash的官方定价是每百万输入token 0.14美元，每百万输出token 0.28美元，人民币定价为输入缓存未命中每百万输入1元，输入缓存命中每百万0.02元，输出每百万2元。
此价格已处行业最低层级。关键在于，token价格低不代表任务成本便宜，一个模型若需生成更多token完成同样任务，廉价的单价可能酿成高额账单。
Artificial Analysis所做的工作，正是完成这层“转换”。他们对比的是“完成同一套基准测试的花费”。这种衡量标准被称为“每次任务成本”（Cost per Task），将token使用量、推理深度、缓存命中率、思考时长等全部因素综合考量，直接给出完成任务的总费用。
疑问来了，DeepSeek如何实现如此低价？
V4-Flash模型总参数达2840亿，但单次推理实际仅激活130亿，不足总参数的十分之一。
网友评论