文 | 硅基星芒

发现没有，上周五DeepSeek V4发布后不到48小时，人们甚至还没来得及用它跑完一个完整项目，官方就甩出了另一枚炸弹。

Pro版本API价格限时2.5折，优惠期持续到5月5日。紧接着，Pro和Flash的输入缓存命中价格一步到位，打到原价的十分之一。

第一反应是困惑。

3月以来，无论海外的OpenAI、Anthropic，还是国内的智谱、阿里、腾讯，AI产品与“降价”二字彻底绝缘。模型越做越大，API价格水涨船高，跑分结果一路往上，用户对着账单无话可说。行业在短短一个月内形成了惊人的默契：AI就该越来越贵，想体验到更好的智能，就得付更高的价格。而DeepSeek V4 Pro的价格已经逼近国内AI产品的下限，Flash版本比旧模型还便宜。此时继续降价，逻辑上无法解释。

第二反应是震惊。

输入缓存命中价格降到0.025元，在智能体时代说“接近免费”没有夸张成分。而且缓存命中的降价是永久的，不是限时活动。一个自然的质疑随之而来：这是不是文字游戏？必须缓存命中才能享受这个价格，实际使用中命中率能有多少？实测结果给出了答案：不是噱头，是真的便宜。

当国内外同行还在为几块钱的定价调整反复权衡时，DeepSeek直接把价格表里的小数点往左挪了一位。开发者眼里，这是慈善。竞争对手眼里，这是价格战。但两者都没有触及本质。

这是在清场。是一场早已分出胜负的成本斩杀。

DeepSeek之所以能在算力紧缺、人才流动的环境下敢于如此激进地调价，原因藏在那份58页的技术报告中。它早已不需要烧钱换市场。它是在用一套从头重构的底层架构，把大模型的推理成本推向了人们从未想象过的数量级。

记忆的工业化

读技术报告时，一个数字跳了出来：在百万token上下文场景下，V4的KV Cache占用仅仅是前代V3.2的10%。十分之一的定价，源头就在这里。

要讲清楚这件事，得从KV Cache说起。今天人们与大模型的对话远比几年前复杂，附上几十页的文档作为参考资料已经司空见惯。模型必须把这些冗长的内容记住，才能正确回答问题。这种记忆就是KV Cache。

问题在于，长篇大论带来的记忆既复杂又臃肿。一本百万字的书看起来轻薄，模型却需要占用十几张昂贵显卡的显存来保存记忆。实现长上下文窗口的成本，一直居高不下。

有人选择接受现实，DeepSeek选择了另一种路径：掀翻传统的记忆方式。

第一种新方法叫压缩稀疏注意力。传统注意力机制中，一个token对应一组KV向量。压缩稀疏注意力的做法是，通过可学习的线性投影和Softmax函数计算出压缩权重，将连续多个token的KV状态在序列维度上融合成一个单一条目。

翻译成直觉能理解的话：以前模型需要逐字逐句记住用户发来的内容，现在它学会段落总结，把每几十个词的核心意义浓缩成一句话。在V4 Pro中，压缩率设为4，仅这一步，缓存体积在序列长度上直接缩减75%。

第二种方法更加激进，叫重度压缩注意力。它试图把远大于常规压缩窗口的token记忆压进一个条目，不做稀疏检索，而是全局密集注意力计算。代价是计算开销增加，回报是压缩率惊人。在V4 Pro中，这一层的压缩率是128。段落总结还够，直接做篇章提炼，一整页内容浓缩成几个关键词。

但激进压缩必付代价。局部细粒度信息和严格的因果关系，都会被这种暴力压缩破坏。DeepSeek的解法是，在注意力机制中增加一个独立分支：窗口大小为128的滑动窗口。最近128个token不被压缩，以此保证模型对近期上下文的精确感知。缓存管理上，异构KV Cache架构将未压缩token作为一种状态独立管理，让高压缩比下的回答质量得以维持。

还有一步不能忽略：混合精度存储与磁盘复用。KV Cache中的特征维度，只有用于旋转位置编码的最后64维保留BF16精度，其余全部量化为FP8格式。物理存储又砍掉一半。

在这些层层削减之后，缓存体积已被压缩90%以上，因此V4可以将这些高度压缩的KV条目直接放到廉价的固态硬盘中。用户发起长文本请求时，系统从硬盘直接拉取已压缩的缓存，跳过了昂贵的GPU预填充计算，同时极大节省了HBM显存。

成本降到十分之一，顺理成章。

这是一种记忆的工业化。过去，记忆是手工作坊，每个细节都要原样保存。现在，记忆变成了流水线，有标准化工序、有压缩算法、有分级存储。冗余被剔除，本质被保留。

算力的结构性瘦身

除了显存占用，推理计算时的浮点运算次数，是衡量算力消耗最主要的标准。在1M长上下文下，V4 Pro的单token推理FLOPs只有前代V3.2的27%。

下降的核心，是一套动态稀疏选择机制。即使有了压缩缓存，查询向量和前面几万个压缩后的KV向量计算注意力分数，计算量仍然庞大。DeepSeek的做法是：对于当前查询向量，模型通过下采样和上采样矩阵将其映射到低维隐空间，生成一个用于检索的索引Query向量。这个索引向量与历史缓存的压缩块计算粗略得分，每次生成token时只检索得分最高的1024个压缩KV条目，再进行后续的核心注意力计算。

传统注意力机制中，解码计算复杂度随上下文长度线性增长。压缩稀疏注意力将复杂度强制截断为常数级运算。当上下文长度达到一百万时，常数级的计算量几乎可以忽略不计。这是27%这个数字的结构性来源。

与此同步推进的，是精度的系统性妥协。V4不仅将混合专家架构的专家权重量化为FP4精度，还首次将FP4深入注意力计算的核心。Query和Key向量的激活值缓存、加载、矩阵乘法，全部在FP4精度下运行。量化感知训练期间，索引得分也从FP32降到BF16。硬件层面，FP4精度的吞吐量是FP8的两倍。这种极低精度计算让长上下文的注意力计算速度加倍，同时维持了99.7%的KV检索召回率。

99.7%的召回率值得品味。这意味着，算力下降了，精度几乎没有损失。过去人们本能地认为，更便宜意味着更差。DeepSeek用数据证明，这个等式不总是成立。在工程的世界里，冗余和裕度并不天然等于更好的结果。

底层的极致压榨

自顶向下看完整套算法优化，再往下一层，是DeepSeek一贯的看家本领：对底层基础设施的彻底压榨。这种优化已经到了“抠门”的地步，却构成了集群吞吐量提升和降价护城河的真实来源。

V4 Pro参数量达到1.6万亿，在国内仅次于Kimi系列模型。但这也是问题所在。混合专家架构中，专家并行的跨节点通信，随着参数膨胀成为瓶颈。DeepSeek团队用自研的TileLang语言编写底层融合算子，将MoE层的计算按波次划分。一波专家的通信一旦完成，GPU立刻开始计算，网络层同时开始并行传输下一波专家的token。这种流水线式的重叠调度，将推理阶段的常规工作负载加速了1.50到1.73倍，硬件利用率逼近极限。均摊到每个请求上的算力折旧成本，被进一步压低。

还有一个针对智能体应用场景的独特优化。AI模型在执行复杂任务时，往往需要先运行一个额外的小模型进行意图识别或工具调用的判断。V4的解法更巧妙：在输入序列后附加专用的特殊token进行标记。由于模型原生支持多级思考和长短期记忆管理，可以直接复用主模型的KV Cache来并行执行这些辅助任务。额外模型的维护成本和重复预填充的计算开销，被一并消除。

这一步的意义，不是省了几台服务器。它指向一种哲学层面的分工：工具和意图之间的界限被模型内部化了。过去需要外部辅助系统完成的功能，现在被模型本身的结构所吸收。这是压缩，也是统一。

定价权的转移

混合压缩注意力叠加硬盘低成本缓存，等于十分之一的缓存命中价格。稀疏注意力加上FP4精度再加上底层极致榨取，等于2.5折的推理价格。理解了这些技术，就能看明白这次突如其来的降价，本质不在慈善，也不在价格战。这是利用技术代差发动的降维打击。

说来有些讽刺。在国内AI市场涨价的主旋律中，行业在一个月内形成了心照不宣的默契：AI就该越来越贵。然后DeepSeek一言不发，让这种默契化为泡影。自研的千亿MoE架构、把单token成本打骨折的混合注意力机制，使得API价格降到对手不想、也不敢跟进的水平。

这已经不是同一个维度的竞争。

DeepSeek从未想过烧钱换市场，它背后是自研的整套推理框架，从底层算子到上层服务的全链路掌控。降价，只是因为成本真的降下来了。

而那些选择涨价的企业，无论是主动还是被动，无意中暴露了一个更残酷的事实：它们的技术栈和成本结构，根本不在自己手里。

这轮洗牌过后，大模型市场的定价权将发生转移。

过去，价格由“我能买到的最优模型成本”来定义。现在，价格由DeepSeek的自研模型成本来定义。当锚点已被砸到地板价，涨价的厂商会突然发现，手里的牌一张都打不出了。

百万级token上下文的廉价处理能力，让过去因成本悬置而无法落地的长文本分析、复杂Agent任务、横跨多轮的记忆与规划，都获得了经济可行性。这不是一个模型能力的突破，这是应用层即将大爆发的底层许可。

DeepSeek平台及时打消了外界传言“降价以应对竞争”的说法。“此次调整正是技术与规模效应形成正循环后，我们向市场自然传导成本优势。”这种表述，比任何反击都更有力。

最后的话

回顾整件事，有一条更深的线索。

价格从来不只是数字，它是权力结构的物质外衣。当一个技术的定价权从供给方转移到效率方手中，它意味着旧格局开始瓦解。

20世纪初，福特用流水线把汽车价格从富人玩具打到工人阶层可承受的范围，背后的力量不是慈善，是生产效率的代际跃迁。今天DeepSeek把大模型API价格打到同行的十分之一，性质是一样的。谁掌握了最底层的效率，谁就掌握了定价权。谁掌握了定价权，谁就定义了下一个时代的基础设施。

硅谷有一种广为流传的叙事：AGI将在某个实验室被秘密诞生，然后单方面重塑世界。DeepSeek的实践提供了一种更安静的叙事：真正的权力转移，不需要一次惊艳的跑分或一篇石破天惊的论文。它只需要让技术报告里藏着一行小字，把成本打到所有人无法跟进的位置。然后用一个普通的周末，轻描淡写地把价格表更新。

Token终将变为水电一样的基础资源。这句话说了好几年，一直像愿景。直到这个周末，它突然变成了可以用0.025元买到的东西。