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。
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。
