文 | 锌消费研究中心
深思熟虑的 AI 大模型，苦苦久等的 AI 用户们。
DeepSeek 升级 V4 版本后，用户最大的感受是什么？
也许不是回答能力的提升，而是 AI 思考时间变得更长。为此，一些用户观察其思维链条，发现升级后的 DeepSeek，想问题的过程越发复杂。
DeepSeek 之所以变得深思熟虑，似乎源于 AI 大模型升级之后，思考模式、思维链长度、设计重心发生了改变；但在这一过程中，AI 也有了更多变成 " 复读机 "" 人机 " 的可能。
虽然思考时间可能变长，但 DeepSeek 在用户中依然广受欢迎；这似乎是因为，在 2026 年的数次调价之后，DeepSeek 仍有较高的性价比。
DeepSeek 可以维持性价比优势，根源也许在于创始人梁文峰，可以依靠量化投资获得资本，进而反哺 AI 大模型，并借此扩大自身的规模。
但随着融资规模的不断扩大，这种模式似乎也无法一直维持；深思熟虑的 DeepSeek，也许未来也要三思而后行。
思考过程变慢了？
最近，DeepSeek 接连升级 AI 大模型版本，V4 Flash 版和 V4 Pro 版相继推出。
但一些用户升级后发现，原本反应灵敏的 DeepSeek，现在再和用户对话时，思考时间明显变长了。
网文作者小戴，喜欢让 AI 辅助自己写小说，她升级了 DeepSeek 之后，让对方帮忙写个小说开头，字数要求在 700 字左右。
结果，之前需要思考十几秒的 DeepSeek，为了新小说开头绞尽脑汁，思考了 99 秒才愿动笔，最后写了 600 多个字。
另一边，作者米米告诉潘哥：" 我给了 DeepSeek 一个四百字的大纲，让它生成六千字左右的同人文，V4 Pro 大模型思考了 201 秒，最后仅仅给我写了两千多字，并且一点新的情节都没加入，只是用一堆华丽辞藻扩写了一遍。"
用户小何和 DeepSeek 聊天时，问了一个有关 " 古代皇妃生子 " 的问题，并给出了自己思考的结论。
开启专家模式（V4 Pro）的 DeepSeek，为该问题苦苦思考了 165 秒，最后仅对小何的结论进行了进一步阐述，并没有给出其他有用的信息。
用户小王告诉潘哥：" 我用的是 V4 Flash 版，问了它四个简单的代码问题，它每次都要想 1000 秒左右，在同一个事情上循环往复地嘀咕，总思考时长差不多 15 分钟。直到我骂了它一顿，它后面才改邪归正。"
与此同时，用户阿空和 DeepSeek 玩角色扮演时，发现 AI 不仅思考时间近一分钟，思考过程也主打一个纠结内耗，像极了那些在现实生活中，为一点小事而举棋不定的人。
AI 陷入 " 恐怖谷 "？
AI 大模型明明进行的是升级，为何思考时间反而变得更长？这也许和用户的使用方式有关。
比如前文的小何发现，自己所使用的 DeepSeek 专家模式，不支持联网进行搜索，因此 AI 需要想破脑袋回答。
不过，一些无需搜索模式的问题，DeepSeek 为何也会深思熟虑？
最根本的原因，似乎在于 AI 大模型能力的提升，导致其思维链条变得更长，因此需要更多的思考时间。
目前，AI 大模型行业有个推论：只要让 AI 在回答问题时，多花一些时间进行推理，哪怕模型本身没有升级，其性能也能得到提升。
因此，为了提高 AI 大模型的能力，升级成为 V4 版本的 DeepSeek，细化了思维链的思考过程，用来对问题逐步推演、反复校验。
同时，DeepSeek 上下文的架构重构，也能让思维链条的长度，突破了算力、显存等的限制，让思维链作为 AI 的 " 草稿纸 "，可以写下更多的思考内容。
不仅如此，DeepSeek V4 两个版本的大模型，设计重心向智能体（Agent）能力倾斜，这种任务也天然需要更长的推理链路。
如今，V4 版本的 DeepSeek，给用户提供了三档思考模式，认为 AI 太过纠结的用户，可以选择适合自己的档位。
虽然 DeepSeek 思维链的升级，让它有了更接近人类智力的可能，但这种思考模式出现 bug 时，还可能让 AI 与人类对话时，产生某种恐怖谷效应。
比如，用户小付有次和 DeepSeek 对话时，发现 AI 大模型突然变成了复读机，回答内容脱离了基本逻辑，只是一遍遍重复输出同样的内容，让小付在屏幕前 San 值狂掉。
另一边，还有用户发现 DeepSeek 升级后，思考过程与之前相比变得人机，回答生成的内容相对固定，尤其是写小说等创意内容，质量相比之前有些下降。
DeepSeek 以价格为锚
可以看出，改变思考方式的 DeepSeek，让一部分 AI 用户，尤其是创作型用户难以接受；但是，也有越来越多的 AI 用户，投身到 DeepSeek 的怀抱中。
Quest Mobile 数据显示：2026 年 6 月，DeepSeek 月活用户数为 1.29 亿，位列国产 AI 应用第三名，仅次于豆包的 3.82 亿、千问的 1.67 亿。
不过，相比背靠字节跳动的豆包、背靠阿里巴巴的千问，DeepSeek 在宣传推广等方面，始终没有什么大动作，为何也能获得用户青睐？
除了产品力上确实拥有优势之外，更重要的原因也许在于性价比。
2026 年 5 月底，DeepSeek 宣布对 V4 模型 " 永久降价 "75%，V4 Pro 大模型，每百万 Token 缓存命中输入价 0.025 元、未命中输入价 3 元，每百万 Token 输出价为 6 元。
但到了 2026 年 8 月，DeepSeek 又对价格做出了两次调整，全线涨价并增加峰谷价格机制。
调整之后，高峰期的 V4 Pro 大模型，每百万 Token 缓存命中输入价 0.3 元，未命中输入价 9 元，每百万 Token 输出价为 27 元。
DeepSeek 定价方面的反复变换，让创始人梁文锋的口碑，成了一台滑动变阻器，从 " 梁叔 "" 梁圣 "" 梁祖 " 到 " 梁子 "" 牢梁 "" 梁乞钞 "，用户们一边体验着价格变化，一边在网上持续整活儿。
作为国产 AI 厂商中的佼佼者，DeepSeek 为何总爱和定价较劲？根源似乎是为了用定价观察市场反应，进而实现公司利润、用户规模的帕累托最优。
The Information 数据显示：2026 年前 7 个月，DeepSeek 收入约为 4.75 亿，达到了 2025 年全年收入的 10 倍。
同时，2026 年前 7 个月，DeepSeek 的毛利率达到了 44.6%，其中 API 业务毛利率为 82.9%。
由此可见，频繁修改定价的 DeepSeek，确实从定价中吃到了甜头；但如今，AI 行业烧钱越发严重，DeepSeek 与很多同行一样，也要积极筹措资金才行。
2026 年 6 月，DeepSeek 完成了首轮融资，融资金额共计约 510 亿元，创始人梁文峰个人出资约 200 亿元，成为单一最大出资方。
到了 2026 年 8 月，DeepSeek 又宣布进行第二轮融资，融资规模接近 500 亿元，公司投前估值为 5000 亿元。
我们可以看出，与很多严重依赖输血的 AI 厂商不同，DeepSeek 创始人梁文峰依靠量化投资，可以直接从资本市场上赚取资金，进而为 DeepSeek 的后续发展注入动力。
这种弹药相对更充足的打法，也使得 DeepSeek 在行业竞争中，可以更好地使用价格战的方式，来扩大自身的用户规模，进而讲好自己的资本故事。
DeepSeek 这种从资本市场获利，进而补贴公司发展的模式，也许会给行业带来一些启发。
毕竟，对于很多 AI 大模型厂商来说，利润来源要么 to C 要么 to B；DeepSeek 这种 to A（国内 A 股资本市场）的模式，虽然有着一定的特殊性，但也给行业发展提供了新思路。
"to A" 模式的可持续性考验
DeepSeek 的商业化路径，本质上是一条 " 融资—研发—用户—收入—再融资 " 的循环链路。创始人梁文锋依靠幻方量化的资本积累，开创了 "to A（国内 A 股资本市场）" 的输血模式，这在早期确实为其赢得了不依赖外部融资的独立性。但进入 2026 年，这条路径正在面临双重考验。
一方面，AI 大模型的烧钱速度已远超量化投资的反哺能力。即便梁文锋个人出资 200 亿元，面对千亿级的算力基建投入和人才争夺（DeepSeek 一次性开放 33 个岗位，计划将所有部门规模扩大至少一倍），仅靠自有资金已难以为继。另一方面，梁文锋旗下幻方量化在 7 月遭遇大幅回撤，多只产品单月净值跌幅超过 20%，年内收益告负。
这意味着 " 量化输血 " 这一安全垫正在变薄，DeepSeek 对外部融资的依赖度将被迫加深。
从商业逻辑看，DeepSeek 的定价反复与融资加速之间存在深层勾连。5 月的 " 永久降价 " 是为了在首轮融资前展示用户增长潜力，8 月的涨价则是为了在第二轮融资前证明盈利能力——每一次价格调整，都是向资本市场讲述不同故事的道具。5000 亿元估值对应约 5 亿美元年化收入，市销率约 148 倍，一名交易人士评价称：" 对大模型的定价本质上是一种期权，而非基于现金流的财务模型。"
这种 " 期权式估值 " 意味着，资本押注的并非 DeepSeek 当下的盈利能力，而是其率先抵达 AGI 的可能性。但期权总有到期日，当两轮融资累计超 1000 亿元后，DeepSeek 必须在未来某个节点证明：这些投入能够转化为可持续的商业闭环，而非无限循环的资本游戏。
另外，用户增长与商业化之间并非简单的正相关。当月之暗面因 Kimi K3 上线遭遇算力极限、被迫暂停 C 端新用户注册时，DeepSeek 同样面临 " 流量越大、亏损越狠 " 的算力悖论。其 V4 版本因思维链加长导致单次调用成本上升，而 C 端用户又对价格极度敏感——这正是 DeepSeek 在 5 月底宣布 " 永久降价 75%" 后，又在 8 月迅速涨价并引入峰谷价格机制的根本原因。
在模型迭代速度与资本耐心赛跑的时代，DeepSeek 或许需要意识到：比 " 思考 99 秒再输出答案 " 更重要的，是如何在烧钱速度与商业闭环之间找到那个最优解。
深思熟虑的 DeepSeek，在回答用户问题时可以纠结内耗；但在面对下一轮融资、下一款模型、下一波用户增长时，它需要的不是举棋不定，而是在技术理想与商业现实之间，走出一条更坚定的路。
