說說我對DeepSeek快速降價的看法
-
首先，我個人是十分高興看到 DeepSeek 的漲價幅度變小了。我相信這是市場機制正在發揮作用，讓經營團隊更重視定價策略與使用者的接受度。能夠踏出使用 AI Agent 的第一步，不得不說，老特在 YouTube 上的獨特風格對我產生了很大的推動作用，無論是對 AI 硬體還是 AI 模型的看法，都帶有實用主義的色彩。大概率因為我不是直接靠 AI 賺錢，所以我對 DeepSeek 漲價的看法，和老特以及論壇大神們不太一樣。
為了客觀探討，我先用數學方法說明。根據我 9/7 的實際數據，總 Token 數為 15,608,405，其中 Cache hit 佔比高達 91.64%，Cache miss 佔 6.30%，輸出僅佔 2.07%。
在這種極高的快取命中率下，DeepSeek Flash 調價前的單價為：快取命中 0.02 元、快取未命中 1 元、輸出 2 元。調價後，離峰時段單價為 0.05 元、1.5 元、4.5 元；尖峰時段為 0.10 元、3 元、9 元。雖然快取命中的單價看似漲了 2.5 到 5 倍，但因為基礎單價極低，反映在實際帳單的加權總價上，尖峰漲幅約為 4.0 倍，離峰約為 2.0 倍。對重度使用者而言，這個漲幅的「痛感」相對有限，因為遷移成本極高，不會輕易放棄已建立的工作流。
然而，這正是 DeepSeek 經營團隊聰明的地方。這波調價並非依靠效率提升（完成相同任務降低 Token 消耗）來降低成本，而是利用自己早期定價極低所建立的護城河，對已經深度綁定的 Agent 黏著用戶進行精準的利潤收割。如此一來，使用者的帳單金額看似增加有限，但公司的毛利率和淨利率卻能大幅提升，更有利於快速攤提固定成本。這就是 DeepSeek 商業上精準價格控制的第一步。配合這樣的定價策略，也能一併加快推動 DeepSeek 新上架的開源軟體 DeepSeek Harness。因為一旦採用這套工具，使用者的 Cache hit 比率還能進一步提升，這對於已經深度依賴其工作流的 Agent 使用者而言，無疑會更加融入 DeepSeek 的生態體系。
再來，我想以我 8 月份的使用圖表來做進一步說明。其實在漲價後，我依然將 DeepSeek 作為 Hermes Agent 的主驅動模型。圖表中 Flash 版在 8 月份累積了 6,300 次 API 請求與超過 7.4 億的 Tokens 消耗，便可印證這一點。
最初，我發現 V4 Flash 0731 的工作能力已經與 V4 Pro preview 版相當接近，考量到成本，我便選擇了較便宜的 Flash 版本作為主力。直到 0813 版本發布後，我才重新換回 Pro 版。
然而，我對 0813 版本的 Pro 感到有些失望。我認為它在實際能力上沒有之前的版本來得穩定，甚至有退化的傾向。由於工作需求，我經常需要與不同地區的同事溝通，因此會使用不同的語言（與大陸同事用簡體字，香港同事用港式繁體，新加坡同事用英文，日本同事用日文）。由於大語言模型通常會依據輸入語言來決定回答語言，這在跨語言協作上容易造成混淆。因此，我在使用 Hermes 時設定了一條硬性規則：不論我輸入什麼語言，一律使用台灣繁體回答。
遺憾的是，0813 版本的 Pro 卻無法穩定執行這個指令，多次出現錯誤。因此，我在 8/21 之後便停止了 DeepSeek Pro 的使用。從圖表中也能清楚看到，Pro 版的 API 請求數（632 次）與 Tokens 消耗量（約 4,542 萬）主要集中在 8 月中旬之後，但隨著我發現其指令遵循能力不如預期，8/21 之後便完全歸零，這也如實反映了我個人的使用軌跡。
在 8/21 之後，我改用 Gemini 3.7 Flash。雖然享有折扣，我只需要以 1/4 的價格，但還是比 DeepSeek 貴。
隨後我換用 GLM 5.3 Flash。根據圖片右側的 V4 Pro 價格換算：空閒時段未命中輸入為 4.5 元人民幣（約 0.66 美元），輸出 13.5 元（約 1.98 美元）；高峰時段未命中 9 元（約 1.32 美元），輸出 27 元（約 3.96 美元）。
反觀 GLM 5.3 Flash，輸入僅 0.075 美元，輸出 0.25 美元。GLM 不僅價格低得多，智能指數（57）也高於 Pro（53）。DeepSeek 的斬殺線，已被競品徹底反殺。
最後說一下個人的主觀猜想，純粹是感覺。我認為 DeepSeek 在 Pro 模型上，或許和 Google 一樣遇到了某種瓶頸。GLM 5.3 Flash 的速度雖然肉眼可見地慢於 Gemini 3.7 Flash 與 DeepSeek V4 Flash，但以目前的性價比來說，我個人是非常滿意的。它沒有 DeepSeek 那麼高的幻覺，也不像 Gemini 那麼貴。在其他新模型上市之前，我想 GLM 5.3 Flash 會是我在 Hermes 上的主模型。
-
首先，我個人是十分高興看到 DeepSeek 的漲價幅度變小了。我相信這是市場機制正在發揮作用，讓經營團隊更重視定價策略與使用者的接受度。能夠踏出使用 AI Agent 的第一步，不得不說，老特在 YouTube 上的獨特風格對我產生了很大的推動作用，無論是對 AI 硬體還是 AI 模型的看法，都帶有實用主義的色彩。大概率因為我不是直接靠 AI 賺錢，所以我對 DeepSeek 漲價的看法，和老特以及論壇大神們不太一樣。
為了客觀探討，我先用數學方法說明。根據我 9/7 的實際數據，總 Token 數為 15,608,405，其中 Cache hit 佔比高達 91.64%，Cache miss 佔 6.30%，輸出僅佔 2.07%。
在這種極高的快取命中率下，DeepSeek Flash 調價前的單價為：快取命中 0.02 元、快取未命中 1 元、輸出 2 元。調價後，離峰時段單價為 0.05 元、1.5 元、4.5 元；尖峰時段為 0.10 元、3 元、9 元。雖然快取命中的單價看似漲了 2.5 到 5 倍，但因為基礎單價極低，反映在實際帳單的加權總價上，尖峰漲幅約為 4.0 倍，離峰約為 2.0 倍。對重度使用者而言，這個漲幅的「痛感」相對有限，因為遷移成本極高，不會輕易放棄已建立的工作流。
然而，這正是 DeepSeek 經營團隊聰明的地方。這波調價並非依靠效率提升（完成相同任務降低 Token 消耗）來降低成本，而是利用自己早期定價極低所建立的護城河，對已經深度綁定的 Agent 黏著用戶進行精準的利潤收割。如此一來，使用者的帳單金額看似增加有限，但公司的毛利率和淨利率卻能大幅提升，更有利於快速攤提固定成本。這就是 DeepSeek 商業上精準價格控制的第一步。配合這樣的定價策略，也能一併加快推動 DeepSeek 新上架的開源軟體 DeepSeek Harness。因為一旦採用這套工具，使用者的 Cache hit 比率還能進一步提升，這對於已經深度依賴其工作流的 Agent 使用者而言，無疑會更加融入 DeepSeek 的生態體系。
再來，我想以我 8 月份的使用圖表來做進一步說明。其實在漲價後，我依然將 DeepSeek 作為 Hermes Agent 的主驅動模型。圖表中 Flash 版在 8 月份累積了 6,300 次 API 請求與超過 7.4 億的 Tokens 消耗，便可印證這一點。
最初，我發現 V4 Flash 0731 的工作能力已經與 V4 Pro preview 版相當接近，考量到成本，我便選擇了較便宜的 Flash 版本作為主力。直到 0813 版本發布後，我才重新換回 Pro 版。
然而，我對 0813 版本的 Pro 感到有些失望。我認為它在實際能力上沒有之前的版本來得穩定，甚至有退化的傾向。由於工作需求，我經常需要與不同地區的同事溝通，因此會使用不同的語言（與大陸同事用簡體字，香港同事用港式繁體，新加坡同事用英文，日本同事用日文）。由於大語言模型通常會依據輸入語言來決定回答語言，這在跨語言協作上容易造成混淆。因此，我在使用 Hermes 時設定了一條硬性規則：不論我輸入什麼語言，一律使用台灣繁體回答。
遺憾的是，0813 版本的 Pro 卻無法穩定執行這個指令，多次出現錯誤。因此，我在 8/21 之後便停止了 DeepSeek Pro 的使用。從圖表中也能清楚看到，Pro 版的 API 請求數（632 次）與 Tokens 消耗量（約 4,542 萬）主要集中在 8 月中旬之後，但隨著我發現其指令遵循能力不如預期，8/21 之後便完全歸零，這也如實反映了我個人的使用軌跡。
在 8/21 之後，我改用 Gemini 3.7 Flash。雖然享有折扣，我只需要以 1/4 的價格，但還是比 DeepSeek 貴。
隨後我換用 GLM 5.3 Flash。根據圖片右側的 V4 Pro 價格換算：空閒時段未命中輸入為 4.5 元人民幣（約 0.66 美元），輸出 13.5 元（約 1.98 美元）；高峰時段未命中 9 元（約 1.32 美元），輸出 27 元（約 3.96 美元）。
反觀 GLM 5.3 Flash，輸入僅 0.075 美元，輸出 0.25 美元。GLM 不僅價格低得多，智能指數（57）也高於 Pro（53）。DeepSeek 的斬殺線，已被競品徹底反殺。
最後說一下個人的主觀猜想，純粹是感覺。我認為 DeepSeek 在 Pro 模型上，或許和 Google 一樣遇到了某種瓶頸。GLM 5.3 Flash 的速度雖然肉眼可見地慢於 Gemini 3.7 Flash 與 DeepSeek V4 Flash，但以目前的性價比來說，我個人是非常滿意的。它沒有 DeepSeek 那麼高的幻覺，也不像 Gemini 那麼貴。在其他新模型上市之前，我想 GLM 5.3 Flash 會是我在 Hermes 上的主模型。
-
@Yu-Chen-Chang 这篇帖子有点完了， V4.1 flash一出来， 又都变了
-
@Yu-Chen-Chang 这篇帖子有点完了， V4.1 flash一出来， 又都变了
@johnnybegood 我打算再觀察一陣子。DeepSeek V4 Flash 感覺智能度是夠的，但常有摸魚的狀況。若是沒有直接要求給出可驗證的結果，它常常憑感覺就說任務完成，這也是我現在對 DeepSeek V4.1 Flash 不太有信心的主因。
-
V4.1 flash一出来， 又都变了
：才半年沒用LLM, 打開電腦 一切都變了
-
@kos-or 我認為 LLM 的參數規模已經來到一個門檻，繼續往上堆參數，一般使用者很難感受到明顯差異。隨著 Agent 時代到來，接下來這兩年的競爭重心，會轉向針對特定專業領域做優化的模型，直到有全新的模型架構問世為止。
-
我觉得, 既然用户的使用数据 是可以卖钱的,
(数据卖钱不对, 我只是说有人买卖说明价值就有这样的水平)那么, deepseek token 的官方价格比
成本价（卡价＋电价）高出卖数据的价时, 用户自然会改为使用 第三方 部署的.反过来说, deepseek token 的官方价格 确实 比后者之和明显高时, 可以从侧面推动 第三方 数据中心 都转为部署 deepseek 模型.
现在已经有 第三方 token 厂的 free plan 里面注明数据会被拿来训练.
我个人觉得, 小型第三方不一定会像大厂那样做严格的数据清洗. 有可能就直接卖了.
-
我觉得, 既然用户的使用数据 是可以卖钱的,
(数据卖钱不对, 我只是说有人买卖说明价值就有这样的水平)那么, deepseek token 的官方价格比
成本价（卡价＋电价）高出卖数据的价时, 用户自然会改为使用 第三方 部署的.反过来说, deepseek token 的官方价格 确实 比后者之和明显高时, 可以从侧面推动 第三方 数据中心 都转为部署 deepseek 模型.
现在已经有 第三方 token 厂的 free plan 里面注明数据会被拿来训练.
我个人觉得, 小型第三方不一定会像大厂那样做严格的数据清洗. 有可能就直接卖了. -
@Jun 我也遇DeepSeek V4.1 flash掛了，沒想到剛好測試我的Multi Agents的工作有效。下圖是系統巡查Agent 發現了問題。
早上起床問了一下主Agent狀態，發現AI已經依據規定，自行解決了。
-
我个人觉得, 小型第三方不一定会像大厂那样做严格的数据清洗. 有可能就直接卖了.
前陣子有些市場公司的併購案單純就是為了用戶數據而併購的,
第三方 token 厂的 free plan 收集完用戶數據就能待價而沽被併購了
這新的商業模式 真前沿
