DeepSeek 于今日正式发布 V4-Flash 模型，通过后训练（Post-Training）全面强化推理与代码能力，API 价格维持每百万 token 输入 1 元、输出 2 元。几乎同一时间，OpenAI 宣布 GPT-5.6 系列模型价格大幅下调，其中 Luna 输入输出价格均降约 80%，Terra 降价 20%。两大顶级模型厂商同日动作，标志着 AI 竞争正从单纯比拼能力上限，转向争夺“智价比”。
V4-Flash 目前仅通过 API 提供，开发者调用 `deepseek-v4-flash` 会自动切换到新版本 V4-Flash-0731。该模型支持一次读取 100 万 token 的内容，并原生兼容 OpenAI 的 Responses API，可接入 Codex。据官方介绍，新版本与预览版模型结构、尺寸完全一致，仅重新进行了后训练，但性能提升显著：在 Terminal Bench 2.1 测试中得分从 61.8 涨至 82.7，在代码 Agent 测试 DeepSWE 中从 7.3 分跃升至 54.4 分。
为验证实际效果，编辑将 V4-Flash 接入 Proma 平台，安排了 5 个从简单到复杂的任务，全程不追加提示、不干预处理。首个任务要求分析 320 篇早报数据并生成交互式 HTML 报告，模型产出了包含柱状图、折线图、环形图、雷达图和散点图的多维分析页面，视觉风格统一。第二个任务是开发一个打砖块游戏，要求实现真实物理引擎、多种砖块类型和道具系统，模型交付的版本不仅功能完整，还具备粒子效果和屏幕抖动等视觉细节。第三个任务为三体轨道模拟器，模型采用 RK4 算法并加入引力软化处理，界面设计兼顾美观与实用性。第四个任务要求设计科幻控制舱仪表盘，模型实现了实时波形、环形进度和“超载模式”警报交互。最后一个任务需调用 GitHub API 生成开源 AI 项目周报，模型不仅完成了脚本编写，还实际运行并输出 Markdown 周报、JSON 数据及精美网页。
整个测试过程共记录 393 次 API 请求，累计消耗约 3422 万 token，总费用仅 2.85 元。这一成本远低于传统高端模型，展示了“智价比”的潜力。
V4-Flash 的升级路径与 华为何庭波 提出的“韬（τ）定律”理念契合——在模型结构不变的前提下，通过优化训练方法、数据质量和推理策略来挖掘现有模型的潜力。这并非否定 Scaling Law，而是提供了另一种发展思路：当规模扩张遇到瓶颈时，效率提升同样能带来显著进步。
OpenAI 的降价策略同样引人注目。据 Axios 报道，上线仅 3 周的 GPT-5.6 Luna 输入输出价格均下调约 80%，降价后每百万 token 输入 0.2 美元、输出 1.2 美元；Terra 也降价 20%。这标志着头部厂商已开始通过价格战争夺市场份额，对开发者而言，更低的调用成本意味着 Agent 可以承担更长时间、更复杂的任务，推动 AI 从“聊天工具”向“生产力工具”进化。
对于 AI 产业投资者而言，模型降价将压缩厂商利润空间，加速行业洗牌，但同时也将扩大 AI 应用的市场规模，利好下游开发者和应用层。随着“智价比”成为竞争焦点，算力需求结构可能从“堆规模”转向“提效率”，对芯片、基础设施等上游环节产生深远影响。