DeepSeek 於今日正式釋出 V4-Flash 模型，通過後訓練（Post-Training）全面強化推理與程式碼能力，API 價格維持每百萬 token 輸入 1 元、輸出 2 元。幾乎同一時間，OpenAI 宣佈 GPT-5.6 系列模型價格大幅下調，其中 Luna 輸入輸出價格均降約 80%，Terra 降價 20%。兩大頂級模型廠商同日動作，標誌著 AI 競爭正從單純比拼能力上限，轉向爭奪“智價比”。
V4-Flash 目前僅通過 API 提供，開發者呼叫 `deepseek-v4-flash` 會自動切換到新版本 V4-Flash-0731。該模型支援一次讀取 100 萬 token 的內容，並原生相容 OpenAI 的 Responses API，可接入 Codex。據官方介紹，新版本與預覽版模型結構、尺寸完全一致，僅重新進行了後訓練，但效能提升顯著：在 Terminal Bench 2.1 測試中得分從 61.8 漲至 82.7，在程式碼 Agent 測試 DeepSWE 中從 7.3 分躍升至 54.4 分。
為驗證實際效果，編輯將 V4-Flash 接入 Proma 平台，安排了 5 個從簡單到複雜的任務，全程不追加提示、不干預處理。首個任務要求分析 320 篇早報資料並生成互動式 HTML 報告，模型產出了包含柱狀圖、折線圖、環形圖、雷達圖和散點圖的多維分析頁面，視覺風格統一。第二個任務是開發一個打磚塊遊戲，要求實現真實物理引擎、多種磚塊型別和道具系統，模型交付的版本不僅功能完整，還具備粒子效果和螢幕抖動等視覺細節。第三個任務為三體軌道模擬器，模型採用 RK4 演算法並加入引力軟化處理，介面設計兼顧美觀與實用性。第四個任務要求設計科幻控制艙儀表盤，模型實現了即時波形、環形進度和“超載模式”警報互動。最後一個任務需呼叫 GitHub API 生成開源 AI 專案週報，模型不僅完成了指令碼編寫，還實際執行並輸出 Markdown 週報、JSON 資料及精美網頁。
整個測試過程共記錄 393 次 API 請求，累計消耗約 3422 萬 token，總費用僅 2.85 元。這一成本遠低於傳統高階模型，展示了“智價比”的潛力。
V4-Flash 的升級路徑與 華為何庭波 提出的“韜（τ）定律”理念契合——在模型結構不變的前提下，通過最佳化訓練方法、資料質量和推理策略來挖掘現有模型的潛力。這並非否定 Scaling Law，而是提供了另一種發展思路：當規模擴張遇到瓶頸時，效率提升同樣能帶來顯著進步。
OpenAI 的降價策略同樣引人注目。據 Axios 報道，上線僅 3 周的 GPT-5.6 Luna 輸入輸出價格均下調約 80%，降價後每百萬 token 輸入 0.2 美元、輸出 1.2 美元；Terra 也降價 20%。這標誌著頭部廠商已開始通過價格戰爭奪市場份額，對開發者而言，更低的呼叫成本意味著 Agent 可以承擔更長時間、更復雜的任務，推動 AI 從“聊天工具”向“生產力工具”進化。
對於 AI 產業投資者而言，模型降價將壓縮廠商利潤空間，加速行業洗牌，但同時也將擴大 AI 應用的市場規模，利好下游開發者和應用層。隨著“智價比”成為競爭焦點，算力需求結構可能從“堆規模”轉向“提效率”，對晶片、基礎設施等上游環節產生深遠影響。