AI 成本革命:这次不是狼来了

4月24日，AI圈发生了一件有点意思的事。

OpenAI 发布 GPT-5.5，同一天，DeepSeek 放出 DeepSeek-V4 预览版。两个头部玩家在同一天亮牌，上一次看到这种场面，还是去年这个时候。

但比起”性能提升了多少”这类老话题，我更想聊一个一直被忽视的维度——成本。

百万 token 上下文：从”奢侈品”到”日用品”

大模型上下文窗口的竞争，一直是各家重点宣传的参数。但过去一年，这个参数更像是一个营销数字——”支持 100 万 token”，听起来很震撼，但实际一用，要么速度慢得像龟爬，要么价格贵到肉疼。

DeepSeek-V4 这次做了一件不一样的事：它把 100 万 token 做成了默认配置，而不是实验特性。

什么意思？就是你不用再纠结要不要开长文本模式、不用再算 token 账单会不会爆——直接用。V4-Flash 版本的 API 定价，输入未命中缓存的情况下是 0.5 元/百万 tokens，命中缓存只有 0.1 元。100 万 token，几毛钱的事。

这背后是架构层面的突破。V4 引入了 CSA（压缩稀疏注意力）和 HCA（重压缩注意力）混合的注意力机制，在 100 万 token 场景下，单 token 推理计算量只有上一代的 27%，显存占用降到约 10%。

换句话说，不是硬件便宜了，而是算法变聪明了。

效率这件事，终于被认真对待了

AI 行业有一个不太好的习惯：喜欢用”算力堆砌”来掩盖架构上的懒惰。模型越来越大，参数越来越多，但底层效率其实很低——大量的计算被浪费在无关紧要的信息上。

DeepSeek-V4 的做法更像是”断舍离”：不追求绝对的参数规模，而是让每次计算都更精准。1.6 万亿总参数听起来吓人，但实际激活的参数只有 490 亿，一次只派最相关的”专家”来干活。

这种思路的转变，意义可能比账面上看到的数字更大。

GPT-5.5 的思路也类似——虽然参数更大，但在 Terminal-Bench 2.0 测试中准确率达到 82.7%，相比前代提升明显。更关键的是，它的成本结构也发生了变化：性能提升的同时，价格反而下来了。

这说明 AI 正在进入一个以效率论英雄的新阶段。

价格战打完了吗？才刚刚开始

过去两年，大模型的价格战打得很凶。多家厂商轮番降价，百万 tokens 的价格从几块钱一路跌到几分钱。但那时候降的多是”短文本”价格，真正考验成本的是长文本场景。

DeepSeek-V4 把战火烧到了更深的地方：100 万 token 的长文本处理，不再是有钱大企业的专属玩法。一个创业团队、一位独立开发者，甚至一个学生，都可以随时调用这个能力。

这不是”降价”能概括的事，这是能力边界的重新定义。

当处理长文本不再需要付出昂贵的代价，开发者就能做以前不敢想的事：让 AI 读完一整本技术文档再回答问题、让模型在一次对话中理解一整个项目的所有代码、让 Agent 能够跨多个文件进行复杂的推理和修改。

这些场景以前不是不想做，是做不起。现在，门槛正在消失。

真正的影响，往往在水面以下

GPT-5.5 和 DeepSeek-V4 同日发布，免不了被拿来做对比。但说实话，现在去争论”谁更强”有点无聊——两款模型各有侧重，GPT-5.5 在复杂推理和多模态任务上依然有优势，DeepSeek-V4 在代码能力和长文本场景下表现突出。

真正值得关注的，是它们共同指向的趋势：AI 基础设施正在走向”普惠”。

这种普惠不体现在发布会上的 PPT 参数，而体现在真实用户的实际使用成本上。当一个能力从”用不起”变成”随便用”，它催生的创新是难以预测的。就像云计算刚普及时，没人能想到它会催生出抖音这样的产品；5G 普及的时候，也没人预料到短视频的爆发。

百万 token 上下文的平权化，可能也是这样一个节点。

最后

每次 AI 有大新闻，朋友圈总会被”震撼””颠覆””革命”刷屏。但真正推动行业进步的，往往不是这些宏大的词，而是一些更枯燥的东西——架构优化、工程落地、成本控制。

DeepSeek-V4 和 GPT-5.5 这一次做的事，本质上都是在回答同一个问题：怎样让 AI 真正用起来不心疼？

答案写在定价表里，也写在技术报告里，更藏在每一个因为”太贵所以没用”到”太便宜随便用”的场景转换里。

软件实用程序

这个变化可能没有发布会那么热闹，但它正在悄悄发生。

你最近有没有遇到因为 token 成本太高而放弃的 AI 用法？现在可以重新考虑一下了。