DeepSeek升级不涨价,企业用AI能省多少钱?

变化先出现在任务结果里。DeepSeek公布的测试中，DeepSWE v1.1得分从74.2升至77.0，Terminal-Bench 4.0从31.2升至42.3。公司还称，新版本完成任务更快，输出更短。

企业采购模型时却不能只买一张分数表。代码代理会读取仓库、调用工具、反复修改，再等待测试结果。一次任务能否完成，往往比一百万个token便宜几美分更重要。

采购者因此需要换一把尺子。价格不变，能力提高后，每个完成任务的真实成本究竟能降多少？

01价格没变，成本单位却在移动

DeepSeek当前按一百万token计价。V4.1 Flash高峰时段的缓存未命中输入为0.3美元，输出为1.2美元。缓存命中输入只收0.006美元，非高峰价格再减半。

缓存命中与未命中的输入价格相差五十倍。对编程代理来说，重复读取系统提示、项目说明和同一批代码，能否稳定命中缓存，足以改写整项任务的费用。

高峰时段按协调世界时划分，工作日的1时至4时、6时至10时属于高峰。换成北京时间，正好覆盖上午9时至12时和下午2时至6时。夜间批处理更容易拿到半价。

若用一个纯算术例子，一项任务消耗一百万个缓存未命中输入token和五十万个输出token，高峰时段模型费为0.9美元。非高峰完成同样用量，模型费是0.45美元。

这个例子不代表典型任务，只说明输出很容易成为大头。代理为了修好一个缺陷，多生成一次无效方案，就会同时增加输出费、等待时间和测试资源。

因此，“输出更短”若在真实项目里成立，价值会穿过两层。供应商能提高同一批算力的吞吐，客户也会减少按token支付的费用。可惜DeepSeek没有披露平均缩短比例，眼下还算不出节省额。

新开放的搜索和抓取接口又增加了一笔按次收费。两项接口都是每一千次成功调用0.75美元。通过DeepSeek Harness、Claude Code和Codex触发的服务端调用暂时免费，11月1日零时起开始计费。

价格页同时给出并发上限，Flash每个账户为2500，V4 Pro为500。这个差距让Flash更适合批量代理任务，前提是任务本身能被拆开并行处理。

模型费和工具费由此落在同一张任务账单上。一个代理若搜索太多、反复抓取同一页面，token价格再低也可能被调用次数吃掉。财务表里应把成功率、重试、输出量、工具调用和人工复核列在同一行。

一百万token上下文也会扩大这笔账。代理可以一次带入更多代码、文档和运行日志。能装进去不等于应该全装，冗余内容仍会增加输入费和首个结果的等待时间。

技术报告称，全局KV缓存降至每个token约890字节。按一百万token简单相乘，对应约890兆字节。这只是全局KV部分，不能当作整套部署的显存需求。

报告还称，上下文从四千token扩到一百万token时，单token解码计算量只增加约四分之一。这个设计把长任务的成本曲线压平，也让代码代理有机会保存更多历史状态。

按任务计价的逻辑已经出现，模型厂商仍然主要按token收钱。两种口径之间的差额，会由代理框架和企业工程团队来承担。

02分数上涨，还没有自动变成工程利润

1017版本的提升并不只在一个测试上。ProgramBench从20.3升至29.1，Automation-Bench从54.8升至60.5。

Agents’ Last Exam也从31.8升至35.4。这些变化共同指向编程和代理任务，尚不能覆盖企业软件开发的全部情况。

这些数字来自DeepSeek发布的模型卡。Terminal-Bench使用Claude Code框架，DeepSWE使用Mini-SWE-V2。模型、提示、工具和运行环境一起决定成绩，不能把差距全部归给模型权重。

在DeepSeek自己的表格里，1017的DeepSWE得分还高于GPT-5.6 Sol和Claude Opus 5。这个结果能说明厂商选择的配置表现强，尚不能推出所有代码任务都更好。

1017模型卡把这次发布称为小更新，没有披露新增训练数据量。基础版本技术报告记录了四十五万亿token的多模态预训练，并采用监督微调、强化学习和在线策略蒸馏。

这些数据说明基础能力的投入规模，却不能推算1017这次更新用了多少额外算力。企业能看到更新后的结果，无法据此估算供应商单次升级的成本。

同一模型换进企业仓库，还会遇到私有依赖、陈旧测试、权限控制和模糊需求。公开基准通常能明确判断任务是否通过，真实项目却常要由人决定改动是否安全。

DeepSeek把新权重直接放到原有API名称下，接入成本很低。另一面也随之出现。企业若依赖固定模型行为，就要在版本变化后重跑回归测试，检查旧提示和工具链有没有失效。

官方价格页已经把deepseek-flash对应版本标成1017。更新说明没有给出长期固定快照的承诺。对强监管或长周期软件项目来说，版本记录和结果复现会成为采购条款的一部分。

开源权重提供了另一条路。1017模型卡标注MIT许可证、七千六百三十亿参数和一百万token上下文。9月发布稿所说的五千五百二十亿参数，指的是MoE主干，统计范围不同。

DeepSeek称，这套架构在输入阶段激活八十亿参数，输出阶段激活一百六十亿参数。与上一代相比，KV缓存占用的高带宽内存降到四分之一，固态存储降到八分之一。

模型还提供不同推理强度。技术报告显示，推理强度提高时，准确率和输出长度都会增加。企业若一律使用最高档，可能把模型省下的token重新花掉。

简单任务采用较低强度，复杂任务再追加计算，才符合按任务核算的思路。调度器是否能判断任务难度，会直接影响一次调用最后变成答案还是返工。

这些设计能降低服务成本，却没有消除部署成本。权重规模、推理框架、显存、存储和运维都要有人承担。API把它们打包进单价，自部署则把账拆回企业内部。

03谁能把模型优势装进工作流

DeepSeek在发布说明里点名了DeepSeek Harness、腾讯CodeBuddy和WorkBuddy。这个名单透露了商业落点。新模型需要借助代理框架，才能读文件、调用终端、运行测试并交付完整项目。

API同时兼容OpenAI格式和Anthropic格式。企业已有的代理工具更容易换入DeepSeek，模型供应商之间的迁移门槛因此降低，框架保存的任务历史却会越来越重要。

对中国开发工具厂商来说，开放权重和兼容接口缩短了上新时间。产品可以继续卖席位、企业版和私有部署服务，底层模型则按任务难度切换。模型差价会变成工具厂商的毛利空间。

这种关系也有边界。7630亿参数的开放权重并不等于普通团队能低成本运行。没有标准硬件清单和完整吞吐数据时，私有部署是否便宜，只能由具体负载决定。

API客户省下了集群建设，却接受供应商更新节奏。自部署客户获得版本控制和数据边界，同时要支付机器、工程和维护。两条路线省的是不同的钱。

不过，框架也会决定这部分空间最后归谁。谁能减少无效搜索、保存稳定缓存、挑对推理强度，并在失败时尽早停止，谁就能把便宜模型变成便宜任务。

模型公司也在向外扩。DeepSeek把搜索和抓取做成独立接口，已经开始收取模型之外的工具费。一次开发任务的收入，可由token扩展到搜索、抓取和其他服务端工具。

这会改变客户的比较方式。只比较输出单价，会漏掉缓存折扣、工具费用、任务成功率和人工救场。只比较基准分数，也会漏掉接口稳定性、版本控制和数据边界。

采购部门过去容易拿模型报价表横向比较。代理进入生产以后，研发负责人还要提供失败任务、代码审查和回归测试数据。财务部门才可能得到一张接近真实的成本表。

这张表还应保留版本号。同一个模型名会指向更新后的权重，前后任务若不注明版本，成本和质量变化就很难归因。采购合同也需要约定升级后的验证窗口。

任务重复且验收明确的团队更可能先省下钱。测试完善的代码库能自动判断修改是否通过，批量任务也能移到非高峰时段。它们更容易把模型升级直接换成成本下降。

模型价格也不是长期承诺。DeepSeek在价格页保留调整权。企业若把一项产品建立在当前低价上，还要为调价、限流和版本变化留出替代方案。

缓存还能放大这种优势。重复任务共享项目说明和工具定义，命中率容易提高。一次性项目每次都要读新材料，便宜的缓存价格很难充分利用。

需求经常变化、测试缺失的项目，仍会把大量时间花在人类澄清和复核上。模型多拿几分，未必能缩短交付。此时购买更低的token价格，只是把最小的一项支出压低。

DeepSeek这次没有用降价制造声量，它把压力交给了任务结果。企业下一步应拿真实历史任务做对照，记录无人救场的完成率、平均重试次数、输出token、工具调用和总耗时。

账单和交付周期同步改善，1017才能把基准优势变成经营收益。分数单独上涨，仍只说明能力更新，还称不上商业效率的跃迁。