DeepSeek斩杀线研究——当我们把所有“东方模型”的价格降成DeepSeek一样后，会发生什么？

文：thinkthinking

如果把价格这层外衣先拿掉，开发者到底会选择哪个模型？

事情的起点，是 DeepSeek V4 Pro 发布之后，我们在 ZenMux 上观察到一个非常明显的现象：

DeepSeek V4 Pro 的调用量在快速爬升，并且一度已经逼近、甚至超过 Claude 旗舰模型 Opus 4.8 的调用量。

换成榜单看会更直观。在这段观察窗口里， Claude Opus 4.8 、 DeepSeek V4 Pro 、 DeepSeek V4 Flash 几乎站在同一个第一梯队。

如果再看厂商份额，就会发现 DeepSeek 的颜色在最近几周明显变厚。它不是一个“有人尝鲜一下”的新品曲线，而是正在持续吃掉真实工作流里的 token 。

当然，这一方面是因为 DeepSeek V4 Pro 的模型能力确实不错。但另一方面，我们也很难忽略它的价格。

DeepSeek V4 Pro 的价格做得很低， Cache Hit 也做得非常极致。对于 Coding 、 Agent 、长上下文这类输入 token 特别重的场景，价格一旦打下来，模型的“可试用性”和“可持续调用性”会立刻不一样。

于是我们半开玩笑地给这个现象起了一个名字：

DeepSeek 斩杀线。

意思不是说 DeepSeek 真的要“斩杀”谁，而是说：当一个模型做到“效果可用 + 价格极低 + 工程接入稳定”之后，它会在开发者心里形成一条新的价格锚点。

从那一刻开始，所有其他模型都会被拿来问一句：

你比 DeepSeek 贵这么多，真的值得吗？

这也是 Token 经济学最有意思的地方：

发布会负责宣布谁更强， Token 曲线负责记录谁真的被使用。

那如果其他模型也降到 DeepSeek 的价格呢？

这就是我们真正好奇的地方。

假如 GLM 、 Kimi 、 Qwen 、 MiniMax 、 Doubao 、 百度文心 、腾讯混元、小米 MiMo 、阶跃星辰、蚂蚁百灵 、快手等这些旗舰模型，都把价格降到和 DeepSeek V4 Pro / DeepSeek V4 Flash 一样，会发生什么？

开发者会继续选 DeepSeek 吗？

还是会开始更大规模地尝试 GLM 5.2 、 Qwen3.7 Max 、 Kimi K2.7 Code 、 MiniMax M3 ，以及今天刚发布的 Doubao Seed 2.1 Pro 、 Doubao Seed 2.1 Turbo 、 Doubao Seed Evolving 这些模型？

更进一步，如果我们长期追踪模型价格和模型用量之间的关系，会不会看到一些“模型市场”的规律？

这就是我们这次想做的事：

Token 经济学。

我们不看榜单，只看价格和用量

一般大家评价模型，喜欢看 benchmark 、论文、发布会 PPT 、社区口碑、排行榜、上下文长度、工具调用、推理能力、 Coding 能力。

这些当然重要。

但从 ZenMux 的角度，我们还拥有另一个更后验的视角：

用户最后真的把 token 打给了谁？

所以这次研究，我们刻意采用一种“后验主义”的方法：

不先争论模型发布时官方公布的性能分数，也不先假设谁更强、谁更弱。

我们把所有复杂变量，包括模型能力、 PR 宣传、产品包装、默认集成、工具兼容、性价比、开发者信任，都先收敛到两个可观测变量上：

这有点像一个“集总参数法”。

我们不说“模型能力”不重要，而是把它看成已经被市场选择吸收过的结果：如果一个模型真的好用、稳定、便宜、容易接入，它最终应该会体现在用量里。

当然，这里先打一个预防针：这不是全网份额，也不是绝对真理。这是 ZenMux 平台上的真实调用观测。它更适合回答的是：

在 ZenMux 这样的多模型聚合平台里，开发者真实工作流里的选择正在往哪里流动？

第一步：把用量放到同一起跑线

直接比较模型的累计用量是不公平的。

老模型上线时间长，天然有更长时间积累 token ；新模型刚发布，即使增长很猛，累计量也可能暂时吃亏。

所以我们先对用量做了归一化处理。

核心思路是：从每个模型的发布时间开始，取之后 14 个工作日里的用量窗口，计算这个模型在发布早期的典型日消耗。

在代码实现里，我们使用的是“有实际用量工作日”的中位数，而不是平均数。这样可以避免某个首日尖峰把整个模型拉得过高。

公式可以写成这样：

其中，m 表示模型，r_m 表示模型发布时间，B表示工作日集合。

再令 x_{m,d} 表示模型 m 在日期 d 的 token 用量，取有真实用量的工作日：

最终，我们把模型的归一化日用量定义为：

它的单位是：

直觉上，U_m 回答的是：

这个模型发布之后，在一个“正常被使用的工作日”里，大概能吃掉多少 token ？

它比累计用量更适合比较不同发布时间的模型。

第二步：把输入价格和输出价格压成一个数字

模型价格还有另一个麻烦：输入和输出是分开计价的。

如果只看输入价格，会低估输出昂贵的模型；如果只看输出价格，又不符合 Coding 和 Agent 场景里的真实 token 结构。

ZenMux 当前最主要的试用场景之一是 Coding 。我们统计了两个典型工作流：

结果非常接近：大约都是 100:1。

这也符合很多开发者的体感： AI Coding 不是简单问答，而是长上下文、项目文件、日志、历史对话、工具结果大量输入，然后模型输出相对短的代码片段、解释或操作建议。

所以我们定义了一个标准价格篮子：

100K input tokens + 1K output tokens

假设模型 m 的输入价格为 p_m-in，输出价格为 p_m-out，两者单位都是美元 / 1M tokens ，那么归一化价格为：

也就是：

这个 P_m 表示一次标准 Coding / Agent 调用篮子的美元成本。

这一步很重要。因为在这种输入极重的场景里，输入价格会被放大，输出价格不会被忽略，但权重会相对较小。

第三步：用“用量 / 价格”定义模型 Value

有了归一化日用量 U_m，也有了归一化价格 P_m，我们就可以定义一个模型的 Value ：

单位是：

直觉上，它回答的是：

每花掉 1 美元标准调用成本，这个模型在真实工作流里能承载多少日用量？

但这里要强调一点：

这不是一个简单的“性价比榜”。

如果一个模型很便宜，但是没人用，它的 Value 不会高。

如果一个模型很贵，但是大家依然大量使用，它的 Value 也可能很强。

比如 Claude Opus 4.8 很贵，但它的真实用量也很大，所以它不会因为价格贵就被简单判死刑。

换句话说， Value 不是“越便宜越好”，而是：

价格和市场选择一起作用之后，用户到底愿意把多少 token 投给它。

研究局限性：先把边界说清楚

在正式看结果之前，也必须先把这次研究的边界说清楚。

第一， ZenMux 本身是在 2024-09-28 上线的。

这意味着，对于一些早于 ZenMux 上线的模型，我们无法完整观察它们从发布第一天开始的真实调用轨迹。虽然我们会尽量用平台可观测窗口来做归一化，但对于这些更早发布的模型，它们的早期数据天然会有一定失真。

所以，这篇文章更适合被理解为：

ZenMux 平台上可观测到的模型价格和真实调用关系，而不是全网模型市场的绝对份额。

第二， ZenMux 目前也还在发展中。

今天的 token 消耗量已经能观察到一些有意思的趋势，但如果平台整体 token 消耗量再扩大 10 倍，样本会更厚，噪声会更低，也会更接近真实市场结构。

换句话说，这不是一份“终局结论”，更像是一套可以持续复用的研究方法。

第三，本次研究没有把 Cache Hit / 缓存命中率 单独建模进去。

这点非常重要。

即使两个模型的名义价格被归一化到一样，如果它们的缓存命中率不同，开发者实际支付的有效价格也会不同。尤其是在 Coding 、 Agent 、长上下文场景里，缓存命中率会直接影响真实成本。

而开发者对这件事非常敏感。

因为他们最终感受到的不是“价格表上的价格”，而是：

同样一段工作流，最后账单到底跳了多少。

所以， Token 经济学下一步需要进一步考虑的不只是名义价格，还包括缓存命中率、上下文复用效率、不同协议下的计费差异，以及这些因素如何共同影响开发者选择。

先看结果：大模型"价值"天梯图

我们按照这个 Value 指标，把 ZenMux 平台上的大语言模型做了一张天梯图：

结果非常有意思。

DeepSeek V4 Pro 当之无愧排在第一。

这也解释了为什么我们会把它叫做“斩杀线”：它不是单纯便宜，而是在低归一化价格下吃到了非常大的真实用量。

第二个很值得注意的是 GLM 5.2 。

GLM 5.2 的位置非常靠前，说明它不是“中国模型里还不错”这种客气话，而是在价格和真实用量一起计算之后，已经站到了全场第一梯队。

Claude Opus 4.8 、 Claude Opus 4.7 、 Claude Opus 4.6 也依然强势。

这件事很重要。

它说明贵模型并不会因为贵就被市场抛弃。只要能力、稳定性、工具适配和开发者信任足够强，用户依然会买单。

反过来看， GPT 、 Gemini 、 Qwen 的很多模型落在中后段。它们不是不能用，而是在 ZenMux 的这个观察窗口里，价格和真实消耗量组合起来之后，没有形成 DeepSeek V4 Pro 那种压倒性的 Value 。

我自己的一个额外观察是：

今天模型市场的竞争，已经不只是“谁更强”，也不是“谁更便宜”，而是谁能成为开发者默认愿意反复调用的那个模型。

这中间既有能力，也有价格，也有工具链里的路径依赖。

再看 Value Map ：四个象限

只看排名还不够。

所以我们又做了一张 Value Map ：

这张图的横坐标是归一化价格 $P_m$，纵坐标是归一化日用量 $U_m$。

两条虚线分别是价格中位数和用量中位数，于是模型天然被分成四个象限：

如果把 DeepSeek 、 GLM 、 Claude 这几条线高亮出来，会更明显：

DeepSeek V4 Pro 和 DeepSeek V4 Flash 明显站在“低价高用量”区间。

GLM 5.2 则很有意思：它已经冲到了极高用量区，但价格也不再是最低价路线，更像是一个正在向旗舰 premium 靠拢的中国模型。

Claude Opus 4.8 、 Claude Opus 4.7 、 Claude Opus 4.6 则是典型的“高价格 + 高用量”。

也就是说， Claude 的逻辑不是用低价换规模，而是用足够强的模型能力和开发者信任，支撑一个更贵的价格带。

下面分厂商看，会更有意思。

Anthropic ：奢侈品路线，但市场真的买单

先看 Anthropic ：

Claude 系列从一开始就很像“奢侈品路线”。

大多数 Claude 模型都在价格中位线右侧，尤其是 Opus 系列，明显位于高价格区域。

但问题是，它们并没有掉到“高价低用量”的尴尬区。

Claude Opus 4.8 、 Opus 4.7 、 Opus 4.6 、 Sonnet 4.6 等模型，依然能拿到很高的真实用量。

这说明 Anthropic 这条路线非常清晰：

我不便宜，但我足够强，强到你在关键任务里还是会选我。

这也是为什么很多开发者嘴上嫌 Claude 贵，但到了复杂 Coding 、长任务、 Agent loop ，手还是会很诚实地伸过去。

OpenAI ：既要又要，正在向 premium 靠拢

再看 OpenAI ：

OpenAI 的分布很有意思。

它不像 Anthropic 那样路线单一，而是典型的“既要又要”：

既有 GPT-5 Nano 、 GPT-4.1 Nano 这类低价模型，也有 GPT-5.5 、 GPT-5.4 、 GPT-5 Pro 这类高价模型。

但从图上看，低价模型并没有天然带来高用量。

很多低价 GPT 模型落在左下角：便宜，但真实用量并不高。

反而是 GPT-5.4 、 GPT-5.5 这些更贵的新旗舰，开始往 Anthropic 的 premium demand 区域移动。

这说明 OpenAI 的真实策略可能也在发生变化：

便宜模型负责覆盖场景，旗舰模型负责证明上限。

只不过在 ZenMux 的数据里，便宜不等于被选择。开发者最终还是会为“更稳、更强、更会写代码”付钱。

Google ：双路线很清楚， Flash 也在变贵

接下来是 Google Gemini ：

Google 的路线相对清晰：

一边是低价 Flash ，一边是高价 Pro 。

这两个路线的用量都还算健康，没有明显失控。

但最新趋势也很值得注意： Gemini 3.5 Flash 已经不再只是“便宜小模型”的位置，它也开始进入更高价格、更高用量的象限。

这背后其实有一个现实问题：

旗舰模型并没有一直降价，恰恰相反，真正强的模型正在越来越敢涨价。

因为只要它能解决真实问题，市场就会给它价格空间。

DeepSeek ：这就是斩杀线

然后是 DeepSeek ：

DeepSeek 的策略从 V3 到 V4 都非常清晰：

低价格，强效果，高可用性。

DeepSeek V4 Pro 和 DeepSeek V4 Flash 基本就是“低价高用量”的教科书案例。

它最可怕的地方不是便宜，而是便宜之后用户真的愿意用。

这和很多“低价但无人问津”的模型完全不同。

所以 DeepSeek 斩杀线真正的含义是：

当一个模型同时做到低价、可用、稳定、可规模化，它会把整个市场的价格参照系往下拉。

从此以后，其他模型的定价都必须回答一个问题：

我比 DeepSeek 贵，贵在哪里？

智谱 GLM ：越来越像 OpenAI 的中国路径

再看智谱 GLM ，尤其是把它和 OpenAI 放在一起：

有人说智谱是最像 OpenAI 的中国公司。

从 Token 经济学的角度看，这个说法还真有点意思。

GLM 的产品线也呈现出类似的双路线：

一边是低价 Flash / Turbo ，一边是更旗舰、更 premium 的 GLM 5.2 。

早期一些平民路线模型并没有全部跑出来，但 GLM 5.2 这次明显不一样。

它已经不是“中国模型 = 低价替代”的叙事，而是在往“高用量旗舰模型”的位置走。

这可能是中国模型一个很重要的拐点：

过去大家更习惯用“便宜”解释中国模型；但接下来，真正有机会突围的模型，必须让用户在不便宜的时候也愿意用。

其他几家： Kimi 、 MiniMax 、 Qwen

Kimi 的位置很像在对标 Anthropic ：

它不是极致低价路线，而是更偏 premium 。 Kimi K2.7 Code 的用量表现不错，说明开发者对它在 Coding 场景里的能力是有真实兴趣的。

MiniMax 则更像在对标 DeepSeek ：

路线更平价，价格更亲民。如果这类模型能把真实用量继续打上去，就会很有潜力。

Qwen 的分布最复杂：

它几乎每个象限都有模型。

这说明 Qwen 的产品线覆盖非常广，但从外部看，策略也显得没那么集中。

不过最新的 Qwen3.7 Max 是个值得关注的点：它正在往更 premium 的方向走，而且市场反馈并不差。

这也再次说明一个趋势：

中国模型厂商不能只打低价牌。真正的胜负手，是有没有模型能站上“高价格 + 高用量”的区域。

所以，我们发起 DeepSeek 斩杀线挑战

既然问题已经摆在这里了，那就干脆做一次实验。

我们把一批“东方模型”的价格，全部按前面的归一化价格方法，对齐到 DeepSeek V4 Pro 或 DeepSeek V4 Flash 。

换句话说，我们想把这些模型扔进一个更残酷、也更公平的赛场：

不许靠价格劝退用户，只看谁能真正留住 token 。

完整模型名单来自开源仓库里的这份配置：

config/token-economics-live-models.json 

这次参与的模型包括：

其中， Agnes-2.0-Flash 、 Ling-2.6-flash 这类本来就低于斩杀线的模型，会保持原价。

其中一些旗舰模型的降价幅度非常夸张：

这里的规则很简单：

我们的目标也很简单：

把价格这个变量尽量压平，然后看真实开发者最终会选择谁。

实时榜单：看谁能冲过斩杀线

我们为这次挑战做了实时榜单：

https://arena.zenmux.ai/token-economics?view=live[1]

榜单支持实时榜和累计榜，也支持从 Token 和 Cost 两个角度查看。

你可以把它理解成一个持续运行的模型市场实验：

当 DeepSeek V4 Pro 、 DeepSeek V4 Flash 、 GLM 5.2 、 Kimi K2.7 Code 、 Qwen3.7 Max 、 MiniMax M3 、 Doubao Seed 2.1 Pro 、 Doubao Seed 2.1 Turbo 、 Doubao Seed Evolving 等模型，被放到接近同一条价格线上之后，谁会真正被开发者调用？

答案不会出现在发布会上。

答案会出现在 token 曲线上。

因为在模型市场里，最诚实的投票不是点赞，不是 benchmark 截图，而是开发者每天真金白银打出去的 token 。

一个更现实的结论

做完这次 Token 经济学研究，我最大的感受是：

模型价格不是一个简单的财务数字。

它其实是模型厂商对自己能力、成本、生态位置和市场野心的综合表达。

便宜只是入场券，不是免死金牌。

低价模型如果跑不出真实用量，说明它只是把价格打低了，还没有把用户打动。

高价模型如果依然能持续吃到高用量，说明市场不是不知道它贵，而是愿意为它的确定性、能力上限和工程稳定性付费。

所以，模型市场里最残酷的一句话可能是：

价格是厂商给模型贴的标签，用量是用户给模型投的票。

而像 DeepSeek V4 Pro 这样同时做到低价和高用量的模型，会变成一种新的价格制度：

它不只是一个模型，它是一条新的参照线。

这条参照线会逼问所有模型厂商：

你到底是要走 Claude 式的 premium 路线，证明自己贵得有道理？

还是要走 DeepSeek 式的斩杀线路线，把价格打到让开发者无法拒绝？

又或者，你能不能像 GLM 5.2 这样，从“中国模型 = 平替”的叙事里走出来，变成真正的“旗舰可选项”？

这就是我们接下来会持续追踪的 Token 经济学。

不只看模型说自己有多强。

也看开发者最后把 token 投给了谁。

最后，欢迎来挑战 DeepSeek 斩杀线

这次 DeepSeek 斩杀线挑战里， ZenMux 已经把上述模型按统一归一化价格策略做了降价。

PAYG 按量付费和订阅制都会同步生效。

ZenMux 平台上的所有大模型，也天然支持：

你可以把它们接入 Claude Code 、 Codex 、 OpenCode 、 OpenClaw 、 Hermes 等 Agent 工具里，随意组合、随意试用。

活动页面在这里：

https://zenmux.ai/token-economics[2]

实时挑战榜单在这里：

https://arena.zenmux.ai/token-economics?view=live[3]

项目也已经开源：

https://github.com/ZenMux/zenmux-arena[4]

接下来我们会持续看这件事：

当价格被拉平之后，谁还能留下真实用量？

这可能比任何榜单都更接近模型市场的答案。

因为榜单回答的是“谁看起来更强”，而 Token 经济学追问的是：

谁值得被一次又一次地调用？

参考链接

[1] https://arena.zenmux.ai/token-economics

[2] https://zenmux.ai/token-economics

[3] https://arena.zenmux.ai/token-economics

[4] https://github.com/ZenMux/zenmux-arena