算力经济学

周末闲来无事，我拿几个主流大模型的API做了个“人肉测试”，想看看在日常工作里，用它们干同样的活，花费到底差多少。

先上一份价格速查表（按输入/输出每百万Token美元计），方便你有个直观概念：

光看价格可能不够直观，我们直接代入几个真实的日常任务试试：

场景一：日常代码审查 (Code Review)

假设你提交了一个中等规模的PR，有500行代码改动。我把代码和上下文一起丢给AI，大约消耗8,000个输入Token，AI回复了修改建议，约2,000个输出Token。

· DeepSeek V4 Flash：花费约 $0.0017（约1分钱）。这点成本几乎可以忽略不计。

· GPT-5.6 Luna：花费约 $0.0040，比DeepSeek贵了一倍多。

· Claude Haiku：花费约 $0.018，是DeepSeek的10倍。

场景二：总结长篇文档

假设你要处理一份50页的行业报告，约50,000个Token，并让AI生成一份约3,000个Token的核心摘要。

· DeepSeek V4 Flash：花费约 $0.0078（不到1美分），真正的白菜价。

· GPT-5.6 Luna：花费约 $0.0136，依然很便宜，但已是DeepSeek的近2倍。

· Claude Haiku：花费约 $0.065，成本开始显露出差距。

场景三：创意写作与长篇内容生成

周末想写一篇3,000字的深度分析文章（约4,000个Token）。你把大纲和参考资料（共5,000个Token）喂给AI，让它生成长文。

· DeepSeek V4 Flash：花费约 $0.0018，成本几乎可以忽略不计。

· GPT-5.6 Luna：花费约 $0.0058，是DeepSeek的3倍。

· Claude Haiku：花费约 $0.025，是DeepSeek的近14倍。

几点真实心得

1. DeepSeek V4 Flash是“性价比之王”：在几个日常任务里，它的成本基本都是最低的，甚至在缓存命中的情况下还能再省一大笔。

2. “最强”≠“最贵”：GPT-5.6 Luna降价后性能不俗，但成本依然高于DeepSeek。Claude Haiku虽然便宜，价格却是DeepSeek的十几倍。

3. Agent任务差距更夸张：有开发者实测，用DeepSeek跑一个4小时的Agent任务，消耗约1亿Token，总花费不到1块钱。换其他模型，这账单可能就是几十甚至上百美元了。

总的来说，如果你对成本敏感，或者需要高频调用API，DeepSeek V4 Flash目前几乎是无可争议的最优解。它用极低的成本，提供了足以应对绝大多数日常工作的性能。这波“价格战”，受益的终究是我们这些普通用户。