7月31日，DeepSeek將V4 Flash官方版本API推向公測。該版本未擴大引數規模，也未更換底層架構，官方披露的主要變化來自後訓練，但Terminal Bench 2.1等Agent指標明顯上升。價格方面，快取命中輸入0.02元、未命中輸入1元、輸出2元（單位均為百萬Token），延續了DeepSeek一貫的低價策略。

第三方評測讓這種衝擊更為直觀。Artificial Analysis給DeepSeek V4 Flash和Gemini 3.6 Flash的智慧指數都打了50分；按7:2:1的快取命中、普通輸入和輸出混合口徑計算，前者每百萬Token為0.06美元，後者為1.16美元，相差約19倍。由此，“DeepSeek斬殺線”在開發者和投資圈流行起來——它不是官方指標，而是市場對價格—效能邊界的簡稱：能力不如DeepSeek、價格卻更高的模型，先失去規模化使用的理由；能力只高一點，卻貴出十幾倍，也要證明這點差距能給客戶創造十幾倍的價值。

斬殺線討論的是模型競爭，背後更值得追問的是商業質量。大模型正在改變軟體、搜尋、內容生產和企業流程，這一點沒有太大爭議。爭議在於：如此重要的技術，能否自然長成一門長期回報很高的生意？從目前公開資料看，答案偏謹慎。

按收費物件看，基礎模型公司的收入大致分四類：API按Token計費；個人或團隊按月訂閱；企業購買許可、私有化部署和定製專案；雲廠商、終端和應用平台按協議分成。經濟實質可以歸為兩種：銷售標準化模型能力，或者圍繞模型做交付與服務。標準化能力可複製，但價格透明、競品易比較；專案制能提高客單價，但銷售週期和運維更重，規模擴大未必帶來軟體行業常見的邊際利潤。

成本端更復雜。預訓練之外，還有後訓練、資料清洗、評測、安全、人才和實驗消耗；模型上線後每次呼叫繼續發生推理成本。自建算力時表現為伺服器、資料中心、折舊和電力；租雲時只是換成雲費用或長期算力承諾。判斷這門生意不能只看毛利率，更要看自由現金流。訓練投入可被資本化或融資暫時遮住，推理降本也能把單次毛利做得好看，但只要下一代模型仍要追加鉅額投入，賬面毛利不等於股東最終能拿走的現金。

巴菲特在2007年致股東信中討論“好生意”時，核心是企業能否依靠持久護城河保護投入資本回報率，並提醒必須持續重建的護城河最終很難稱為護城河。放到大模型行業，可拆成三項可驗證指標：利潤增長需要補多少資本；成本下降能否留在利潤表裡；客戶更換供應商時要付出多大代價——分別對應資本開支、定價權和遷移成本。

大模型的第一道坎是領先優勢保質期很短。今天用於訓練最強模型的叢集，明天仍可承擔推理和實驗，但很難自動保證下一代繼續領先。Epoch AI對45個前沿模型的估算顯示，自2016年以來，最終訓練執行的硬體和能源攤銷成本年均增長約2.4倍，其中硬體約佔開發成本的47%—67%，研發人員約佔29%—49%。如果歷史趨勢延續，最大訓練執行在2027年前後可能超過10億美元。巨頭的最新指引把賬單攤在報表上：Amazon預計2026年全集團資本開支約2000億美元；Alphabet二季度把全年指引上調至1950億—2050億美元；Meta給出1300億—1450億美元區間。三家的口徑覆蓋全部業務，但都把AI算力需求列為主要投入驅動。更能說明問題的是現金流：Amazon二季度披露，過去12個月自由現金流由流入182億美元轉為流出76億美元；Meta二季度資本開支310.8億美元，自由現金流只有7.84億美元。純模型公司沒有廣告、電商或成熟雲業務託底，融資條件一旦變化，壓力會更直接。

通常技術降本會先改善企業利潤，但大模型行業的特殊之處是降本成果很快被競爭傳給客戶。Stanford 2025 AI Index統計，同等GPT-3.5水平系統的查詢成本從2022年11月的每百萬Token 20美元降至2024年10月的0.07美元，18個月下降超過280倍；同期硬體成本年均下降約30%，能效年均改善約40%。Stanford 2026 AI Index顯示，截至2026年3月，Arena榜單前四家公司聚集在25個Elo分以內；頂級閉源和開源模型的差距只有3.3%。Agent普及還會放大價格敏感度，採購指標正從“誰最聰明”轉向“完成一項工作總共花多少錢”。呼叫量增長可以抵消單價下滑，但需滿足嚴苛條件：用量增速必須長期跑贏價格下降和新增研發投入。DeepSeek的低價證明了技術效率，也把效率變成了全行業的新報價基準。

客戶遷移成本方面，介面標準化正在降低切換難度。DeepSeek官方文件顯示，其API相容OpenAI和Anthropic格式，開發者修改配置即可接入；Claude Code、GitHub Copilot、OpenCode等工具可直接把DeepSeek當作後端。LiteLLM這類開源閘道器把100多種模型放進統一介面。企業真正沉澱的是使用者賬號、業務資料、提示詞、評測集、許可權體系和流程配置，只要這些資產留在應用層或企業自己的閘道器裡，更換底層模型往往只是工程專案。“斬殺線”的兩面性正在於此：DeepSeek能憑價效比快速獲得呼叫量，恰恰說明客戶會為更好的價效比遷移。

對“大模型不是好生意”的判斷，最有力的反駁有三條：推理具有規模經濟；前沿智慧始終稀缺，願意支付溢價；鉅額資本開支把競爭者擋在門外。但這三條更像在解釋為什麼少數公司能活下來，還不能證明基礎模型層平均是一門好生意。規模經濟只有在降本不被價格戰完全傳導時才形成利潤；前沿溢價只覆蓋金字塔尖任務，且需每代模型重新證明；寡頭格局也可能讓雲廠商通過捆綁、補貼和多模型平台繼續壓價。大廠做模型不一定靠API單獨賺錢，Google可用Gemini保護搜尋和Workspace，Meta可提高廣告效率，Amazon可賣算力、晶片和雲服務，它們獲得的是全棧回報。如果一家公司的利潤來自廣告、雲和分發入口，這證明全棧平台可能是好生意，並不能反推純基礎模型也是好生意。

未來的行業結構，更傾向於“少數閉源前沿平台＋長期存在的開源價格錨＋大量多模型應用”。利潤池會沿三個方向重新分配：做成本領先者，自研晶片、推理排程、快取、模型稀疏化和高利用率是商業模式本身；進入垂直行業，金融、醫療、製造、政務購買準確率、審計、許可權、合規和事故責任，專有資料與交付能力把模型差異轉換成業務風險差異；嚮應用和工作流下沉，誰掌握使用者入口、上下文、系統許可權、反饋資料和最終結果，誰的遷移成本更高，更適合從Token計費轉向席位、專案或結果計費。這三條路的共同點是護城河最終都不只在模型權重裡，而落在晶片和基礎設施、專有資料和合規體系，或客戶每天離不開的業務流程中。

DeepSeek斬殺線不是行業終局，更像一次提前到來的壓力測試。它讓能力弱、價格高的模型先退出，也迫使能力更強的模型解釋自己的溢價。對社會來說，智慧更便宜當然是好事；對基礎模型公司來說，這意味著每一輪技術進步都可能同時抬高下一輪投入，並壓低這一輪產品的價格。未來值得跟蹤的，不是誰又多拿了幾分，而是誰能在資本開支上形成成本優勢、在定價上保留利潤、在客戶流程裡建立遷移成本。等這三本賬能夠同時成立，一家大模型公司才算從重要技術走向一門好生意。