DeepSeek 把模型打成电费，OpenAI 把模型做成操作系统

今天这两条消息放在一起看，比单独吹 DeepSeek 更有意思：

• DeepSeek V4-Flash 正式版上线；
• OpenAI 把 GPT-5.6 Luna 的价格直接砍了 80%。

第一反应当然是：又一轮价格战来了。

但我看完后的判断是：

DeepSeek 正在把大模型打成“电费”，OpenAI 则在把大模型做成“操作系统”。

两家都在降成本，但走的不是同一条路。

先纠正一个容易传错的信息

DeepSeek 公布的 V4-Flash 价格确实很夸张：

每百万 Tokens	DeepSeek V4-Flash 深蓝 V4-Flash	GPT-5.6 Luna GPT-5.6 月神
普通输入	$0.14	$0.20
缓存输入	$0.0028	$0.02
输出	$0.28	$1.20

普通输入，两家的差距已经没有想象中那么大。

真正拉开距离的是缓存和输出：

• Luna 的缓存输入价格约为 V4-Flash 的 7.1 倍；
• Luna 的输出价格约为 V4-Flash 的 4.3 倍。

还有一点需要注意：DeepSeek 官方写的是即将采用峰谷定价，具体生效时间另行通知。也就是说，峰时翻倍这件事已经公布，但并不是现在已经正式执行。

DeepSeek 这次最狠的，不只是便宜

以前很多人提 DeepSeek，第一句话就是“性价比高”。

但 V4-Flash 这次更关键的变化，是它开始主动进入 Agent 和开发工具链：

• 100 万上下文；
• 最高 38.4 万 Tokens 输出；
• 支持思考与非思考模式；
• 支持工具调用；
• 支持 Responses API；
• 对 Codex、Claude Code、OpenClaw 等 Agent 工具做适配。对 Codex、Claude Code、OpenClaw 等代理工具进行适配工作。

这意味着它不再只适合“聊天、翻译、写文章”。

它开始适合承担大量真正会消耗 Token 的后台工作：

客服、翻译、资料整理、代码测试、知识库问答、批量生成、多 Agent 通信。

这些任务未必需要最聪明的模型，但每天可能调用几万次。

到了这个量级，模型每百万 Tokens 差几毛钱，最后差的就不是几毛钱，而是一个产品到底能不能赚钱。

OpenAI 为什么还值得用？

看到 DeepSeek 的价格后，很容易得出一个过于简单的结论：

既然更便宜，那就全部换成 DeepSeek。

我不认同。

OpenAI 的优势从来不只是“模型分数高一点”，而是它已经把网页搜索、文件搜索、图像理解、代码执行、Computer Use、MCP 和 Responses API 做成了一套完整的工作环境。

举个最实际的例子。

一个 Agent 需要完成下面这件事：

1. 读取客户上传的图片；
2. 查询网页；
3. 分析 PDF；
4. 调用内部系统；
5. 在网页中执行操作；
6. 最后返回结构化结果。

只比较 Token 价格，DeepSeek 更便宜。

但把开发、调试、工具接入、失败重试和后期维护都算进去，OpenAI 未必更贵。

模型单价不是系统总成本。

这个区别非常重要。

DeepSeek 更像便宜、强劲的发动机； OpenAI 更像发动机、变速箱、导航和控制系统已经装在了一起。

所以，到底该用谁？

我的答案不是二选一。

这些任务，我会优先给 DeepSeek

• 翻译、摘要、分类、改写；
• 商品资料和内容批量生成；
• 企业知识库问答；
• 长文本和长代码输出；
• 高频客服；
• Agent 的初步判断和中间步骤；
• 大规模测试、评测和回放。

这些任务共同的特点是：

调用量大、失败成本不高、对价格敏感。

这些任务，我会优先给 OpenAI

• 图片、截图和复杂文件理解；
• 网页搜索与实时信息获取；
• 需要连续调用多个工具的 Agent；
• Computer Use；
• 涉及订单、客户和数据写入的关键操作；
• 需要快速上线、不想自己搭一整套工具链的项目。

这些任务共同的特点是：

调用量未必最大，但工程复杂度和失败成本更高。

真正该做的，是模型路由

未来靠谱的 AI 产品，不会在代码里写死一个模型。

而是让系统先判断任务：

• 简单还是复杂？
• 是否需要看图？
• 是否需要联网？
• 是否需要操作工具？
• 输出会不会很长？
• 做错了代价有多大？

然后再决定调用谁。

一个比较现实的结构可能是：

• 70%—80% 的高频基础任务：DeepSeek V4-Flash；
• 15%—25% 的复杂工具任务：GPT-5.6 Luna 或 Terra；
• 极少数高难度、失败代价高的任务：旗舰模型。

这才是今天两条新闻放在一起后，最值得关注的变化。

不是 DeepSeek 打败 OpenAI，也不是 OpenAI 被迫降价。

而是大模型正在迅速变成一种可以按任务调度的基础资源。

以后真正拉开差距的，不是你押中了哪家公司。

而是你能不能回答三个问题：

1. 哪些任务根本不需要最强模型？
2. 哪些任务不能只图便宜？
3. 怎样让系统自动做出这个选择？

最后一句

今天真正赢的，不是某一家模型。

是那些开始把模型当成成本、工具和资源来管理的人。

模型越来越便宜，选错模型却仍然很贵。

官方资料

• DeepSeek 模型与 API 定价
• DeepSeek V4 发布说明
• OpenAI：GPT-5.6 价格与性能更新
• OpenAI API 定价

数据截至 2026 年 7 月 31 日。