# DeepSeek V4 Flash 之后，大模型开始卷「智效比」了

- 作者：李超凡
- 发布时间：2026-08-14 10:14
- 分类：产品、软件
- 原文：https://www.ifanr.com/1675156

![](https://s3.ifanr.com/wp-content/uploads/2026/08/linti.png)在 AI 圈，大家过去选模型多少有点「颜控」，就看谁智商高，谁又占领 SOTA，哪怕它是个能一天烧光你额度的「渣男」，就先冲上去了。

Agent 一来，画风突变。它要自己搜资料、读文件、写代码、跑测试，报错了还得爬起来重做。你甩一句话，它可能在后台刷掉上百次 API。

但 AI 可不会给你免费加班，永远是钱到位再上班，少一分晚一秒都罢工。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/1-7.png)

这时终于发现不能光看「颜值」了，还得看它能不能踏实过日子。不光活干得漂亮，还得情绪稳定不嫌累，最重要的是，你要跟它能细水长流相濡以沫。

此前轰轰烈烈的 Token-maxxing，很多公司鼓励员工放开用 AI ，谁烧的 Token 多绩效就更好。可 Agent 一天跑上万轮，最后像微软这样的大厂也受不了。

前段时间 DeepSeek V4 Flash 发布后，大家反而开始研究一块钱可以买到多少 AI，最近有网友用有网友用一块钱的 V4 Flash 生成了一艘星舰，冲上了热搜。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/2.jpg)

DeepSeek V4 Flash 被称为大模型的「斩杀线」，它不一定在每项测试里最强，但能力已经可以覆盖大量真实任务，而价格又足够低。

这还不能用性价比简单总结，我们不妨这它叫做「 **智效比** 」。

如果要写成一道公式，分子是模型真正解决问题的能力，分母是为此付出的激活参数、Token、时间和价格。

APPSO 已经做过很多模型实测，每次都是拿最慢的提示词来测试它的上限，这次我们想试试换一种方式，给AI 块钱，看它到底能跟我干出什么东西，能不能给我长期打工。

### 花一块钱，能让 AI 干多少活

这两天 V4 Pro 上线是 AI 圈最受关注的事，我们用就让他自家兄弟 DeepSeek V4 Flash Max 做一个 DeepSeek API 的非官方状态监控页。

这不只是写一个能打开的页面就行，我要求 AI 需要自己查找资料，决定页面结构，设计状态信息的呈现方式，还要完成一个原创的二次元吉祥物。

先看测试的结果。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/3.jpg)

V4 Flash Max 跑了 25 次模型调用，输入量 122 万 Token，输出量则是 66,995 Token， 共花费 0.0758 美元，确实是是多快好省。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/4.jpg)

最近诺兰的《奥德赛》点映都一票难求，电影院怎么选还得做各种研究，那我们继续把这个任务交给 DeepSeek V4 Flash。

DeepSeek V4 Flash 交出的结果很详细，已经很有参考性，但总感觉设计差点意思。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/5-3.png)

于是我又拿至 Claude Sonnet 4.6 ，这回审美确实更接近奥德赛的电影风格了，可因为单价更高，总共花费 2.5 美元，已经远远超过了我们最初设定的一块钱预算。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/6-5.png)

于是我们想重新找找看，有没同一个能做得效果比 V4 Flash 好，同时能比 Sonnet 4.6 省钱的模型。

APPSO 在第三方模型评测机构 Artificial Analysis 公布的智能指数（Intelligence Index）榜单上，发现了在 V4 Flash 之外 ，还有不少把经济适用玩出花的新面孔，其中还有个叫 Ling-3.0-Flash 的模型，它的表现明显超过了 10B 到 15B 激活参数的同级别 Flash 模型。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/7-3.png)

这个蚂蚁家的模型很低调以致我几乎没留意过，但 Ling-3.0-Flash 在 Intelligence Index 的综合得分是 38 分，追平了 MiMo-V2.5（38 分）和 Qwen3.6 27B（38 分）。

虽然 Ling-3.0-Flash 的总参数量是 124B，但推理时仅激活 5.1B 参数；跟体量接近的 Qwen3.6 122B 相比，激活参数只有一半。

如果把这个得分看成「干活能力」，激活参数就是 AI 每次出工要雇佣多少人，在这个坐标轴越靠近左上角，意味着它越能够「花小钱办大事」。

不过跑分不能完全代表实际表现，我们直接让 Ling-3.0-Flash 来把前面的任务再做一次看看。

DeepSeek API 的非官方状态监控页的测试里， Ling-3.0-Flash 同样跑了 25 次模型调用，但花费却差了不少，Ling-3.0-Flash 花费 0.0402 美元，比 DeepSeek 便宜了 40%。

而 DeepSeek 的输入量达到 122 万 Token，比 Ling-3.0-Flash 的 94 万 Token 多约 30%。DeepSeek 输出量则是 66,995 Token，是 Ling-3.0-Flash （14,752 Token）的 4.5 倍。

这个结果有点出乎我们意料，这类任务很能体现高频 Agent 对模型响应速度的敏感程度， Ling-3.0-flash 能干过 V4 Flash Max ，似乎有点黑马的感觉了。

在《奥德斯》电影院指南的案例中， Ling-3.0-Flash 一共耗时 17m55s，后台记录了 137 次请求，共花了 326 万 Token 与 0.483 美元。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/3-3.png)

对比 Claude Sonnet 4.6 ，它用时 16.1 分钟比 Ling-3.0-Flash 略少，工具调用 14 次，消耗了 110 万Token 看起来少了，但因为单价更高，总共花费 2.5 美元，是 Ling-3.0-Flash 的六倍。

不过 Ling-3.0-Flash 也没有完胜 Sonnet 4.6 ，在给出的电影院推荐中部分错误，比如推荐了内地看不了的 IMAX 70mm 格式。

不过好在价格足够便宜，跑多两三次基本也能解决，整体还是更加划算。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/8-3.png)

综合测试下来，我们发现 Ling-3.0-Flash 不是智能上限最高的那个，却很适合输入较短、字段固定的批量抽取，以及需要高频调用 API 的 Agent 场景。

调用量越大，它的优势就越明显，放在高频 Agent 的执行层里，妥妥是一匹黑马。

就像黄仁勋说的，The more you buy, the more you save……

### Agent 时代，怎么挑选「高智效」模型

看完前面的测试，你可能会说这么折腾一番，不就就省下了几块几毛钱有必要吗，但要如果把这个数字乘于成千上万呢，这恰恰就是 Agent 时代的日常。

AI 交付的单位正在从一次次对话变成一项完整的工作任务。

OpenAI 公布的数据显示，2026 年 5 月，已有 70.2% 的用户提交过至少需要人类工作一小时的 Codex 任务，25.6% 的用户提交过至少一项预计需要人类工作八小时以上的任务。

最活跃的那 1% 用户，甚至会在一天内产生超过 60 小时的 Codex Agent 运行时长。一天当然还是只有 24 小时，只是多个 Agent 已经开始同时加班。

一项任务会被拆成规划、搜索、执行、验证和复盘。一个 Agent 连续调用一百轮，五个 Agent 同时工作。

这也是为什么 DeepSeek V4 Flah 引发硅谷「地震」，Hugging Face 联合创始人 clem 表示，不同模型每任务成本相差约 800 倍。领先的旗舰模型平均超过 31 美元/任务，而 V4 Flash Max 只要 0.04 美元，这让开源模型成为性价比首选。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/11-4.png)

这时，模型只有足够的「智效比」，Agent 才敢多查一个来源、同时尝试三条路线，验证失败后也还有预算重新来过。

开源 AI Agent 工具 OpenCode 发文称，DeepSeek V4 Flash 正式版通过其平台消耗了 8 万亿 Token。一款模型，仅仅在 OpenCode 一个入口里，一天消耗的 Token，就超过了 OpenRouter 全平台的日均规模。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/12-1.png)

这个夸张的数据，就是被「智效比」撬动的，它这会决定 Agent 敢不敢多查一个来源，能不能同时尝试三条路线，也会决定验证失败后还有没有预算重新来过。

响应足够快，这些循环才不会层层排队，把原本十分钟的任务生生拖成一场马拉松。当然，一个无法交付结果的模型，价格再低，也只是在批量生产返工。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/13-1.png)

真正的高智效，是先把事情做成，再用更少的 Token、时间、算力和预算，把同样的事情稳定地做上千次、上万次。

DeepSeek V4 Flash 与 Ling-3.0-Flash ，都是高智效路线现阶段的两个代表。

V4 Flash 把 1M 上下文、代码和 Agent 能力放进了更低的价格区间，Ling-3.0-Flash 则用 5.1B 激活参数换来高吞吐和快速响应，让人在更多高频 API 场景使劲蹬。

![](https://s3.ifanr.com/wp-content/uploads/2026/08/14-3.png)

「智效比」正在成为大模型新的 Benchmark，它不是把价格战再卷一遍，而在悄悄改变模型竞争的方向。

AI 下半场不只是通过堆砌参数来抬高智能上限，更要让已有的智能真正进入业务流程。

AGI 当然还是山顶，大家还会继续往上爬。但我们普通人大多数工作发生在山脚下：读代码、回消息、查资料、跑流程，再把一件件不起眼的小事做完。

当我们不再小心翼翼地计算每一次调用，智能才真正从一种令人惊艳的能力，变成了可以依靠的生产力。