DeepSeek把AI应用创业者的春天带来了

作者：动察Beating

7 月 31 日，DeepSeek V4-Flash 正式版 API 上线公测。

每百万输入 token，1 元；每百万输出 token，2 元。缓存命中以后，每百万输入 token 只要 2 分钱。它支持 100 万上下文、思考模式、工具调用和 Responses API，单账户并发连接上限达到 2500。

DeepSeek 接下来还会采用峰谷定价，高峰时段价格翻倍。即便如此，价格依然便宜得有点不讲武德。

按照 DeepSeek 官方给出的粗略换算，1 个中文字符大约消耗 0.6 个 token。一百万 token，可以读入约 167 万个中文字符。单看输入成本，读入约 167 万个中文字符，账面价格只要一块钱。

过去一年，大模型行业已经习惯了更长的上下文、更复杂的推理，以及越来越能干的 Agent。每次模型更新，讨论总会落到谁又超过了谁、benchmark 往前挪了多少、距离 AGI 还有多久。

对 AI 应用创业者来说，还有一个问题更加现实：

一个任务到底要花多少钱。

模型能力决定产品理论上能做什么，调用价格决定团队敢把多少能力真正放进产品里。

今天下午，我在语音里和 ChatGPT 掰扯了很久。我说，现阶段 AI 应用跑通的商业模式，说白了就是倒卖 token。

它几次想帮我换一个体面的说法，比如「推理能力零售」或者「智能服务封装」。我说别替这门生意想措辞了，倒卖就是倒卖，难听不等于不对。

AI 应用看起来是过去几年最新的创业方向，底层做的却是一门很老的生意：

进货、加工、定价，再把货卖出去。

而很多产业变化，最早就是从进货价突然掉下来开始的。

AI 应用，就是一门倒卖 token 的生意

过去，人们习惯用互联网产品或者 SaaS 的框架理解 AI 应用。

软件开发完成以后，可以分发给一千个人，也可以分发给一百万人。新增一个用户当然还会产生带宽、存储和服务成本，但这些成本通常会随着规模扩大被逐渐摊薄。

AI 应用不太一样。用户每生成一张图片、写一份报告、完成一段代码，或者让 Agent 多执行一个步骤，应用公司都要重新调用模型。用户每按一次按钮，上游都要再收一次钱。

所以，大多数纯软件 AI 应用目前跑通的基础商业模式其实很简单：

从模型公司采购 token，把通用模型能力包装成写作、编程、设计、客服、视频或者 Agent 产品，再通过会员、积分和按次收费卖给用户。

以 Poe 为例，它在推出 API 时直接表示，附加点数的定价目标，就是按照底层模型供应商向它收取的价格来收费。

上游按照模型和 Token 收钱，Poe 把它们换算成平台里的点数，再连同统一入口、支付、切换模型和开发接口一起卖给用户。

一些公司会说自己不卖 token，卖的是结果。客服软件公司 Intercom 为 AI 客服 Fin 设计的价格，是每完成一个结果收取 0.99 美元。用户确认问题已经解决、没有继续要求人工帮助，或者 Fin 成功完成一条工作流程，都可以算作一次结果。

这只是换了一张价签，按座席收费、按任务收费、按成功解决的问题收费，改变的是用户看到的计价单位。应用公司背后依然要调用模型，依然要计算完成一次交付需要消耗多少 token。

南宋画家李嵩画过一幅《市担婴戏图》。货郎挑着一担货走村串巷，锅碗、针线、零食、玩具全挂在担子上。一副货担就是一间移动的小百货店，货郎赚的就是选货、配货和送货的钱。

AI 应用公司做的事情也差不多。模型厂商生产智能，应用公司把智能挑进具体场景。底层买进来的是 token，最后卖出去的应该是一份报告、一张设计图、一段视频。

模型公司卖智能，应用公司卖完成。

这门生意的利润，主要取决于三笔差价。

第一笔是采购差价。

同一种模型，不同团队拿到的实际成本未必相同。调用量大的公司可以谈折扣，工程能力强的团队可以利用缓存、异步处理、峰谷调用和模型路由，把平均成本继续压低。别人一块钱办完的事，你五毛钱就能办完，剩下的五毛就是利润。

说简单点，同样是进货，有人拿的是批发价，有人拿的是景区价。

第二笔是使用差价。

有人买了会员以后天天把 AI 当牛马一样压榨，也有人充值时雄心壮志，半个月以后连产品都不用了。只要整个用户群的平均消耗低于套餐设计时的预估，没用完的额度就会形成利润空间。

这和健身房年卡、手机流量套餐的逻辑接近。

但这里有一个问题要注意。上游采购足够灵活，用户少用才会增加利润。公司如果已经签死了一笔年框，剩下的 token 还躺在账户里，那不是利润，只是一仓库卖不出去的货。

用户没用完的叫沉淀，公司卖不掉的叫压货。

第三笔是产品差价。

同样消耗一万 token，有的产品只吐出一段需要用户继续修改很久的文字；有的产品已经完成资料整理、内容生成、事实核验、格式调整和最终导出。底层花的钱可能相近，用户愿意支付的价格完全不同。

一家 AI 应用真正的价值，就取决于此。采购决定这门生意能不能成立，产品决定这门生意值多少钱。

倒卖的 token 只是底盘，产品才是差价的理由。

产品经理，先成了账房先生

麻烦在于，AI 应用需要不断进货，于是，产品问题很容易变成成本问题。

Manus 的官方使用说明里，已经可以看到这种成本怎样反过来塑造产品。Manus 按照任务的复杂程度和需要消耗的资源扣除每月订阅的积分。同样是向 AI 提问，官方建议简单问题尽量使用 Chat 模式，不必启动完整的自主 Agent；复杂任务则最好先检查中间结果，免得 Agent 沿着错误方向继续执行，白白消耗更多积分。

这些建议当然合理。可它也揭示了 Agent 产品最麻烦的一面，模型越主动，产品公司越难预测成本。

聊天机器人回答一次就停下来，账还比较容易算。Agent 会自己拆分任务、反复搜索、打开网页、调用工具，再根据中间结果决定下一步。用户只下达了一条指令，背后可能已经发生几十次模型调用。

于是，产品开始教用户怎样少让 Agent 工作。怕的是算盘打久了，账房先生开始接管产品。一项功能要不要上线，团队首先考虑的不再是用户需不需要，而是单次任务会贵几分钱。模型已经具备更强的能力，应用却不敢把这些能力完整交给用户。

公司当然需要控制成本。没有哪家创业公司可以把最贵的模型当成自来水让用户随便用。

还有一些产品把效果更好的模型塞进高价套餐，普通用户拿到的是一个经过层层限流的版本。模型能力没有消失，只是在算完账以后，被分给了不同的人。

久而久之，行业出现了一种很别扭的倒置。

用户购买 AI 应用，希望模型多理解一点、多思考一步、多完成一些工作。应用公司为了守住成本，却要让模型少读一点、少想一步、少做一点事情。

产品卖的是智能，团队最熟练的动作却成了克扣智能。

而且上游一涨价，应用公司就要缩减额度；竞争对手拿到更低的成本，市场上的会员费马上会被打下来；新的便宜模型出现，原来的路由和套餐又要推倒重算。应用公司看上去掌握着产品，最重要的变量却一直攥在上游手里。

过去两年，AI 应用创业者缺的未必是想法。他们更缺一种足够强、足够便宜，可以放心塞进产品里的智能。

DeepSeek 把「智能过路费」砍了下来

DeepSeek 的价值，首先在于它并不是一款单纯为了降价而做的残血模型。它拥有 100 万上下文，支持思考模式和工具调用。

4 月发布预览版时，DeepSeek 称其推理能力接近 V4-Pro，在简单 Agent 任务上表现相近。7 月 31 日更新的正式版没有改变模型结构和规模，主要重新进行后训练，多项 Agent 基准成绩已经超过 V4-Pro 预览版。

这很重要。

便宜模型以前也有。问题是，拿货便宜，货不能总是残次品。AI 应用真正需要的，是单位价格之下尽可能稳定的智能。

至少从 DeepSeek 公布的 Agent 和代码基准看，V4-Flash 已经跨过了一批高频任务的「够用」线，价格又低到团队敢于高频调用。

对于大多数普通用户而言，大模型很可能已经走过了一个临界点。

普通人不关心 benchmark。他很少在意一个模型在某项测试里领先三分还是五分，只关心自己手里的事情能不能办好。当模型已经可以读材料、做推理、调工具、交结果，继续提高能力当然有价值。可这部分价值还能不能支撑几倍的价格，需要重新算算。

过去，模型公司说自己更强，价格更贵似乎天经地义。但现在这个理由禁不起推敲了，贵在哪里、多出来的能力解决了什么问题、又有多少用户真的需要，都得摆到桌面上好好谈谈。

DeepSeek 没有让所有模型都变便宜，它让高价模型变成了一件需要向用户解释的事。

拼多多早期真正击穿的，也不只是商品价格。它让消费者第一次看到，很多日用品原来可以卖得这么便宜。过去被认为理所当然的品牌溢价、渠道成本和中间环节，突然需要给自己找一些存在的理由。

拼多多击穿的是商品的价格心智。

DeepSeek 击穿的是智能的价格心智。

创业者终于可以低头做产品

对 AI 应用行业来说，接下来最重要的事情，是创业者终于可以把目光从上游收回来。

过去，大模型更新得太快，应用公司很容易被它牵着走。今天接入更长的上下文，明天换上新的推理模型，后天又把 Agent 能力挂到首页。产品看上去一直在升级，路线却不是自己定的。模型厂商发布什么，应用公司就展示什么。

典型的上游繁荣、下游走神。

现在，底层模型有机会变成一种相对稳定的生产资料。团队不用每天围着模型榜单打转，也不用把「接入最新模型」当作最重要的产品进展。

模型稳定下来以后，产品才终于没有借口了。

模型能够完成一项任务，只是起点。产品要做的，是把任务放进真实流程里，处理权限、数据、协作、审核和失败，让用户不需要每次都重新教 AI 怎样工作。这些事情没有模型参数那么性感，也很难登上 benchmark。可用户第二个月还愿不愿意继续付钱，往往就取决于这些细节。

AI 应用的价值，不在于把模型摆到用户面前，而在于让模型消失在工作里面。

当用户不再需要选择模型，不再需要研究提示词，也不必关心这项任务背后调用了几轮推理，应用才真正完成了自己的工作。

到了这里，应用公司竞争的就不再是谁先拿到模型，比的是谁更懂一项工作，谁能够把行业里那些写不进说明书的规矩变成产品的一部分。

模型可以在一夜之间变强，行业理解不能。API 可以被所有人接入，一套被用户真正接受的工作方式很难照搬。

这也让许多过去看起来不够宏大的生意，重新有了成立的可能。

AI 创业不一定非要从「下一代入口」开始，也不一定每家公司都要做一个服务全人类的超级 Agent。它可以只解决外贸询盘里的一个麻烦，只服务连锁门店的一套流程，只替某类专业人员省掉一段重复劳动。

市场不用大到容纳所有人。只要问题足够具体，交付足够稳定，用户得到的价值高于支付的价格，这门生意就可以先活下来。

过去，模型太贵的时候，小市场很难支撑一套完整产品。团队必须追求更大的用户规模、更高的客单价和更快的融资速度，才能覆盖不断发生的推理成本。很多创业项目还没找到真正的用户，就已经被迫讲起了一个过于庞大的故事。

现在，故事可以小一点了。

小团队可以先服务一小群人，把一件事情做透，再一点点往外走。

这很像现在很多「百年老店」过去的样子。开门时没有想着统治一条街，只是先把门口几桌客人招呼好。饭做得不错，价格合适，客人下次还来，生意自然就有了。

大模型行业喜欢讲规模、参数和终局。应用创业最终仍然要回到这种朴素的逻辑里。

你服务谁、你替他解决了什么、为什么换一家不行，这三个问题，DeepSeek 不会替创业者回答。

它只是让团队不必再把大部分时间花在和上游讨价还价上，也让那些没有能力训练大模型、没有资格拿到特殊价格的小团队，获得一张相对公平的入场券。

过去，模型本身就是壁垒。接下来，模型人人都可以买，区别在于拿来做什么。真正稀缺的东西，会逐渐转向用户、数据、流程和信任。谁离真实工作更近，谁就更有机会。

DeepSeek 把智能的门槛降下来以后，AI 应用终于从一场模型竞赛，重新变成了一门产品生意。

西汉晁错在《论贵粟疏》里写过一句话：「贵五谷而贱金玉。」

过去几年，大模型更像金玉。参数越来越大，榜单越来越高，被摆在发布会的灯光下面，人人看得到它的珍贵，却很少有人能够把它真正用进每天发生的工作里。

应用层要做的，是把金玉变成五谷。

DeepSeek 没有替创业者把饭做好，它只是把米价降了下来。

至于谁能把饭馆开起来，就看各自的手艺了。