DeepSeek开始追求极致的“智能密度”

文｜象先志

DeepSeek 给新Flash出了一道题：能不能把自己的Pro替下来？

昨天，V4.1 Flash中间版本开启内测。新的模型结构、原生多模态、更快的速度，都是公告里的卖点。但在配套反馈问卷中，DeepSeek直接问用户："你觉得这个模型能全面替换线上的 DeepSeek V4 Pro 么"。

好嘛，我打我自己。DeepSeek正在测试，把flash到底从效果上能不能超过flash，能不能交给更便宜、更适合大量调用的型号。

Pro 与 Flash 之间，本来就有实实在在的价格差。目前高峰时段每百万输出 token，Flash 收 9 元，Pro 收 27 元。

但是就在刚才，DeepSeek 又在开放平台宣布，9 月 10 日中午起下调 Flash 系列价格：空闲时段每百万 token 的缓存命中输入降至 0.02 元，未命中输入降至 1 元，输出降至 4 元；高峰价格仍为空闲时段的两倍。三项降幅分别为 60%、约 33% 和约 11%。

新 Flash 还在测试能否接替 Pro，Flash 系列的使用门槛已经先往下降了。

开发者可以为了更好的结果，偶尔付三倍单价。但是真的到日常使用，那些可用可不用的环节，flash的必要性就凸显出来了。

DeepSeek想让新版本同时具备两者的长处：Flash快，Pro强，Flash V4.1又快又强。

一年多前，R1的冲击让人们愿意给 AI 更多时间，看看它究竟能想出什么。如今，DeepSeek要回答的是：已经获得的推理能力，怎样才能被更频繁地使用？

"智能密度"开始重要

R1在2025年年初走红时，吸引力也来自这种能力终于变得容易获得。DeepSeek同时开放模型权重，将R1放进官网、App和 API，普通用户打开"深度思考"就能使用，开发者还可以用它的输出蒸馏自己的模型。⁠

高水平推理不再只是少数实验室能够展示的东西。它进入聊天窗口，也进入了其他公司的产品开发。

2025年5月，DeepSeek更新R1时，曾把"思考更深"当成最重要的进步。

在AIME 2025测试中，旧版R1平均每题使用约1.2万个token，新版增加到2.3万个；准确率从70% 提高至 87.5%。这次更新让 R1 答得更准，平均每题的推理消耗也接近翻倍。⁠

这套办法有它的道理。困难题目没有现成答案，模型需要尝试方法、检查中间步骤，发现错误之后重新计算。只要结果值得，额外的等待就能够被接受。

但在2025 年12月发布的 V3.2 报告里，DeepSeek 对自己提出了另一项要求：提高推理链的"intelligence density"，智能密度。原因也很明确，为了达到Gemini 3.0 Pro等模型的输出质量，它通常需要生成更长的推理过程。

输出的等待时间已经变得很重要。差距会体现在速度上，也会体现在每次的费用里。

这个问题到了大小模型的分工中，会更加突出。V4 早期模型卡提到，Flash 在给予更多思考预算后，能够获得接近 Pro 的推理表现，但在知识和最复杂的 Agent 工作流上仍然落后。

小模型每一步计算更便宜，却可能要走更多步，才能得到大模型的结果。开发者看到的单价优势，最后能剩下多少，要看任务究竟怎样完成。

所以，Flash要想替代Pro，需要同时改善能力和效率。更快生成冗长的推理，能减少一部分等待；更早找到有效方法，则可能连后面的计算一起省下。对经常使用 AI 的人来说，后者同样重要。

学界已经开始把用户等待的时间放进优化目标。EMNLP 2025 的一项研究指出，计算量最优的测试时扩展方案，并不一定带来最低延迟；研究者需要重新安排并行计算和推测解码，才能在限定时间内取得更好的结果。⁠

DeepSeek也已经在改造生成速度。团队在7月公开的DSpark论文中报告，在V4-Flash线上用户流量下，相比MTP-1 基线、保持相同吞吐水平时，单用户生成速度提升了60%—85%。团队处理的是推测解码中的验证浪费，让用户更快拿到输出，同时顾及整套服务能够承接的请求量。

图 3｜DSpark 官方架构图：先生成候选 token，再筛去低置信度尾部，最后由目标模型验证。来源：DSpark 论文图 1（2026 年 7 月，CC BY 4.0）

这对提供API的DeepSeek很重要。请求的更快结束，只有在没有严重牺牲总体服务能力时，才容易有效。开发者需要等待更短，DeepSeek则需要让同一批计算资源更有效地服务用户。

"能不能解决问题"和"用户愿意是否愿意等待解决问题"，开始成为两道不同的考题。

它们也对应两种市场。研究人员可以为一道困难问题投入大量计算，日常使用的助手则必须不断响应新的请求。前一种能力向前推进之后，厂商还得把它做成后一种服务，才有机会获得更大规模的使用。

DeepSeek在报告中提出的智能密度，最终会在这里接受检验：原先需要昂贵模型、长时间计算才能完成的任务，能否逐渐变成普通调用。

Agent要完成工作算成本

这次内测当天，LINUX DO用户"觉浅"恰好有一个停机维护页面要做，于是把新 Flash 接进自己的编程工具。

模型的表现让他惊喜。它读到了项目规范中一条早已弃用、却没有删掉的决策记录要求，还认真列出了文档维护、代码提交和审查安排。页面生成后，他提出风格不要与原项目割裂，模型又找出了仓库已有的插画来修改。

他对模型的执行能力很满意，但觉得贵：做完这个维护页面，花了15.5 元。

这也是Agent和普通聊天不同的地方。用户只交代了一项工作，模型却可能在后台运行很多轮：先读项目规范，再查文件、改代码，拿到工具返回的结果后继续检查。每轮调用都可能产生新的输入和输出费用。模型的单价低，不代表整项工作一定便宜。

要让Agent用起来划算，除了降低模型单价，还得检查这些调用有没有必要。有些步骤需要模型判断，有些只是按已经确定的规则读取、筛选和整理材料。如果后者也要一步步交回模型，就会增加调用和等待，中间结果还会不断占用上下文。

DeepSeek开源的Harness，就能参与安排这套执行流程。Deepseek官网用"Agent = Model + Harness"来解释两者的关系：模型负责判断，Harness提供工具、管理会话和运行环境，让模型的决定变成实际操作。

其中的PTC模式，允许模型一次写出一段程序，把多步工具操作串起来。比如，模型需要从一批文件里找出符合条件的内容，可以让程序批量读取、完成筛选，再把相关结果交回来。模型不必读完每份文件后都重新决定下一步，也不必接收全部原始内容。

这样有机会省下的，是完成任务过程中的反复调用与无用输入。DeepSeek在PTC 的官方设计记录中，也把这两类开销列为了需要解决的问题。对开发者来说，最终要比较的，是同样一项工作能否做好，以及做完之后的总账单。

这里有机会省下模型不必反复参与的过程。对于已经知道怎样处理的一批材料，程序可以执行完整流程，模型再针对留下的信息作判断。

图4｜V3.2 的工具调用推理保留机制。同一条用户消息引发的连续工具交互保留已有推理；新用户消息到来后移除此前推理。来源：V3.2 技术报告图

DeepSeek对重复计算的处理，也能往前追溯。V3.2报告曾指出，在连续工具交互中丢弃已有推理，会迫使模型重新分析整个问题。因此，团队调整了上下文管理，让此前的推理能够在这一过程中保留。

从模型怎样思考，到工具怎样执行，效率损失已经不能只在模型参数里寻找。

Harness 还记录提示、工具调用及结果，让开发者能够回看任务，检查重复处理和执行失败发生在哪里。

8月10日的一项官方开发记录显示，DeepSeek修正了极简模式的工具与提示词配置，让它使用与强化学习运行环境一致的持久Bash，以保留连续操作的工作状态。

这种细节解释了模型公司为什么还要做执行框架。模型学会了怎样使用工具，实际运行时也得有合适的工具和环境。DeepSeek把其中一套明确的运行方式开放出来，应用开发者就多了一个可以直接采用、检查和修改的参照。

这些改进逐渐汇到同一项工作中：服务端加速生成，模型减少重复推理，执行框架减少不必要的调用。过去是用户盯着AI 想，现在还得让 AI 持续工作而不把费用和等待放大。

日常模型往上走，旗舰就得解决更难的问题

DeepSeek 并不是唯一一家重新安排高端能力的模型公司。

7月24日，Anthropic发布Opus 5，主打以 Fable 5 一半的价格，提供接近其前沿水平的能力，并把它设为Claude Max 的默认模型。

Anthropic甚至直接用"每项任务的成本"来介绍Fable。在官方CursorBench 3.2测试中，最大思考强度下的Opus 5 接近Fable 5 的最高成绩，任务成本约为一半。Cursor 联合创始人Sualeh Asif 在同一份发布材料中，将其概括为以 Opus 的速度和成本，提供接近Fable 的智能。

这与DeepSeek的方向无限相似：一旦高端能力可以更便宜地提供，原来的价格分层就需要重新校准。

Fable和 Astra的定位，可以为下一代Pro 提供一个参照。Anthropic把Fable放在耗时数小时、跨越多个应用，乃至持续多日的编程任务中；OpenAI则将GPT-6 Astra 定位于最困难的端到端工作，覆盖复杂推理、编程、研究和文档制作。

这类旗舰模型争取的是用户愿意交出更多时间和预算的复杂工作。用户给出目标，模型需要自行拆解任务、调用工具、检查结果，并在遇到问题后继续推进。它的价值，要由最终完成的工作来证明。

高端型号需要承担更完整的责任。用户交给它一个任务，期待拿回能够检查、能够使用的结果。模型要能保持方向、使用工具，在失败后继续推进，而不是每过几步就要求用户接管。

从这里看未来的DeepSeek Pro，一个合理的猜想是：如果 Flash 真能承担现在 Pro 的大量工作，下一代 Pro 就可以把更多计算投入更困难、更长的任务，争取 Astra、Fable 所代表的产品位置。要是需要足够时间思考，得出的结果就要足够优秀。

这也解释了为什么原生多模态和Harness会变得重要。一个需要独立完成工作的模型，迟早要读到图表、看到页面，判断自己做出的界面是否符合要求。只会处理文本、只能给出建议，会限制它能够接手的工作。

早在4月发布V4预览版时，DeepSeek就明确提到针对Claude Code、OpenClaw、OpenCode、CodeBuddy等 Agent产品进行适配，展示的成果中包括生成的 PPT 页面。模型已经在进入具体工具中的代码与文档工作。⁠

现在，新Flash 在更新结构和多模态能力，Harness在调整执行方式。把这些动作放在一起，DeepSeek要提高的效率，已经覆盖从一次推理到一项任务的过程。

对DeepSeek来说，提高效率有两种回报。减少完成任务所需的计算，可以降低成本；在相同等待时间里完成更多有效推理，则有机会解决更难的问题。后者会让"深度思考"继续向前，前者则决定这些进步能走进多少人的日常。

V4.1 Flash目前仍是中间版本，全面替代Pro、推理链变短和下一代Pro的定位，都还需要后续结果验证。本文引用的DSpark 提速属于此前 V4 服务的测试，不能直接算成本次更新的成绩。

不过，下一轮竞争要回答的问题已经变了。Flash要让更多这样的工作变得划算。Pro要找到更多值得等待的工作。