⚡ 先把结论放前面：DeepSeek 在北京时间 9 月 10 日晚间上线了 V4.1-Flash，把“缓存命中”这条输入通道的价格压到每百万 token 0.003 美元（低峰时段）。这个数字不大，但它改变了一件事——AI 智能体跑一个任务到底要花多少钱，第一次可以算得清清楚楚，而不是靠感觉估。

很多人看到这里会直接下判断：又一个打价格战的模型。这个判断方向错了。真正值得研究的是它的定价结构：低峰时段，缓存命中的输入每百万 token 0.003 美元，缓存未命中的输入 0.15 美元，输出 0.60 美元；高峰时段以上三项全部翻倍。也就是说，同一个模型、同一个任务，只要把“重复读取的上下文”和“新读入的上下文”分开付费，成本差距可以拉到几十倍。

📌 为什么这对智能体特别重要：写代码的智能体、做数据分析的智能体，几乎都在反复读同一批东西——仓库文件、工具定义、系统提示词、历史对话。一个连续工作几小时的智能体，读到的缓存内容往往远多于新内容。DeepSeek 自己也在文档里承认，缓存命中费用会占据智能体总成本的相当一部分。

💡 给一个可以立刻复算的例子。假设某个智能体保留了一段 50 万 token 的可复用前缀，并在 100 次请求中一直命中这段缓存。这相当于 5000 万缓存输入 token。忽略缓存写入、新上下文和输出的费用，单看这部分读取：V4.1-Flash 低峰时段约 0.15 美元。换到 Kimi K3 按已公开的缓存价算约 15 美元，GPT-5.6 Sol 约 20 美元，Claude Opus 5 约 25 美元。同一个任务，账单差出两个数量级。✅ 这就是为什么不能只比较“未缓存输入单价”。

❌ 常见的错误做法，是拿各家官网的“标准输入价”直接横比。V4.1-Flash 的低价依赖低峰时段，本身不是完全对等的比较。但即使在高峰时段，它的缓存命中输入也只涨到每百万 token 0.006 美元，未命中 0.30 美元、输出 1.20 美元，仍然和中端价位的模型站在一起，离 Claude Fable、GPT-6 Astra 这一档的差距非常大。

📌 更值得警惕的是“看不见成本”。在一份覆盖 170 家百人以上企业的调研里，只有 47% 的企业表示会严格追踪 AI 算力成本与投资回报，也就是超过一半的企业根本不追踪；12% 的企业尚未处理推理内存限制（比如 KV 缓存容量），另有 7% 甚至不知道存在这个约束。即便已经在大规模生产环境运行 AI 的组织，严格做成本追踪的比例也只有 56%。当模型侧已经把定价拆得这么细，需求侧还没有对应的计量工具，钱就是在这一步悄悄漏掉的。

⚡ 架构层面也有新东西。V4.1-Flash 采用了因果编码器-解码器结构，把 40 层 Transformer 拆成 20 层编码器和 20 层解码器：读取输入（prefill）阶段激活 80 亿参数，生成输出（decode）阶段激活 160 亿参数。这里有个容易传错的细节——它不是全程“80 亿激活”的模型，两个阶段不一样。配合压缩稀疏注意力 2、层级稀疏索引和 FP4 KV 缓存，官方称全局 KV 缓存降到每 token 890 字节，大约是上一代 V4-Flash 的四分之一，持久化缓存占用约为八分之一。

对以读为主的工作负载，这些数字会直接体现在账单上。反复读取同一仓库的编程智能体，正是 prefill 与 KV 缓存效率决定成本的典型场景。顺带一个规模上的变化：“Flash”已经不代表小。上一代 V4-Flash 是 284B 骨干、130 亿激活参数，V4.1-Flash 的骨干涨到 552B，增幅约 94%。

💡 落地建议：高峰窗口是周一至周五 01:00–04:00 与 06:00–10:00 UTC，其余时间都是低峰。➡️ 对于可以调度的智能体任务，把批处理作业挪到低峰时段，本身就是一根现成的成本杠杆。➡️ 评估模型时，别再拿总 prompt token 乘以官网输入单价，改成测两个指标：缓存命中率、每个成功任务的成本。关于模型路由降本，可以对照本站此前整理的 GitHub HydraFusion 模型路由方案 一起看；而多智能体协作的极限案例，可以参考 OpenAI 万级智能体集群攻克数学难题 那篇。

回到最开始那句话：这次发布真正的看点不是“便宜”，而是低峰缓存价把长期运行智能体的成本模型重新排了一遍。谁先把计量做起来，谁就能真正吃到这波降价；谁还在拿未缓存单价做选型，账面上的省钱最终都省不到自己身上。