DeepSeek双线降价：搜索API低至0.75美元

DeepSeek^广告本周发布了两项更新，单独看都值得报道。放在一起，则暴露出一套尚未被行业充分消化的定价策略：模型推理和网页搜索同时开打价格战。

据ComputeLeap原文分析，这一组合意味着DeepSeek正在两条战线上同时压价，而预测市场几乎还没有反应。

V4.1 Flash 1017：“小更新”名不副实

DeepSeek的模型卡把V4.1 Flash 1017称为小版本更新，但基准测试并不同意。

据Bijan Bowen的拆解，Terminal-Bench 4.0从31.2%提升到42.3%，五周内相对提升35%。这是单一基准上的代际跳跃，而且看起来来自持续的后训练优化，基础模型本身并没有更换。

更受关注的是DeepSWE v1.1达到77%，让V4.1 Flash进入GPT-5.6 Sol的同一区间。但更有说服力的是单任务成本：约0.20美元，而Sol约为3.20美元。跑16个DeepSeek任务的花费才等于1个Sol任务，而软件工程基准上的质量差距落在噪声范围内。

WorldofAI对1017版本做了完整测试，结论相同：模型是全面改善，并非只挑了对自己有利的基准。多个独立YouTube创作者在24小时内分别覆盖了这一更新，形成交叉印证。

真实成本：6.19亿token花4.2美元

基准是一回事，账单是另一回事。

据AI超元域的实测，用V4.1 Flash 1017在DeepSeek Harness上跑七个完整开发任务，包括动画、3D场景、坦克游戏、原生iOS应用等，总计6.19亿token，花费约4.2美元。并非每个任务都完美：海战操控出现故障，部分3D场景有裁剪，平板导航流程失败。但失败模式是“接近零边际成本下的够用级智能体编程”。

换算一下：按每百万输入token 0.14美元、每百万输出token 0.28美元（非高峰时段）计算，一个消耗5000万token的智能体编程循环成本约14美元；同样的循环在GPT-5.6 Sol上约225美元，在Claude Opus 5上约375美元。能力差距正在以比价格差距更快的速度收敛。

KV缓存（Key-Value Cache） 是自回归大模型推理时的核心机制：生成每个新 token 时，模型需要复用此前所有 token 的注意力键值向量，避免重复计算。缓存大小随上下文长度线性增长，是长上下文推理中显存占用的主要来源。把每 token 的 KV 缓存压到 890 字节，意味着同等显存可支撑更长上下文或更高并发，直接降低单次请求的服务成本。这与文章后文提到的“内存墙”判断相呼应——当推理瓶颈从算力转向内存带宽，压缩 KV 缓存带来的收益会比单纯堆叠 GPU 更显著。

搜索API：0.75美元改写经济学

同一周，DeepSeek上线Search & Fetch API，每1000次成功请求0.75美元，搜索和抓取同价。该消息在Hacker News上不到12小时拿到439分。

提供商	搜索成本（每1K请求）	说明
DeepSeek Search	0.75美元	统一价格，每次查询最多50条结果
Perplexity Sonar	5-12美元	随搜索深度变化
Perplexity Sonar Pro	6-14美元	另加每百万token 3/15美元
Google Custom Search	5美元	每天100次免费；网页模式将于2027年1月停止

DeepSeek比Perplexity最低档便宜6.7倍，对开发者最常用的中等深度搜索档便宜10.7倍。Hacker News上的高赞评论一针见血：“这些服务存在，只是因为Google拒绝提供付费搜索API。”

实际能拿到什么

Search API（POST /v1/tools/search）返回结构化网页结果：标题、URL、摘要、面向模型的更长总结、站点权威层级、相关性分数、发布日期。支持站点过滤、日期范围、精确短语、语言定向等查询操作符，限速每秒5次请求。Fetch API（POST /v1/tools/fetch）接收URL并返回Markdown格式的页面内容，同价同限速。

两者都只对成功请求计费，失败调用、空结果、超时免费。更关键的是：通过DeepSeek Harness、Claude Code或Codex发起的调用在11月1日前免费。

对RAG或搜索增强智能体的开发者来说，成本算式已经变了。DeepSeek搜索（0.75美元/1K）加V4.1 Flash生成（每百万token 0.14/0.28美元），一次带依据的回答总成本约0.001美元。Perplexity Sonar的等效查询在0.005到0.012美元之间。

RAG（检索增强生成） 指先从外部知识源检索相关片段，再把片段作为上下文交给大模型生成答案的管线。它把“事实来源”与“语言生成”解耦，使模型无需把知识全部参数化，也便于更新与溯源。RAG 的成本由检索调用费和生成 token 费两部分构成，因此搜索 API 单价与模型单价会直接相乘决定单次问答成本。这也解释了文章为何强调“搜索加生成”的全栈定价：对多数智能体构建者而言，检索结果只是喂给自家管线的原料，答案质量工程并非必需。

预测市场的滞后

Polymarket的“10月底最佳中国AI公司”市场目前是：小米60%、阿里巴巴16%、Moonshot 14%。刚刚在AI YouTube上刷屏、搜索API刚登上Hacker News首页的DeepSeek，没有出现在这个市场的定价里。另一个“10月底最佳AI模型”市场则显示Google 74%、Anthropic 24%、OpenAI 1%，资金流向Gemini的编码演示，而非DeepSeek的成本冲击。

这种背离本身就是信号。两种解释：一是市场滞后，Polymarket的中国AI市场流动性或关注度不足以对模型更新周期作出重新定价；二是市场是对的，YouTube错了，该市场定价的是部署规模、生态、消费者触达等基准性能之外的东西，那里小米确实领先。

原文作者的判断是：主要属于第一种，也有第二种的成分。DeepSeek的强项是API和开发者生态，而非消费产品。但预测市场本应对所有公开信息定价，它显然落后了。

预测市场（Prediction Market） 是通过交易合约价格反映群体对事件概率预期的市场机制，价格可视为对公开信息的即时定价。其有效性依赖足够的流动性、参与者关注度与套利激励。文章观察到的背离，本质是“信息已公开但未被充分交易”的情形：当某个市场的交易量与做市深度有限时，价格对新信息的调整会显著滞后，甚至长期停留在叙事驱动的均衡上。因此，预测市场价格与创作者共识不一致，既可能是定价错误，也可能是市场在交易另一组变量（如部署规模、生态与消费者触达）。

反方观点

看空DeepSeek定价的理由是：这是补贴驱动的亏损引流，建立在可能不会持久的有利经济结构上。DeepSeek的成本结构与美国实验室不同：算力成本受中国产业政策影响，没有展示单位利润的压力，并且有在搜索栈整合前锁定开发者的战略动机。

Perplexity的溢价买的是DeepSeek裸搜索API没有的东西：答案质量工程，包括引用验证、幻觉削减、来源排序，以及分解复杂查询的Pro Search推理层。你多付7倍的钱，买的是叠在检索之上的RAG管线，并非同样的十条链接。Google Custom Search在2027年1月关停，反而可能把开发者推向搜索加推理的整合API，那里Perplexity的先发优势比DeepSeek的价格优势更重要。

反方的反方：大多数构建智能体的开发者并不需要Perplexity的答案质量层。他们需要搜索结果喂进自己的RAG管线，并且要便宜。在这个用例下，DeepSeek的API便宜7到16倍，返回的结构化数据也易于接入。质量溢价只在你把搜索结果直接呈现给用户时才重要，而多数智能体构建者并不这么做。

架构层面的信号

技术社区在挖DeepSeek如何做到这些成本。据Jia-Bin Huang在X上的分析，三项技术值得注意：因果编码器-解码器架构、压缩稀疏注意力，以及把KV缓存降到每token 890字节，持久缓存缩小8倍，直接转化为更低的推理服务成本。

这意味着效率下限远比美国实验室当前出货的水平更低，并非靠蛮力优化压出来的便宜推理。如果这个判断成立，DeepSeek的定价是行业成本走向的预览，而非亏损引流。

IBM近期关于“AI内存墙”的解读提供了理论框架：LLM推理正越来越受内存带宽约束，而非算力约束，下一波效率提升来自内存架构而非更多FLOPs。DeepSeek的KV缓存创新正对准这一点。

压缩稀疏注意力（Compressed Sparse Attention） 指在注意力计算中只保留或聚合部分键值对，而非对全序列做稠密注意力。典型做法包括对 KV 做低秩压缩、按块稀疏化或滑动窗口加全局 token 的混合结构。其代价是可能损失长距离依赖的精度，因此需要与训练阶段的架构设计配合。文章提到 DeepSeek 同时采用因果编码器-解码器架构，这类结构在推理时能复用编码端缓存、减少解码端重复计算，与稀疏注意力共同构成“效率下限更低”的技术基础，而非事后量化裁剪。

对不同角色的意义

构建搜索增强智能体的人：在11月1日前免费测试DeepSeek Search。结构化输出比Google Custom Search更丰富，0.75美元/1K的统一定价可预测。如果搜索质量达标，搜索成本直接砍掉85%。

为智能体循环选编码模型的人：V4.1 Flash 1017的单任务0.20美元是“够用级”智能体编程的新地板。它不会在最难的任务上击败Claude Opus 5或GPT-5.6 Sol，但对不需要前沿推理的80%智能体循环，成本差是8到16倍。

评估AI API栈的人：模型加搜索的双线定价，创造了一周前还不存在的全栈选项。是否长期信任它，取决于你对补贴定价可持续性的判断，但11月1日前的免费窗口意味着试错成本为零。

模型竞赛没有结束，但定价竞赛刚出现了新的领跑者，而且它跑得比市场反应更快。