DeepSeek新模型评分逼近GPT-5.6，成本却低60%：98%缓存折扣成关键

成本优势从何而来？

　　一个预算级AI模型，评分只比OpenAI的当家小模型低1分，但每次任务成本却少了六成。这个差距到底从哪儿来的？答案指向了一项在行业里大幅领先的缓存折扣率。

　　DeepSeek近日发布了V4 Flash0731版本，对这一经济型模型做了一次重大升级。根据独立评测机构Artificial Analysis的智能指数，新版V4 Flash得分来到50分，比2026年4月推出的上一代V4 Flash足足高出10分。

横向对比：性能接近，成本更低

　　横向对比，这个成绩距OpenAI的预算模型GPT-5.6 Luna只差1分。但成本端的差异却要明显得多：即使OpenAI已经将Luna的价格砍掉80%，V4 Flash 0731的单次任务成本仍比它低大约60%。

缓存折扣率成关键

　　成本优势的一大推手，是DeepSeek给出的98%缓存命中折扣。行业普遍将缓存折扣定在90%上下，当用户的请求能够命中已经计算过的缓存时，DeepSeek能提供几乎免费的推理，这直接拉低了大量实际使用场景中的平均开销。与此同时，新模型生成相同内容所消耗的令牌数也比前代减少了12%，进一步压缩了推理成本。

性能全面提升

　　性能提升不只体现在一个总评分数上。在所有被测试的细分类别中，0731版本均优于前代，其中进步最明显的是智能体任务。在专门用来评测模型在复杂现实办公场景中表现的GDPval基准里，V4 Flash从上代的1189 Elo分跃升至1559分，增幅超过三成。幻觉率也出现了下降，意味着回答更踏实。

模型架构与开源信息

　　模型的基础架构保持不变：总参数量2840亿，推理时激活130亿参数，支持高达100万令牌的上下文窗口。模型权重已通过MIT许可证在Hugging Face上公开，任何人可以自由下载、商用或进行二次开发。

务实的开源策略

　　可以说，DeepSeek这次更新的核心策略并不是一味卷评测分数，而是在够用的性能与极致成本之间重新画了一条线。用多10分的表现、明显更少的幻觉，以及大幅降本的设计，给出了一份对开发者和企业都更务实的开源方案。