据 Artificial Analysis 报道，DeepSeek V4-Flash 在完成与 Fable 5 相同的基准测试任务时，总成本降低了 105 倍。Perplexity 首席执行官 Aravind Srinivas 转发该消息并强调，两个数量级的改进在行业内极为罕见，是一件具有重大意义的事件。这一极具破坏性的成本优势不仅凸显了 DeepSeek 的技术突破，也可能对当前大模型的定价体系与商业格局造成巨大冲击。
据 Artificial Analysis 报道，DeepSeek V4-Flash 在完成与 Fable 5 相同的基准测试任务时，总成本降低了 105 倍。Perplexity 首席执行官 Aravind Srinivas 转发该消息并强调，两个数量级的改进在行业内极为罕见，是一件具有重大意义的事件。这一极具破坏性的成本优势不仅凸显了 DeepSeek 的技术突破，也可能对当前大模型的定价体系与商业格局造成巨大冲击。
Artificial Analysis 最新报告显示，DeepSeek V4-Flash 在完成与 Fable 相同的基准测试任务时，整体成本降低了 105 倍。分析指出，仅看单 token 价格可能因交互轮次增加而产生误导，但实际任务测试证实了其极高的成本效益。这一数据进一步验证了新一代模型在 token 利用率上的优势，预示着极低成本的 AI 智能应用已具备现实可行性。
Artificial Analysis最新评测数据显示，DeepSeek V4 Flash 0731的单任务平均成本仅为0.03美元，比Claude Fable 5低约105倍，同时具备后者约83%的综合能力。这一数据表明，在考虑多轮调用和重试的Agent场景下，DeepSeek的综合任务成本依然极低，有望大幅降低复杂AI任务的门槛，推动相关产品向高频、大规模应用阶段迈进。
Artificial Analysis 最新基准测试报告显示，DeepSeek V4-Flash 在完成相同的 Agent 任务时，总成本比 Fable 低 105 倍。这一结果表明，在 Agent 应用阶段，模型评估标准正从单一的每 Token 价格转向单任务总成本。开发者在选型时需综合考量多轮交互消耗、工具调用次数及缓存比例，而非仅看基础定价。