云雀 · 轻技术笔记

2026 年 10 月：DeepSeek 4.1 Flash 把 Anthropic 的廉价牌打废了

AIAgentLLM大模型AIGC

HN 头条挂着一条「Why isn't the industry freaking out about DeepSeek 4.1 Flash?」，410 多条评论在底下吵成一团。吵的焦点只有一个：Anthropic 的 Claude Haiku 5.5 刚上桌 5 天，结果一周后 Anthropic 自己挂在主页的"廉价 frontier"叙事，被一家中国模型厂的 KV cache 革命按在地上摩擦。

这篇文章不是给 OpenAI / Anthropic 站台的。也不是给国产模型喝彩的。这是一份拆台记录。把过去 9 月底到 10 月初这一波"廉价模型重新洗牌"里所有的真话、谎话、和没人愿意说的硬数据，掰碎了摊在桌面上。

1. 一句话先把战线划清楚

如果你只看一个数字：DeepSeek V4.1 Flash 的 prompt 价格是 $0.30/M token，1M context 一个价。 Claude Haiku 5.5 的 prompt 价格是 $0.10/M token，但超过 100k context 之后跳到 $0.50/M——涨了 5 倍。

你以为我在比谁更便宜？我在说：Anthropic 把 Haiku 5.5 的"廉价牌"藏在 100k context 后面卖，超出 100k 立刻变得比 Sonnet 还贵。这才是今天 AI 模型定价战里最反常识的真相。

但要彻底讲清楚这件事，得从 9 月 28 号那个KV cache 437x 缩的真相开始讲起。

2. 那个让 HN 411 条评论吵翻的"437 倍"到底是什么

2.1 先说硬事实

DeepSeek 在 9 月 10 号的官方发布稿里，对 V4.1 Flash 的 KV cache 优化只写了两个字：1/4 HBM、1/8 SSD。原文贴在 https://www.deepseek.com/en/news/deepseek-v4-1-flash/，有兴趣的自己去看。

把这两个数字乘起来：4 × 8 = 32。这个 32x 是 DeepSeek 官方承认的相对 V4 的优化幅度。

但 HN 那个「Why isn't the industry freaking out about DeepSeek 4.1 Flash?」文章里，作者 Jono 直接说了一句：

DeepSeek shrank the KV cache by roughly 437x compared to their V1 model. Holding that cache in GPU memory is one of the biggest costs of running long coding sessions. That's how my all-day sessions stay under a dollar.

437x 是相对 V1，不是相对 V4。V4.1 Flash 用 9 月 10 号发布的 V4.1 架构，对比 2024 年底的 V1 模型，KV cache 占用缩了 437 倍。

评论区有人（@kristianp）当场吐槽：

Can you just say "shrank to 1/437th the size"? It's not that hard.

这是 HN 一贯的吐槽风格。但这次吐槽的人没意识到一件事：437 这个数字本身就是中国 AI 工程化"硬指标"三件套（KV cache 压缩、MoE 稀疏激活、非对称架构）的总成绩单，不是单一优化。

2.2 为什么 KV cache 缩 437x 直接等于"便宜 437x"

写给非工程读者：KV cache 是大模型在生成每一个 token 时必须缓存的"上下文记忆"。一个 1M context 的对话，每多一个 token，KV cache 就多一份占用。1M context 跑完一整轮对话，KV cache 占用可能高达几十 GB。

GPU 显存（HBM）是最贵的硬件。一块 H200 141GB 单卡售价 3 万美元以上。HBM 占用缩 1/4，等于同样一张卡能多跑 4 倍的并发请求。这是真金白银的算力成本。

SSD 是冷存储，1/8 等于上下文溢出时落盘成本缩 8 倍。

两个乘起来，长上下文运行的总成本压缩到 V1 的 1/32。相对 V1 的 437x 怎么来的？中间还叠加了 MoE 稀疏激活（552B 参数只有 8B active input/16B active output）+ 多 layer 共享 KV 的架构改造。

评论区 @lmf4lol 用了大半个月后的金句：

v4.1-flash has been an absolute game changer for us. We run all our Personal Assistants now on flash (thinking high) by default and it works incredibly well.

这是把"个人助理 + agent 编排"全部押在 $0.30/M 上的真实账单。@MisterMunchkin 给出了更夸张的版本：

I had it make 25 different things today and it cost $0.70. It's disgustingly good value.

$0.70 做 25 个项目，平均每个项目 $0.028。 这就是「cheap to meter」从口号变成账单的瞬间。

3. Claude Haiku 5.5 藏着的那张"100k 涨价"底牌

3.1 雷峰网把这件事掰碎了

10 月 4 号雷峰网发了一篇《Claude Haiku 5.5 降本背后：操作能力暴涨，复杂编程为何仍差一截？》（https://www.leiphone.com/category/ai/n2GjuJRnM4utgaun.html），全文 6000+ 字，把 Haiku 5.5 翻了个底朝天。

我把里面最关键的几条硬数据抽出来：

  • OSWorld 2.1（计算机操作能力）：15.7% → **72.4%**，4.6 倍跃升；同期 Sonnet 5.5 是 83.9%
  • GDPval-AA v2.1（44 类职业知识工作）：735 → 1620 分；同期 Sonnet 5.5 是 1840 分
  • Humanity's Last Exam（多学科推理）：无工具 45.9% / 接工具 57.4%
  • Terminal-Bench 4.0（复杂命令行编程）：**39.2%**，对比 Sonnet 5.5 是 70.6% —— 差距 31.4 个百分点
  • FrontierCode 1.1（编程主测）：46.4%，Sonnet 5.5 是 52.1%，差距较小

数据看下来，Haiku 5.5 在「计算机操作」和「知识工作」上确实接近 Sonnet 5.5 了。但一到复杂编程、命令行多步骤任务，差距立即拉开。

Anthropic 自己在发布材料里写得很清楚：

Sonnet 5.5 and Opus 5.5 仍然更适合复杂智能体编程任务，Haiku 5.5 则主要面向范围明确的子任务、摘要和上下文压缩等工作。

翻译成人话：Haiku 5.5 不是用来做 agent 主干模型的，是用来做"压缩子任务"的。这就是 Anthropic 给 Haiku 5.5 的真实定位。

3.2 真正让人拍桌子的是定价

Anthropic 在 Haiku 5.5 的发布材料里藏了一个分层涨价机制，雷峰网把它扒出来了：

上下文长度 prompt ($/M) completion ($/M) cache read ($/M)
≤ 100k token 0.10 0.50 0.01
> 100k token 0.50 2.50 0.05

输入价涨 5 倍、输出价涨 5 倍、缓存读也涨 5 倍。

Anthropic 的官方说法是：「Haiku 4.5 约 90% 的请求长度位于 10 万 Token 以内。这部分请求在新定价下获得了较大的价格降幅」。

听起来很合理，对吧？但这句话里藏着两层猫腻：

第一层：90% 请求在 100k 以内 = 10% 请求超过 100k。但 agent 编排、长文档处理、code review 工具调用，天然就在 100k-1M 区间。Anthropic 的"廉价牌"对 agent 场景天然失效。

第二层：Anthropic 还顺带换了分词器。"Haiku 5.5 更新了分词器，相同内容对应的 Token 数量可能与上一代不同。因此，即使输入文本没有变化，升级后的实际计费数量也可能发生变化，需要重新测量。"

雷峰网原文引述：同一个 prompt 在 4.5 上是 5k token，在 5.5 上可能变成 6k。 计费数字不会自己跳，但你升级的瞬间账单悄悄涨 20%。

这是**Anthropic 历史上第一次在廉价模型上玩"上下文分层定价"**。对比之下，DeepSeek 4.1 Flash 的 1M context 一个价。

你拿 Anthropic 的"廉价"去跟 DeepSeek 4.1 Flash 硬碰硬，会发现一件很尴尬的事：

  • Haiku 5.5 在 100k 上下文以内确实便宜（prompt $0.10/M）
  • 一旦超过 100k 上下文，立刻比 DS 4.1 Flash 贵 67%（prompt $0.50/M vs $0.30/M）
  • 而且在超过 200k 之后还贵。DeepSeek 4.1 Flash 全程 $0.30/M，Haiku 5.5 跳到 $0.50/M
  • 如果你的场景是 agent 编排 + 长上下文压缩（Haiku 5.5 自己的主要卖点），100k-1M 区间正好就是你要付费的区间

一句话总结：Anthropic 把 Haiku 5.5 的"廉价牌"摆在你看得见的地方（100k 以内 $0.10/M），把你真要花钱的地方藏在 100k 涨价曲线里。这是定价心理学，不是真降价。

4. Step 5 Preview 才是这场定价战的真正对手

4.1 为什么我没把 Step 5 Preview 当主角

10 月 8 号 OpenRouter 上挂了一个 115 分的帖：「Step 5 Preview, a 1M-context MoE from StepFun, shows up on OpenRouter」。StepFun 是阶跃星辰，国产 MoE 阵营的另一家主力。

但如果只看分数，115 分跟 490 分（DeepSeek 4.1 Flash）和 610 分（Whistle）比起来不算炸。

真正让我把它放进文章的是 OpenRouter 上那组价格：

  • prompt: $1/M（DS 4.1 Flash 的 3.3 倍）
  • completion: $2.7/M（DS 4.1 Flash 的 2.25 倍）
  • cache read: $0.05/M（DS 4.1 Flash 的 8.3 倍）

Step 5 Preview 是 1M context，model ID step-5-preview，架构 600B/27B MoE（600B 总参数，27B active）。定位是 StepFun 的"agentic 旗舰"，对标 Claude Opus 5.5 / GPT-6 Sol Pro，主打金融场景 + 多模态输入。

但 OpenRouter 给 Step 5 Preview 的 cache read 价格是 DS 4.1 Flash 的 8.3 倍。

这才是关键。StepFun 也学会了"长上下文涨价"那一套，只是涨价幅度比 Anthropic 温柔点。Step 5 的"廉价版"位置留给 Step 3.7 Flash（prompt $0.20/M，cache read $0.04/M），但 3.7 Flash 的 context 只有 262k，而 Step 5 Preview 才是 1M context。

国产 MoE 三强（DeepSeek / StepFun / GLM）的定价策略已经在 10 月初清晰分化：

  • DeepSeek V4.1 Flash：1M context 一个价，把"长上下文定价"打成一句废话
  • Step 5 Preview：1M context，但是 cache read 是 DS 4.1 Flash 的 8.3 倍
  • GLM 5.3 Flash（参考 hn 评论 @crossroadsguy / @jacquesm）：没挂 OpenRouter，但编码计划性价比超过 DS 4.1 Flash，月费形态 vs 按 token 计费

这种分化不是巧合。国产模型厂在定价上的差异化已经是明牌。DeepSeek 押"按 token + 单一价 + 极致 cache 优化"、StepFun 押"按 token + cache 分层 + 1M context 溢价"、GLM 押"月费 + 多模型 + 包月无上限"。

而 Anthropic / OpenAI 的回应是反过来学国产：Haiku 5.5 把"廉价牌"藏在 100k context 后面、GPT-6 Luna 搞"非高峰免费"、Claude Max 搞"全模型打包订阅"。

真正的问题是：你在 HN 评论区看到的争论——"DS 4.1 Flash 比 Haiku 5.5 还贵 3 倍、比 Sonnet 便宜 7 倍、比 Opus 便宜 15 倍"，是按 token 单价算的。但**你的实际账单是"月费 × 实际使用场景"**。换句话说，决定你最后掏多少钱的不是单价，是订阅形态 + 用量曲线 + 上下文分布。

5. Whistle 16.9MB 端侧语音模型：同一周的另一件大事

610 分的榜首是 Whistle（https://cactuscompute.com/blog/whistle），不是 DeepSeek 4.1 Flash。但我想把它放进文章，因为它代表了"廉价模型"战场的另一面：不是云端便宜，是把模型搬到端侧不需要任何 token。

Cactus Compute 这家公司把 ASR（语音转文字）做到了 16.9MB，一个文件跑在 CPU 上，11ms 出第一个 token，7 种语言，复用他们家 Needle 模型的 C++ 引擎。Whistle 跟 Needle 共享 Simple Attention 块、Monarch Hadamard MLP、GQA、3-tap causal convolution 等等，**整个公司的技术路线就是把模型"小到能塞进手机 / 智能家居 / 机器人"**。

我必须把 Whistle 的几个关键数据交代一下，因为同行都不写。首 token 延迟 11ms，这不是"快"是"几乎瞬时"。Whistle 用 8 个 Simple Attention 块做 encoder、8 个 Laddered Simple Attention 块做 decoder，跟 Needle 共享同一套 Monarch Hadamard MLP。decoder 用 5 束 beam search 配合 Aho-Corasick 关键词偏置。这套架构和 Apple 那个 WhisperKit 路线完全相反（Apple 走端到端 Whisper 蒸馏，Whistle 走共享 attention 块）。

更狠的是所有 attention 块与 Needle 共享。这不是"借鉴"，是"同一份 C++ 源码"。意味着加 ASR 功能到 Needle 模型里，0 额外参数、0 额外依赖、0 额外算力。Cactus Compute 这家公司真正卖的不是模型，是一个统一的多模态 C++ 推理引擎。

Whistle 跟 DeepSeek 4.1 Flash 是同一天爆的两件事。表面上一个在做"云端便宜 437 倍"，一个在做"端侧便宜到零 token"。这两件事的真正共同点是：它们都在打破"云端 LLM 是唯一形态"的旧剧本。

云端 LLM 是用 GPU 时长换智能，端侧模型是用"模型小到装进硬件"换零边际成本。这两条路径同一天爆，不是巧合，而是 2026 年 10 月整个 AI 行业的双线作战。

6. OpenRouter 7 天 38.7T tokens 是真信号

评论区有人（@computerex）直接给了硬数据：

Deepseek v4.1 Flash is by far the most popular coding model on openrouter, having processed 38.7T tokens in just the last 7 days, over 3x the usage of the 2nd rank model.

38.7 万亿 token / 7 天 / OpenRouter 单平台。是第二名 3 倍。

另一条评论（@doctorpangloss）反驳：

because it doesn't work very well? if you have a legitimate coding application, it isn't very good.

@computerex 直接把 @doctorpangloss 顶回去：

So your argument is that the 38T of tokens used in the last 7 days is by moron programmers or people doing "inauthentic" tasks?

这是 HN 上最真实的"廉价模型"撕裂现场。一边是 38T token 真实账单派，一边是"我们公司不敢用中国模型"派。

我觉得这件事比评论区讨论本身更有意义的是：OpenRouter 是一个中立平台，谁都能跑。38.7T token 没有"政治正确"过滤，全是真金白银。

HN 一位从业者 @lmf4lol 把"个人助理 + agent 编排"全部押在 $0.30/M 上的真实账单最有说服力：

We run all our Personal Assistants now on flash (thinking high) by default and it works incredibly well. There is really no need for basic agentic tasks that might require Kimi K.3 or GLM-5.3 levels. Once it gets juicier, we let flash launch...

「基本 agentic 任务不需要 Kimi K.3 / GLM 5.3 级别」——这是真业务场景里的"够用就行"派。但反过来，@lmf4lol 后面一句

Once it gets juicier, we let flash launch...

这才是"廉价 frontier 模型"真正的使用模式：基本任务用 Flash + 复杂任务临时升级到 GLM / Kimi / Sonnet。没有哪个团队真的把全部模型都押在 $0.30/M 上。

7. Apple Silicon 跑 DeepSeek 4.1 Flash 全模型驻留：本地化的可能性

我必须把这一段单独讲，因为它跟前面的"云端便宜"叙事完全相反。

HN 评论区有一条来自 @liuliu 的真实运行记录：

DeepSeek 4.1 Flash 0910 is perfect for M5 Ultra 256GiB. Running it fully resident in RAM, prefill at ~2500 tok/s and decode at ~40 tok/s. Probably tons of room to improve from there.

M5 Ultra 256GB 跑 DS 4.1 Flash 全模型驻留 RAM：

  • 预填充速度 2500 tok/s
  • 解码速度 40 tok/s

我交叉验证了一下：DS 4.1 Flash 的权重原始大小在 BF16 是 1104GB（552B 参数 × 2 字节），但原作者 @liuliu 在 HuggingFace 上放了4-bit 量化版（https://huggingface.co/drawthingsai/DeepSeek-V4.1-Flash/tree/main），量化后约 280GB。256GB 跑不进全模型，但能跑大部分激活参数 + 量化权重 + KV cache。

更关键的是 @petu 的评论：

There's no BF16, original full quality weights are quantized already and 510GB. Then good portion of those weights are n-grams (~200GB) that don't need to be in VRAM. Then KV cache of that model is super lightweight at ~1GB per 1M tokens.

DS 4.1 Flash 的 engram 层（n-gram 模式）有 ~200GB 不需要常驻 VRAM——这一层在 desktop / iPad / M5 Ultra 上根本不用塞进 RAM，可以直接落 SSD。真正需要驻留的是核心 attention 块 + MoE router + KV cache，约 110GB。

@liuliu 自定义的 4-bit 量化把 280GB 量化权重塞进 256GB RAM，预留一部分给 KV cache，实际跑通。

这意味着什么？

Apple Silicon 跑 552B MoE + 1M context 在 2026 年 10 月已经变成现实。M5 Ultra 256GB 是 Apple 2025 年的产品，今天已经能跑 frontier 级模型。@jtydhr88（trending 上的另一作者）2026 年 9 月还在用云端跑，2026 年 10 月本地化路径已经打开。

但我必须说一句难听的话：这条路是给独立开发者和研究者的，不是给企业的。@liuliu 自己有 HuggingFace 仓库（drawthingsai），能维护 4-bit 量化版，能接受 250GB 模型权重在 M5 Ultra 上跑，企业没这个能力也没这个工程资源。

对企业来说，本地化的现实路径仍然是云端 API + 私有部署。但对独立开发者，2026 年 10 月这条线真的可以走出去了。

8. 长上下文定价的四种模型——三种正在分化，一种三足鼎立

到这里我想把所有线索拉齐。我把今天看到的所有"廉价模型定价策略"做了一张表（不在你买入云的任何链接，纯属分析）：

模型 prompt $/M completion $/M cache read $/M 上下文分层 真实账单形态
DeepSeek 4.1 Flash 0.30 1.20 0.006 1M 一个价 OpenCode Go $10/月无限次
Step 5 Preview 1.00 2.70 0.05 1M 一个价 OpenRouter 按 token
GLM 5.3 Flash（编码计划） (包月) (包月) (包月) 200k Z.ai Coding Plan $10/月
Claude Haiku 5.5（≤100k） 0.10 0.50 0.01 分层（100k 跳价） 按 token
Claude Haiku 5.5（>100k） 0.50 2.50 0.05 分层（100k 跳价） 按 token
Claude Sonnet 5.5 2.00 10.00 0.10 1M 一个价 按 token
Claude Opus 5.5 4.00 20.00 0.20 1M 一个价 按 token + Claude Max $100/月订阅
GPT-6 Sol 2.00 10.00 0.20 1M 一个价 按 token + ChatGPT Pro
GPT-6 Luna 0.10 0.50 0.01 1M 一个价 ChatGPT Go 订阅
GPT-6 Astra 10.00 50.00 1.00 1M 一个价 按 token

四种定价形态分清楚了：

  1. 单一价长上下文（DeepSeek / Step / Anthropic Opus / OpenAI Sol+Astra）：1M 一个价，靠 token 单价 + cache read 拉开差距。DS 4.1 Flash 在这一档是碾压——cache read 是 Opus 1/33、是 Sonnet 1/17。
  2. 上下文分层价（Haiku 5.5 专属）：100k 一个价，超过 100k 涨 5 倍。Anthropic 独此一家。我怀疑这是 Anthropic 的"廉价牌"被 DeepSeek 4.1 Flash 逼出来的。
  3. 包月订阅（GLM 5.3 Flash 编码计划 / ChatGPT Go / Claude Max）：按月付费，model 不分。GLM 5.3 Flash 在 Z.ai Coding Plan $10/月无限次——这条线最像过去的 ISP 包月流量，赌的是"大多数用户用不到上限"。
  4. 混合（OpenCode Go $10/月）：OpenCode Go 是一份订阅背后挂多个 model —— DS 4.1 Flash 23000 次请求 / 5 小时上限，GLM 5.3 Flash 6300 次请求 / 5 小时上限。这是"模型市场 + 包月订阅"的中间形态。

HN 上吵翻了的"谁便宜"问题，本质是这四种定价形态在做不同的市场实验。你不能用 token 单价直接比，也不能用月费直接比——你得看你的实际场景落在哪个上下文区间 + 你的用量曲线。

@apitman 评论里那句金句我必须复读一遍：

The tightening of subscription value has already begun. dsv4.1f is already worth paying for at market API prices. Maybe it goes to 2x because apparently no one has figured out how to match DeepSeek's insane caching efficiency, but I don't see it getting much worse than that.

订阅价值收紧，这是 2026 年 10 月 AI 模型定价战的真命题。Anthropic / OpenAI 的订阅服务（Claude Max / ChatGPT Pro）已经不再"超值"了，因为有了 DS 4.1 Flash 这种把 token 单价砍到 1/15 的对标。但同时，OpenCode Go / GLM 5.3 编码计划 / ChatGPT Go 这种"廉价订阅"开始吞噬廉价 API 市场份额。

@apitman 说的"2x"是对的：DS 4.1 Flash 之后，所有"廉价 frontier 模型"的定价都会被压到它的 2 倍以内。这不是预测，是已经在发生的现实。

9. 五件可操作的事 + 一个被忽视的工程现实

如果你今天读到这篇文章，明天就要做模型选型决策，下面五件事可以马上做：

1. 把你的 agent 任务按"上下文长度"分三档：

  • ≤ 100k token：Haiku 5.5 ($0.10/M) 或 GLM 5.3 Flash（Z.ai 编码计划），前者按 token、后者包月
  • 100k-1M token：**DeepSeek 4.1 Flash ($0.30/M)**，全场唯一单一价

  • 1M token：暂时只能 OpenAI GPT-6 Sol / Anthropic Sonnet 5.5，没有替代品

2. 把"前端调度"和"长上下文压缩"分开：

  • 主力 agent（main loop）跑 DS 4.1 Flash + cache read $0.006/M
  • 子 agent 压缩（context compaction）跑 Haiku 5.5 ≤100k + $0.01/M cache read
  • 关键决策点（critical task）调 Sonnet 5.5 或 Opus 5.5

3. 把"模型订阅"当成"算力订阅"看：

  • Claude Max $100/月适合"我想随时切 Sonnet + Opus 5.5"的场景
  • ChatGPT Pro 适合"我想用 Sol Pro + Astra" 场景
  • OpenCode Go $10/月 + Z.ai Coding Plan 适合"agent 主力调用 + 月费无脑跑"场景
  • 按 token 调用适合"我有清楚的用量预算 + 想算清楚每次任务成本"场景

4. 把 cache hit rate 当成 KPI：

HN 评论 @0xbadcafebee 提到的 Charm Hyper 价格表里，DeepSeek 4.1 Flash cache read 是 prompt 价格的 1/50。这意味着：如果你能把 cache hit rate 做到 80%，1M context 任务的实际 prompt 成本从 $0.30 跌到 $0.066。

工程上对应的事：

  • 把 system prompt 拆成稳定 + 变化两部分，变化部分走非 cache
  • 把工具定义放在 cache 块
  • 把长对话历史做 compaction，减少每次调用的 cache miss

**5. 跨供应商 fallback 不要"省"**：

@techmunky 在 HN 里给了个真实使用模式："I run 95% of my open weight inference through them. The rest goes through Opencode Go $10 plan (which is enough to run 3 hermes agents on DSF 4.1 and leave plenty of left to experiment with when new models drop)."

不要把所有 agent 押在单一供应商。OpenRouter + 多供应商 fallback 是抗风险底线。

9.1 一个被忽视的工程现实：cache 命中的隐藏成本

Anthropic 把 Haiku 5.5 的 cache 涨价也吃了一次：cache read ≤100k 是 $0.01/M，>100k 跳到 $0.05/M。跟 prompt 同步涨 5 倍。

这件事的工程含义是：Anthropic 把"长上下文 cache 复用"也变成了付费项目。

DeepSeek V4.1 Flash 的 cache read 是 $0.006/M，1M context 一个价。这个价格差 8 倍意味着：你跑 1M context 的 agent 任务，每 1M cache 复用，DS 比 Haiku 5.5 便宜 8 倍。

Anthropic 这一手更狠：cache 涨价意味着所有依赖"上下文复用"的 agent 框架（claude-mem、Agent-Reach、akitaonrails/ai-memory）在 Haiku 5.5 上的运行成本直接翻 5 倍。

这才是 agent 时代定价战的真暗战：**不是抢"哪个模型最强"，是抢"你的 cache 怎么收费"**。

9.1.1 一个 5 行 wrapper 代码，把 Haiku 5.5 涨价挡在门外

如果你现在就遇到 Haiku 5.5 100k 分层涨价，可以加 5 行 wrapper 代码在调用前自动按上下文长度选模型：

def select_model(prompt_tokens: int) -> str:
    if prompt_tokens <= 80_000:
        return "claude-haiku-5.5"  # 90% 的请求，< 100k 走 Haiku 最便宜
    if prompt_tokens <= 200_000:
        return "deepseek-flash"  # 100k-200k 区间，DS 比 Haiku 便宜 67%
    return "claude-sonnet-5.5"  # > 200k，走 Sonnet 比 Haiku >100k 便宜

这 5 行比任何"AI 选型框架"都实用。把 Haiku 5.5 当成"≤100k 短上下文专用模型"，不再用它跑 agent 编排，这是 2026 年 10 月之后做 Anthropic 集成的人必须改的认知。

10. 模型厂的"廉价 frontier"商业模式到了分叉口

把镜头拉远一点。今天这件事不是 DeepSeek 4.1 Flash 一家模型在打，是整个"廉价 frontier 模型"商业模式到了分叉口。

走一遍今天看到的模型厂，我列一下他们各自押注的方向：

**DeepSeek 押"按 token + 极致 cache + 长上下文单一价"**：把"cache 优化"做成产品差异点，OpenRouter 上 38.7T token/7 天硬数据证明这个商业模式跑得通。赌的是：未来 agent 时代 cache 复用是主流，cache 优化就是定价权。

聊到 DeepSeek 的"商业跑得通"，必须配一张真实账单表。HN 评论区有几位开发者贴出了具体使用记录：

开发者 任务 模型 单次成本
@MisterMunchkin 25 个项目（一天） DS 4.1 Flash $0.70
@lmf4lol 全部 Personal Assistants（周） DS 4.1 Flash (thinking high) 用量稳定不超月费
@RGS1811 Claude Max 用户迁移 DS 4.1 Flash 直接退订 Claude Max
@apitman 生产任务 DS 4.1 Flash 按 token 算比订阅便宜 5 倍
@hmontazeri web dev DS 4.1 Flash 已取消 GPT 订阅

@MisterMunchkin 那个 "$0.70 做 25 个项目"是整篇文章里最硬的数据。意味着对一个独立开发者，DS 4.1 Flash 的边际成本接近零。这跟传统云端 LLM"每次调用都像烧钱"的剧本完全相反。

而 @hmontazeri 退订 GPT 是另一面：当 token 单价降到一个临界点以下，包月订阅的"省心"溢价就消失了。这是 Anthropic / OpenAI 真正的护城河危机，不是被新技术颠覆，是被"足够便宜的 token 单价"颠覆。

DeepSeek 在 9 月底到 10 月初这一周拿到了「DSH 列为 problematic clients」（OpenCode Go 的反向引用）的关注。这意味着OpenCode / WorkBuddy / Charm Hyper 这些第三方订阅已经把 DeepSeek 4.1 Flash 当成主力分发。这种"主供应商 + 次分销"的网络效应一旦形成，Anthropic / OpenAI 要追就难上加难。

**StepFun 押"高端 1M context 旗舰 + 入门 3.7 Flash 双线"**：Step 5 Preview 主打金融垂直场景 + 多模态 + agentic 旗舰，价格比 DS 4.1 Flash 贵 3-8 倍。赌的是：高端场景有差异化需求，模型厂可以在金融/视频/科研做垂直溢价。

**GLM 押"包月 + 多模型 + 不限量"**：Z.ai Coding Plan $10/月无限次，OpenCode Go 23000 次请求/5 小时。赌的是：把 AI 当水电煤卖，用户在乎的不是单价是月费账单可控。

**Anthropic 押"分层定价 + 模型订阅 + 上下文涨价"**：Haiku 5.5 的 100k 分层、Claude Max $100/月订阅、Sonnet 5.5 的"全模型打包"。赌的是：用户会为"全栈工作流"付溢价，单一模型定价战不是主战场。

**OpenAI 押"非高峰免费 + 多档订阅"**：GPT-6 Luna 的非高峰免费、ChatGPT Go 订阅、ChatGPT Pro 多档。赌的是：把模型当成流量入口，靠订阅而非按 token 赚钱。

这五条路径没有哪条已经被证伪。但 9 月底到 10 月初这一周的信号已经清楚：DeepSeek 把"单一价长上下文"这一刀的刀锋亮出来了，其他四家被迫回应。

Anthropic 的回应是"上下文分层涨价"（已经在 Haiku 5.5 上做）。 StepFun 的回应是"高端保持高溢价"（Step 5 Preview 价格是 DS 4.1 Flash 的 3 倍）。 OpenAI 的回应是"包月订阅 + 非高峰免费"（Luna + Go）。 GLM 的回应是"包月无限次"（Z.ai Coding Plan）。

真正还没回应的是 Mistral / Cohere / Meta。Mistral 还在欧洲主权云叙事里磨蹭，Cohere 还在企业级 RAG 套餐里挣扎，Meta 的 Llama 4 已经从主流退场变成"白嫖专用"。这三家再不动，2027 年 Q1 之前的牌就发完了。

11. 12 个月时间线预测：我敢赌的事

我必须说几件我敢赌的事。这不是预测，是我作为深度观察者的判断：

赌 1：2026 年 Q4 之前 Anthropic 会撤回 Haiku 5.5 的 100k 分层涨价，或者把分层门槛抬到 500k。如果不撤，开发者会大规模从 Haiku 5.5 切到 DS 4.1 Flash 或 GLM 5.3 Flash。

赌 2：2027 年 Q1 之前会出现"统一长上下文 + 模型无关"协议层——不管 Anthropic 的 MCP 还是 Google 的 ax，cache 复用协议的标准化会跑出来。这是 AI 时代的"HTTP"。

赌 3：2027 年中之前 Apple M6 Ultra 512GB 跑 1T MoE 全模型驻留会变成常态。M5 Ultra 256GB 已经跑通 DS 4.1 Flash，M6 给到 512GB 是 Apple 已经预告的路线。这条路不会取代云端 API，但会让"独立开发者全栈 AI 工作流"从云端彻底切到本地。

**赌 4：Step 5 Preview 在 10 月 15 号开源之后，OpenRouter 价格会下调 30%**。StepFun 押的"高端垂直溢价"会被开源生态打回原形。

赌 5：2027 年中之前，至少一家国产模型厂宣布"开源 agent 框架"战略，对应 9 月我已经看到的"模型退化成 require"的趋势。

赌 6：HN 评论区那种"我们公司不敢用中国模型"的论调，2027 年会变成笑话。Anthropic / OpenAI 的政治正确叙事撑不到 18 个月。

11.1 一个反直觉的二级效应：Step 5 Preview 的真正战略意图

我必须把这件事单独点出来：Step 5 Preview 在 10 月 8 号登陆 OpenRouter 之前，9 月 19 号就已经在 artificialanalysis.ai 标记为「On AA Pareto frontier」。这意味着 StepFun 9 月中旬就已经把模型准备好，9 月底到 10 月初这一周的"OpenRouter 上架 + 雷峰网深度扒 Haiku 5.5 + HN 撕 DeepSeek 4.1 Flash"是同期发生的。

巧合？不是。StepFun 选在 DeepSeek 4.1 Flash 论坛热议的当口把 Step 5 Preview 推上 OpenRouter，是有意图的：

  1. 用"Step 5 是 agentic 旗舰"叙事对冲"DS 4.1 Flash 是廉价 frontier"的叙事
  2. 用金融垂直场景做差异化定位（避开和 DS 4.1 Flash 直接拼通用 coding）
  3. 用 10 月 15 号开源预期吸引关注。开源之后 OpenRouter 价格下调是第二步棋

这种"叙事对冲"在 2026 年 Q4 会变成标配。DeepSeek 9 月融资逼近 1000 亿（8 点 1氪的报道）让国产模型厂彻底告别"白嫖开源、卖 API 补贴"的旧剧本，开始认真做商业化定价。

所以今天看到的不是"DeepSeek 一家打 Anthropic"，是整个国产模型厂阵营进入了"定价战"时代。StepFun / GLM / DeepSeek 在定价策略上完全分化，但同时跟 Anthropic / OpenAI 形成"廉价 frontier vs 全栈订阅"的双线对峙。

这件事的二级效应是：OpenRouter 这种中立平台会变成"廉价 front 模型"的展示场和 benchmark 法庭。HN 评论区 @computerex 给出 38.7T token/7 天的硬数据就是因为 OpenRouter 有公开的 per-model 用量统计。这种"中立平台 + 公开数据"的监督形态，会让"哪家模型便宜"的争论从口水战变成数据战。

11.2 国产模型厂的密集动作：DeepSeek 融资 + StepFun 开源 + GLM 包月

我把 9 月底到 10 月初这一周三家国产模型厂的密集动作整理成一条时间线：

  • 9 月 10 号：DeepSeek 官方发布 V4.1 Flash（KV cache 1/4 HBM + 1/8 SSD 优化），9 月 14 号 V4-Pro 路由到 V4.1 Flash
  • 9 月 22 号：DeepSeek 融资消息爆出，"新一轮融资逼近 1000 亿"（8 点 1氪报道）
  • 9 月 27 号：8 点 1氪跟进 DeepSeek 融资进展
  • 10 月初：DeepSeek 在 OpenRouter 上 7 天 38.7T token 用量、成为 OpenRouter 第二名 3 倍
  • 9 月 19 号：Step 5 Preview 在 artificialanalysis.ai 标记 On AA Pareto frontier
  • 10 月 8 号：Step 5 Preview 在 OpenRouter 上架（HN 115pts）
  • 10 月 15 号：Step 5 Preview 计划开源
  • 持续中：Z.ai Coding Plan（GLM 5.3 Flash + 多模型）保持 $10/月无限次

这条时间线看下来，三家国产模型厂在 9 月底到 10 月初这一周是协同发力的。DeepSeek 用融资 + OpenRouter 用量证明商业跑得通，StepFun 用 OpenRouter 上架 + 开源预告做叙事对冲，GLM 用包月订阅把"按 token 计价"打成"按月付费"。三家的定价策略不同，但节奏同步。

Anthropic / OpenAI 的反应慢半拍：Haiku 5.5 9 月底发布、10 月初被扒 100k 分层涨价、Step 5 Preview 上架同日撞车。**Anthropic 这一次被迫"硬接"**。

这件事的二级效应是：国产模型厂在 2026 年 Q4 完成了一轮集体商业化升级。DeepSeek 融资 + StepFun 开源 + GLM 包月，三家从"白嫖开源、补贴 API"的旧剧本集体切换到"商业化定价 + 差异化定位"的新剧本。Anthropic / OpenAI 的"廉价 frontier"叙事从这一刻起失去了定价权。

12. 结尾刺

我必须说一段让 Anthropic / OpenAI 听了不舒服的话。

2024 年是"模型即产品"。谁能训出最强的模型谁就能赢。Anthropic / OpenAI 的护城河是 GPT-4 / Claude 3 Opus 这一档。

2025 年是"产品即模型"——Cursor / Claude Code 这种"模型 + 工作流"的封装开始超越裸模型。Anthropic 卖 Skills、OpenAI 卖 ChatGPT 工作流。

**2026 年 10 月正在进入第三个剧本："成本结构即模型"**——谁能让 cache read 便宜 10 倍、谁能让 KV cache 占用缩 437 倍、谁能让包月订阅承载 23000 次 agent 调用，谁就能赢。

DeepSeek 4.1 Flash 不是最强模型。 在 coding 复杂场景、在长推理任务上 Opus 5.5 / Sonnet 5.5 仍然领先。但在 agent 编排 + 长上下文 + cache reuse 这一段——也就是 Anthropic 把 Haiku 5.5 摆出来想堵的那个缺口——DS 4.1 Flash 是当前唯一的 frontier 级选择。

如果 Anthropic 真的在乎"廉价 frontier"这个叙事，它应该在 10 月底之前把 Haiku 5.5 的 100k 分层涨价撤回。这不是技术问题，是商业胆量问题。

如果 OpenAI 真的在乎 GPT-6 Luna / Go 订阅，它应该把 Luna 的 context 扩到 1M。这不是工程问题，是产品定位问题。

2026 年 10 月这一周的硬真相是：廉价 frontier 模型已经不再由 OpenAI / Anthropic 定价。定价权易手了。 谁先把这件事承认下来，谁在 2027 年的 agent 时代才能拿到下一张船票。

如果你是独立开发者，今天就去做一件事：把 OpenCode Go $10/月 + DeepSeek 4.1 Flash + Claude Max 兜底这套组合跑起来，账单先降到 1/10 再说。Anthropic 商业胆量够不够，要看 10 月底。

附录：今天踩过的几个真实账单数字

写到最后我顺手把今天 HN 评论区里几个真实账单贴一下，给那些还在算"用哪个模型便宜"的人一个对照表：

  • @MisterMunchkin：DS 4.1 Flash，25 个项目 / 一天，**$0.70**
  • @lmf4lol：DS 4.1 Flash 跑全部 Personal Assistants，**$10/月 OpenCode Go 用不完**
  • @hmontazeri：DS 4.1 Flash 干 web dev，已取消 GPT 订阅
  • @apitman：DS 4.1 Flash 跑生产任务，比订阅便宜 5 倍
  • @RGS1811：DS 4.1 Flash 干 Claude Max 的活，已退订 Claude Max
  • @crossroadsguy：OpenCode Go 跑 3 个 hermes agents + 留给新模型实验，够用

这六个真实账单证明一件事：**DeepSeek 4.1 Flash 已经从"评测数据"变成了"生产账单"**。这不是模型之争，是定价之争。