低价，撑不了梁文锋的AGI之路

来源 | 伯虎财经（bohuFN）

作者 | 林书

最近，DeepSeek涨价了，而且涨得并不含蓄。

8月17日起，DeepSeek-V4系列开始执行峰谷定价。以V4-Pro为例，缓存命中输入从每百万Token 0.025元，涨至高峰时段的0.3元，价格变成原来的12倍，涨幅达到1100%；缓存未命中输入从3元涨至9元，输出则从6元涨至27元。

虽然空闲时段仍有五折。对批处理、数据清洗一类可以挪到深夜的任务而言，这套机制甚至可能更划算；可对需要在工作时间持续调试、反复调用工具的开发者来说，高峰时段恰恰就是生产时段。

所谓“最高涨幅1100%”，指向的是特定计费项，而非全线价格都涨了11倍，但这并不妨碍它成为一个信号：靠极低Token价格塑造的DeepSeek神话，被算力账单从内部撬开。

图1｜DeepSeek-V4-Pro三项计费价格变化；每个面板采用独立线性尺度（来源：DeepSeek公开定价、Reuters；作者制图）

01 两个“幻觉”

过去一年，DeepSeek身上一直叠着两个“幻觉”。

第一个幻觉，是便宜。

如果只看API价目表，DeepSeek当然便宜。即使涨价之后，其绝对单价仍低于多数海外前沿模型。但开发者购买的不是一百万Token，而是一个能否按时交付的任务；一旦把计价单位从“Token单价”换成“完成一次复杂任务的总成本”，结论就会发生变化。

在此前对一线开发者的采访中，笔者发现，很多开发者在实际Coding场景下，都觉得国产模型很“贵”，原因不在具体的Token单价，而在高强度Coding场景下，相应的模型厂商，是否有性价比较高的“套餐”。

因为高强度Coding不是一次问答，而是模型不断读取代码库、生成补丁、运行测试、失败重试，Token会像流水一样消耗，一天几十亿，甚至上百亿Token的消耗，是很常见的事。

OpenAI和Anthropic对此采用的是套餐思路。Codex被纳入ChatGPT订阅，Plus为20美元/月，Pro从100美元/月起，分别提供更高的使用额度；Claude Code也被纳入Claude Pro和Max，月费为20、100和200美元。

它们并非真正不限量，触顶后同样要购买Credits或转为按量付费，但固定月费先兜住了一段高频使用区间，让开发者敢于把模型塞进日常工作流，而不是每执行一次测试，都先心算一遍账单。

图2｜主流Coding套餐与DeepSeek计费方式对比（来源：OpenAI、Anthropic、Kimi、智谱官方；作者制图）

而DeepSeek在这方面，至今没有一套能与Codex、Claude Code正面对打的高强度编程套餐，核心开发场景仍主要依赖按量API。峰谷定价可以提高算力利用率，却很难改变重度用户的决策逻辑：开发者最需要模型的时候，往往也是价格最高的时候。

因此在高强度Coding下，按量计费的DeepSeek反而会让开发者觉得“贵”、“不划算”。

第二个幻觉，是DeepSeek已经占住了开发者生态。

公众认知里的DeepSeek，是国产大模型最响亮的名字之一；但在本文采集的开发者样本中，真正涉及重要编程项目时，DeepSeek很少被列为首选。

根据笔者与开发者的交流，在真实的编程场景下，大部分开发者的首选是GPT、Claude，其次才是K3、GLM等国产模型；

而在国产模型内部，开发者更常把K3、GLM和Qwen排在前面。DeepSeek-V4 Flash和Pro更多被用于写作、总结、闲聊，或承担容错率较高的轻量任务。

这不是说DeepSeek不会写代码，而是Coding的评价尺度已经变了。

一次代码补全，考验的是局部生成；一个持续数小时的Agent任务，考验的却是上下文能否保持、工具调用是否稳定、失败后能否恢复、修改后会不会主动跑测试，以及模型是否知道什么时候应该停下来。榜单测的是某个截面的能力，生产环境算的是整条链路的成功率。前者领先几分，可以带来热度；后者少失败一次，才能形成续费。

所以，DeepSeek真正的麻烦并不是“涨价以后还便不便宜”，而是它在付费意愿最高、黏性最强的Coding场景里，尚未建立与声量相称的生产地位。低价能把用户请进门，却不能替模型把任务跑完。

02 Harness的反击

面对成本压力，DeepSeek没有继续在同一张牌桌上硬拼。

8月，DeepSeek Harness进入开发者预览。官方给出的公式很简洁：Agent = Model + Harness。模型负责推理，Harness负责把模型放进现实环境，让它获得工具、记忆、沙箱、会话、调度和持续执行能力。

它最激进的地方，是“一切皆插件”。模型适配器、工具、Skills、会话、存储、Agent循环、调度乃至UI，都可以被替换和重组；底层Cordis把这些能力挂载在同一个运行时里，不需要修改一个不可触碰的核心。与此同时，系统把提示词、推理、工具调用、执行结果、子Agent调度和上下文注入，写入可追溯的追加式日志，支持恢复、分叉、搜索和回放。

图3｜DeepSeek Harness“一切皆插件”架构示意（来源：DeepSeek Harness官方文档；作者制图）

这是一记聪明的侧击。

如果DeepSeek短期内无法在Coding模型能力上压过GPT、Claude，也未必能稳稳胜过K3、GLM和Qwen，那么它可以去争夺更上层的位置：让所有模型都在自己的编排框架里运行。模型今天换一代，Harness仍然留在开发者机器上；谁掌握Agent的工具接口、运行日志和插件标准，谁就可能成为下一阶段AI生态的基础设施。

这也是部分媒体称其为“AI时代安卓”的由来。

然而，从定位上来看，现在的DeepSeek Harness更像Linux或Docker，而不是安卓。因为安卓的商业价值从来不只来自开源代码，更来自闭源的GMS、Play Store以及默认分发权。

DeepSeek Harness采用MIT协议，又强调模型中立，目前既没有只能由DeepSeek提供的闭源服务层，也没有插件商店和不可替代的云托管入口。开发者完全可以用它调用Claude、GPT、Kimi或GLM，框架越成功，甚至越可能方便用户替换DeepSeek自己的模型。

年初的OpenClaw，已经演示过这种张力。

它迅速形成庞大开源生态，云厂商、模型公司和安全厂商都围绕它推出产品；但项目本身最终转入基金会，最终，创始人Peter Steinberger加入OpenAI。OpenClaw至今没有独立地实现商业化。

开源基础设施可以改变行业，却不天然拥有行业利润。掌握算力、模型、企业客户或分发入口的一方，往往更容易把生态热度换成现金流。

因此，Harness短期内还不能替DeepSeek“扳回”Coding市场。

但如果只把Harness理解成一款简单的Agent产品，又低估了这次布局。

它真正值得资本重估的地方，不在今天能卖多少许可证，而在于它可能成为DeepSeek通往下一轮技术范式的接口：把模型在真实环境中的每一次失败，都变成下一次改进可以读取、比较和验证的材料。

而这，也正是OpenAI、Anthropic，以及各路国内AI企业都在攻坚的下一个方向——RSI（自进化递归式AI）

03 “战略期权”的溢价

要理解Harness真正的价值，首先要回答：RSI为什么重要？

过去几年，行业靠堆算力、参数和数据提升模型。但训练结束，能力也随之冻结；面对分布外任务，它不会把失败沉淀为可继承的经验，只能等待下一轮数据和人工训练。随着数据趋于耗尽、算力越来越贵，这条路线的边际回报持续下滑。

而RSI之所以被各大巨头押注，正因为它试图让AI在真实任务中发现问题、修改自身并验证结果，补上泛化性的缺口。

现阶段，工程上更现实的RSI，是一条有闸门的工程闭环：记录执行轨迹，归纳稳定弱点，修改提示词、工具、记忆或调度策略；候选版本进入沙箱，只有通过独立评估与保留集回归，才能晋升，否则立即回滚。

图4｜从执行轨迹到可验证Harness改进的闭环（来源：《Self-Harness》、OpenAI、Anthropic；作者制图）

Harness恰好卡在闭环的关键位置。权重是昂贵、难解释的黑箱，Harness却是外置、可读、可改、可回滚的软件层；它既规定模型如何调用工具、保存记忆和接受反馈，也是完整轨迹真正产生的地方。让AI先修改自己的执行协议，比让它直接重训自己的“大脑”现实得多。

业内实践已经给出证据。Anthropic把完整轨迹和环境终态纳入Agent评测；OpenAI工程师Ryan Lopopolo也认为，工具、测试与反馈回路写进Harness后，能力会产生复利。《Self-Harness》等业内论文发现，在固定权重下仅修改Harness，9组实验全部改善，最高相对提升132%；Darwin Gödel Machine让Coding Agent修改自身代码与工作流，SWE-bench成绩从20%升至50%。能力增长，可以先发生在参数之外。

DeepSeek Harness已有插件化、追加式轨迹、可修改Agent循环和沙箱。这就是一种“RSI友好底座”，在工程上，为Agent未来的自我改进提供了基础。

而这样能改变行业的变革，这正是资本在对DeepSeek的融资中，所押注的“战略期权”。

据路透社报道，DeepSeek在6月完成约500亿元融资，7月又计划以约5000亿元估值融资，并讨论登陆科创板。与此同时，DeepSeek开始招募IDC、能源和土木人才，以扩充其数据中心、Agent和芯片团队。

一位长期从事大模型工程化的资深从业者向作者表示，虽然算法优化仍会持续，但在现有技术路径下，单靠算法再次复制R1式数量级降本，概率已经明显下降。工程团队更确定的办法，是增加芯片、显存、带宽和集群规模。

另一方面，过去为DeepSeek持续输血的幻方量化，也不是无限提款机：据私募排排网数据被媒体转引，截至7月底，幻方对外展示的9只产品中已有8只年内收益转负。

因此，DeepSeek的AGI之路，真的不能再靠“低价”、“降本”和幻方的资金来输血了。

也正因如此，Harness这柄更新、更锋利的“矛”，才成为了DeepSeek新一轮的战略期权；

图5｜Harness战略期权的兑现路径与价值泄漏点；作者制图

但期权不等于兑现。如果Harness只是中立的MIT项目，收入和客户仍会流向模型商与云厂商；DeepSeek必须补出自己的“GMS”——云托管、企业评测、专有数据管道，或模型—Harness协同层。若它能把真实失败变成下一版本可验证、可继承的能力，Harness就可能重写AI的改进方式；否则，它只是又一个声望很高、利润很薄的开源框架。

R1重新定义了推理成本。Harness要证明的，是DeepSeek还能不能定义下一轮进化。

文章封面首图及配图，版权归版权所有人所有。若版权者认为其作品不宜供大家浏览或不应无偿使用，请及时联系我们，本平台将立即更正。