👁 296 次阅读
一篇博客在 HackerNews 拿了 1030 分、924 条评论，标题很反常识：Why isn’t the industry freaking out about DeepSeek 4.1 Flash? 作者用了它一个月、横跨十几个项目，结论是自己看不出它和 Opus 的差别——没有 4.1 Pro 也无所谓。真正扎人的是成本：他的一整天开发会话，预期花费不到 1 美元。
一个 1 美元会话是怎么来的
杠杆点不在权重，在 KV cache。原文给的数字是：DeepSeek 相比自家 V1，把 KV cache 缩小了约 437 倍。长编码会话最贵的部分，是把这份 cache 一直压在显存里——它缩了，全天的会话就缩进了 1 美元以内。
叠加一个 10 美元/月的订阅，模型调用量相当于无限。作者由此描述的工作流被整段重写：以前要掂量再三的『无用功』现在随手就开——探索性 UI 测、桌面文件整理，他说一件小事花 0.003 美元而不是 1 美元。复杂规划和研究也交给它，只在关键收尾时叫 Opus 或 GLM 做终审，再让 DeepSeek 执行修改。
为什么实验室还没慌
第一，仿制药逻辑。作者的类比很直接：前沿实验室像原研药厂，必须收回高昂训练成本；中国模型跳过这部分研发，做出接近等效的东西，同时砍掉 90% 的价格。他承认这些模型是蒸馏出来的，但他认为大多数开发者根本不在乎数据归属，只在乎单位成本能换回多少工作量。
第二，自托管被经济账判了死刑。原文的判断相当硬：如果你是为了省钱，自己跑这套模型永远收不回成本，等这些 cache 优化本地化再说。这等于顺手拆掉了开源阵营的最后一根支柱——隐私是刚需，省钱不是。
第三，最贵的其实是内存，不是算力。评论区把账翻得更狠：有人列出量级估算，FP16 大约 1.6TB 显存、INT4 约 416GB；另一位补充说原版权重其实已经量化过，n-gram 表约占 200GB 且不必常驻显存，这份模型的 KV cache 约 1GB/百万 token。还有人算出 NVFP4 下约 300GB、不卸载则约 491GB，4 台 DGX Spark（约 2 万美元）能跑。这些是社区估算，方向上却一致：把成本压下去的是存储价格，而不是模型聪明程度。
价格锚点已经在往下走。HN 有人贴出 Charm Hyper 的报价：deepseek-4.1-flash 为 0.33 美元/M 输入、1.31 美元/M 输出、0.03 美元/M cache，glm-5.3-flash 更便宜。还有人直接质疑这些实验室的估值——每隔几个月就有落后不多、便宜得多的模型出现，这恰恰说明它们不配现在的定价。
同日另外两条值得看一眼
Whistle：16.9MB 的语音识别。Cactus 发布的 Whistle 走的是端侧路线——单个 16.9MB 文件，纯 CPU 运行、无依赖，支持英语、德语、法语、西班牙语、意大利语、荷兰语、波兰语 7 种语言，首 token 延迟 11 毫秒，单次处理 16kHz 单声道、最长 30 秒。据其公布的结果，它在 LibriSpeech test-clean/test-other、SPGISpeech、Earnings-22 和 FLEURS 平均上都领先 Whisper base，但后者在 TED-LIUM、AMI、MLS 上更好，体量 145.3MB。技术上是 8 个 Laddered Simple Attention 块、宽度 512、GQA 8:2。Cactus 官方博客显示它与 Needle 共用同一套 C++ 引擎，一段录音能直接变成工具调用。
OpenAI 三位安全研究员被解雇后发公开信。Jasmine Wang、Tomek Korbak、Mikita Balesni 否认了公司关于他们在既定流程之外处理敏感信息的说法，向安全与安全委员会、安全咨询组和使命咨询委员会发出公开信，称同事现在『不敢说话』。三人称工作里最早看见风险的是做安全的人，与外部专家协作是本职工作的一部分。三人还否认了泄露关于最新模型可监控性不足架构的信息。TechCrunch 报道指出，OpenAI 的理由是『访问和处理了敏感公司信息』。
今天的信号
三件事指向同一个方向：智能的边际成本继续往下塌，而围绕它的社会成本在往上抬。DeepSeek 把长会话成本打穿后，前沿模型的定价权正在向『谁更敢省』那一侧转移，护城河从权重转向了 cache 工程与供给链；Whistle 把语音识别压到 16.9MB，说明同一个方向也在端侧发生；OpenAI 的安全事件则提示，行业下一步的账单可能来自合规而不是算力。
对开发者的建议其实很朴素：别在通用任务上追最新旗舰。把廉价模型扔进所有可以被重做的环节，只把预算留给真正需要『第二双眼睛』的收尾步骤——这才是一天 1 美元会话的正确姿势。