0.2 个百分点和 7 倍价差——DeepSeek V4 把范式之争压成一道数学题
0.2 个百分点和 7 倍价差
80.6 vs 80.8。$3.48 vs $25。
开源和闭源在 SWE-bench Verified 上只差 0.2 个百分点，在每百万输出 token 价格上差 7 倍。
如果只看一个数字，看 0.2。如果只看一种姿势，看 MIT 协议。
2026 年 4 月 24 日，DeepSeek 在 HuggingFace 上传了 V4-Pro——1.6 万亿参数，开源，MIT。SWE-bench Verified 80.6%，比 Claude Opus 4.6 的 80.8% 低 0.2 个百分点。LiveCodeBench 93.5% 反超 Opus 4.6 的 88.8%。Terminal-Bench 2.0 67.9% 反超 65.4%。Codeforces Rating 3206 略高于 GPT-5.4 的 3168。
就是这几个数字，把过去三年"开源和闭源之间还差几代"的默认假设压成了一道数学题。
而那道数学题的答案不在 benchmark 表里——在过去 9 天 Anthropic 自己被迫承认的三处架构裂缝里。
一、0.2 个百分点为什么不能再被忽略
先把对比放齐。
| Benchmark | DeepSeek V4-Pro | Claude Opus 4.6 | GPT-5.4 | Gemini-3.1-Pro |
|---|---|---|---|---|
| SWE-bench Verified | 80.6% | 80.8% | — | — |
| LiveCodeBench | 93.5% | 88.8% | 91.7% | — |
| Codeforces Rating | 3206 | — | 3168 | 3052 |
| Terminal-Bench 2.0 | 67.9% | 65.4% | — | — |
| HMMT 2026 Math | 95.2% | 96.2% | 97.7% | — |
| HLE | 37.7% | 40.0% | 39.8% | 44.4% |
| SimpleQA-Verified | 57.9% | — | — | 75.6% |
数据来自 Buildfastwithai 的独立横向评测，DeepSeek 官方 tech report 与 HuggingFace 模型卡交叉验证。
四列模型，七项指标，V4-Pro 在 4 项上要么领先要么贴近闭源最强。SWE-bench Verified 和 Opus 4.6 差 0.2 点已经在统计噪声范围里——每次重测都可能翻盘。LiveCodeBench 反超 4.7 点是真实差距。Codeforces Rating 比 GPT-5.4 高 38 分。
但更关键的不是哪个分数高。是这四列里只有 V4-Pro 是开源的。
Anthropic 9 天前（4-16）发布 Opus 4.7，把更强的 Mythos Preview 锁进 Project Glasswing 联盟（AWS / Apple / Google / Microsoft / NVIDIA / JPMorgan 等 11 家），开创模型分级发布（Model Tiering）模式——Tier 0 内部不发布、Tier 1 联盟限制、Tier 2 公开商用、Tier 3 专业豁免。这是把"最强模型"作为一个分级访问的资产来管理。
DeepSeek V4-Pro 的发布姿态是反过来的——直接把 1.6T 参数权重 MIT 协议扔到 HuggingFace。没有 Tier 1，没有 Glasswing，没有"未手术版只给联盟"。
两种范式在同一周内出现在同一性能等级上。这不是"OpenAI vs Anthropic"那种功能差异，是对"最强模型应该怎么发"这件事本身的两种结构性回答。0.2 个百分点把这两个回答的技术差距清零了，剩下的全是范式选择。
二、$3.48 vs $25：定价权的转移
技术追平只是上半场。下半场更暴力。
| 模型 | 输入 $/MTok | 输出 $/MTok |
|---|---|---|
| DeepSeek V4-Pro | $1.74 | $3.48 |
| DeepSeek V4-Flash | $0.028 | $0.28 |
| Claude Opus 4.6 | $5 | $25 |
| GPT-5.4 | $2.5 | $15 |
V4-Pro 输出价格是 Opus 4.6 的 14%。V4-Flash 直接低到 1.1%。
Buildfastwithai 给了一个具体场景：一条生产环境 agent coding 流水线，每月输出 5000 万 token——
- V4-Pro 月成本：$174
- Opus 4.6 月成本：$1,250
差额 $1,076。一年差 $12,912。一个 50 人团队差 $645,600。
这件事的真实分量要回到上周 Anthropic 自己说过的话来读。Anthropic 增长主管 Amol Avasare 4 月 21 日在 X 上承认订阅架构和实际使用不匹配：
"Usage has changed a lot and our current plans weren't built for this." 「使用模式变化很大，我们现有的计划方案并不是为此设计的。」
"Per-subscriber usage has increased significantly, and our current plan architecture was not designed for this scale." 「每个订阅用户的使用量大幅增加，我们现有的计划架构不是为这种规模设计的。」
这是被 Anthropic 自己暴露出来的Agent Loop 消耗模型架构裂缝——agent 长跑（数小时无人值守的后台执行）让单席位实际算力消耗从聊天量级跳到持续算力量级，按席位计费的订阅模型在 agent 时代有结构性瑕疵。
DeepSeek V4 在这个裂缝上落了一锤。当 agent loop 长跑变成主流使用模式，真正决定经济账的不是 benchmark 高低，是每百万 token 多少钱。Opus 4.6 在 80.8% 那个 0.2 点优势上能撑多少钱？$25 减 $3.48 就是答案——闭源能维持的溢价空间，是 21.52 美元每百万输出 token，在性能差异收敛到误差范围的前提下。
这不是"降价竞争"。是定价权易手。过去三年闭源派一直在用"我们更强所以更贵"建立锚点，V4 用 0.2 点差距把这个锚点的合理性踩碎了。
三、技术暗线：怎么把 1.6 万亿参数训练稳定
看完前两节再回头看技术，会发现 V4 的几个架构创新不是孤立的工程优化——是在专门拆"闭源派护城河"的几根关键钢筋。
mHC：让 1.6T 训练稳定的工程解法
Manifold-Constrained Hyper-Connections（流形约束超级连接）。听起来玄，做的事情很具体——把神经网络层之间信号传播的放大倍数从「3,000 倍」压到「1.6 倍」。
为什么这件事重要？因为千亿参数以上的 Dense 模型训练里，信号在层间放大失控是 collapse 的主要触发器。Anthropic、OpenAI 在万亿级别训练上的稳定性是闭源大厂的核心壁垒之一——大家心里都清楚怎么做大，但谁都不公开怎么把大模型训稳。
DeepSeek V4 tech report 里把 mHC 当成方法论展开。这是行业首次有 1T+ 模型公开"训练稳定性"的工程解法。
DSA：1M 上下文的成本重构
DeepSeek Sparse Attention。第三方评测把它拆成两段——CSA（Compressed Sparse Attention）+ HCA（Heavily Compressed Attention）的混合注意力。
数据：在 1M token 上下文设置下，V4-Pro 相比 V3.2——
- 单 token 推理 FLOPs：27%（节约 73%）
- KV cache：10%（节约 90%）
这个数字配合上一节的 Mooncake / PrfaaS 看才完整。Moonshot 8 天前发的 Prefill-as-a-Service 论文（相位地理解耦——把 prefill 和 decode 分到不同数据中心跑）证明了 KVCache 可以跨数据中心调度。DeepSeek V4 的 DSA 证明了 KVCache 自己可以再被压一个数量级。两条线并行：模型架构压缩 KV，基础设施压缩 KV 传输。两条线汇在同一个目标——让 1M 上下文从"研究指标"变成"商业可行"。
Muon 优化器
替代标准 AdamW。声称收敛更快、训练更稳。这一项相对小，但和 mHC 一起构成 V4 训练栈的两个非主流选择——这家中国团队没有沿用美国大厂的默认配方。
三项加起来传递一个信号：1.6T 参数的训练稳定性曾经是闭源派最深的壁垒之一，DeepSeek 把这个壁垒的工程方案放进了一份开源 tech report。下一代开源模型不需要从零摸索这条路。
四、不会被 DeepSeek 主动说的偏科
把官方叙事和独立评测放一起看，V4 是一个代码强、数学贴近、知识弱的偏科模型。
| 强项 | 数据 | 弱项 | 数据 |
|---|---|---|---|
| LiveCodeBench | 93.5%（V4 第一） | SimpleQA-Verified | 57.9%（vs Gemini 75.6%） |
| Codeforces Rating | 3206 | HLE | 37.7%（vs Gemini 44.4%） |
| Terminal-Bench | 67.9% | HMMT 2026 Math | 95.2%（vs GPT-5.4 97.7%） |
SimpleQA-Verified 测的是"模型记住多少世界事实"。V4-Pro 比 Gemini-3.1-Pro 低近 18 个百分点。这意味着——
- 写代码场景：V4 是接近最优解
- 问"X 公司 2024 年财报营收多少"这种事实问题：V4 显著落后
DeepSeek 官方公告对这条短板一笔带过——只用了 "trails only Gemini-3.1-Pro" 这一句外交辞令把整条短板包过去了。如果一个用户上来就用 V4 做事实查询助手，体验会和 benchmark 表给的印象不一样。
还有几条不会被官方主动说但读者必须知道的——
第一，据 DeepSeek tech report 声称的 33T tokens 训练数据来源没公开。DeepSeek 历史上有过 OpenAI 控诉"蒸馏 GPT-4"的事件未结案。33 万亿 token 这个量级，纯靠合规公开数据 + 开源数据集是非常紧的。版权 / 合成数据 / 竞品 distill 的混合占比，外人看不到。
第二，"Preview" 标签在传话。模型卡里写 "preview release—further post-training refinements are expected"。和 Anthropic 给 Mythos / Claude Design 加 "Research Preview" 是同种话术——能力天花板可以发布，稳定性边界场景没保证。production agent 场景下，版本锁定是值得纳入风险预案的项。
第三，API 在中国基础设施。这条对中国从业者无影响，对要做美国 / 欧盟 enterprise 客户的开发者是硬约束。开源权重可以本地部署，但调 API 走 chat.deepseek.com 时数据出了境内基础设施。这一条 Western 媒体在 4 月 24 日发布稿后已经在追问，国内媒体几乎不提。
第四，价格的可持续性。V4-Pro 1.6T 参数推理成本不会真的只有 $3.48 / MTok 那么低——这个价格能撑多久 DeepSeek 没说。一个团队 all-in 押注 V4 成本结构时，"价格政策可能调整"是要进财务模型分母的风险变量。
这些信息官方不会说，但企媒读者必须自己加上。
五、范式之争：Tier、Open、$20 同周三连击
把过去 9 天发生的事情按时间线串起来——
| 日期 | 事件 | 范式立场 |
|---|---|---|
| 4-16 | Anthropic 发布 Claude Opus 4.7（Tier 2）+ 锁 Mythos Preview 进 Project Glasswing 联盟（Tier 1） | Tiered Release：最强不公开 |
| 4-17 | Anthropic 发布 Claude Design + 同日 Mike Krieger 辞 Figma 董事 | 应用层扩张 |
| 4-21 | Anthropic 把 Claude Code 从 Pro 计划悄悄移除（2% 测试），开发者社区反弹 | 订阅架构裂缝暴露 |
| 4-22 | OpenAI Codex 团队公开声明"Codex stays in Plus ($20/month)" | $20 Tier 锚定 |
| 4-23 | OpenAI 发布 GPT-5.5 + Anthropic 主动披露 Claude Code 三次降智事件 | 分叉领先升级 |
| 4-24 | DeepSeek 发布 V4-Pro + V4-Flash，MIT 开源 | Open Release：最强直接给 |
9 天内三种发布范式同台亮相。
Tiered（Anthropic）：最强模型只给联盟，公开版是经过 [[differential-training]] 削弱的。逻辑是把"能力"作为可分级访问的资产。
$20 锚定（OpenAI Codex）：保留低价档位的可用性作为差异化卖点。逻辑是把"性能/价格比"押在订阅档位的可达性上。
Open（DeepSeek）：直接把 1.6T 参数 MIT 扔出来，价格降到 14%。逻辑是把"开放性 + 价格"作为护城河。
三种范式不是互斥的产品策略选择，是对"未来 12 个月谁能定价"这件事的三种不同押注。Anthropic 押"能力稀缺性"——靠 Tiered 维持高价。OpenAI 押"价格档位 + 生态"——靠 $20 守住开发者基本盘。DeepSeek 押"性能追平 + 开源完整性"——直接把对手的定价空间压缩。
上周用来形容 GPT-5.5 vs Opus 4.7 的"分叉领先"框架（一家在 A 类任务领先，另一家在 B 类任务领先），本周需要扩成三叉——加上 V4 这条开源轨。
六、对从业者意味着什么
对 AI 应用开发者。把 V4-Pro 加进路由层做 A/B 测试是本周值得排进迭代周期的事。具体动作：选 3-5 个核心 agent 任务（多文件 bug 修复、code review、文档查询、终端脚本生成），用相同 prompt 同时跑 V4-Pro / Opus 4.6 / GPT-5.4，对比通过率和成本。V4-Pro 在核心任务上通过率不输 Opus 4.6 的 95% 时，切换是值得的——70% 的成本节约会直接落到财务报表。事实查询类任务（agent 长跑里需要查事实的子任务）保留闭源模型做兜底，是更稳的姿势。
对 AI 创业者 / CTO。成本模型可能需要重写。过去六个月假设的"模型成本占比"如果还是 30-40%，现在有机会压到 5-10%。省下来的钱用来扩团队还是扩并发，是一道战略选择题——同样预算下 agent 同时跑的并发数从 100 提到 1000，意味着 SLA 和定价层都要重新设计。"模型供应商分散"是值得在这一波纳入架构原则的——开源 + 闭源至少各两家，避免被任何单家定价权劫持。
对企业 IT 决策者。之前因为合规没法用 DeepSeek API（数据出境、监管）的团队，现在 MIT 开源权重打开了本地部署通路——这条路径之前需要 H100 集群门槛，但 V4-Flash 284B / 13B active 在 4×H100 80GB 上可推理。本地部署 + 开源权重 + 同等性能 = 一条之前不存在的合规通路，值得纳入供应商评估表。
对中国 AI 从业者。这是 Moonshot PrfaaS（相位地理解耦——把 prefill/decode 分到不同数据中心）和 DeepSeek V4 同月双发的第二刀。中国团队同时在系统层和模型层输出，Western 媒体的"中国 AI 在追赶"叙事过时了。把这两条线连起来读，下一波"中国 AI"叙事会是基础设施 + 模型双轮——这个判断值得记入路线图。
对投资人。据公开融资文件，Anthropic 在 2026-02 完成 Series G $30B @ $380B post-money，行业分析师预期 2026-10 IPO（目标 $60B 融资）。V4 把 Anthropic 闭源最强模型的边际溢价从"无限大"压到"21.52 美元 per MTok"。这个数字会进所有专业 AI 投资人的估值模型分母。Anthropic 的 IPO pitch 里"我们的模型能力领先 X 代"这种话不能再用——领先维度要换成 RSP（Responsible Scaling Policy）/ Glasswing 联盟 / Anthropic Labs 应用矩阵。估值锚从"模型稀缺性"换到"政策护城河 + 应用生态"，是 Anthropic 接下来 6 个月叙事的必修课。
七、收尾：定价权易手不是终点
8 天三种范式同期登台。0.2 个百分点和 7 倍价差让闭源派的能力溢价进入收敛期。
但收敛不等于结束。
闭源派还有几张牌没出——RSP 制度化和监管标准、应用层 bundle 战略（Claude Design / 数字员工 / 企业上下文工程）、深度模型（如 Mythos）保留作 Tier 1 资产、以及未来差异化训练（在训练阶段精确削弱某些能力同时保留其他）做行业专版。这些都不是 V4 一次发布能压塌的护城河。
但有一件事是这一周确认的：模型权重本身不再是护城河。能让 1.6T 参数训稳定的工程方案进了开源 tech report，能让 1M 上下文成本下降一个数量级的注意力压缩进了开源权重，价格降到闭源 14% 的同等性能也进了开源权重——三个维度同时开源。
护城河被迫迁移。从"我们手上有更强的模型"迁移到"我们手上有更深的安全合规护栏 + 更广的产品生态 + 更稳定的企业部署"。这个迁移过程会塑造未来 12 个月所有头部 AI 厂商的对外叙事。
读懂这件事，比追每周的 benchmark 数字有用得多。
本期关键词
0.2 个百分点（The 0.2 Gap） —— DeepSeek V4-Pro 与 Claude Opus 4.6 在 SWE-bench Verified 上的差距。统计噪声级。象征意义远超技术差异——开源和闭源的同代性能拐点。
14% 定价（14% Pricing） —— V4-Pro $3.48/MTok 输出价格相对 Opus 4.6 $25/MTok 的比例。决定 agent loop 长跑场景下的真实成本边界。
Manifold-Constrained Hyper-Connections（mHC，流形约束超级连接） —— DeepSeek V4 的训练稳定性核心创新。把神经网络层间信号放大从 3000 倍压到 1.6 倍，让 1.6 万亿参数训练不崩。是行业首次公开 1T+ 模型训练稳定性的工程解法。
DSA（DeepSeek Sparse Attention） —— 让 1M 上下文相比 V3.2 节约 73% FLOPs / 90% KV cache 的注意力机制。第三方评测拆解为 CSA + HCA 的混合架构。和 Moonshot PrfaaS 同月发布，构成 KVCache 压缩的两条并行路径。
三叉发布范式（Three-Fork Release） —— 2026-04 同周出现的三种最强模型发布姿势：Anthropic 的 Tiered（最强不公开）、OpenAI 的 $20 锚定（性价比兜底）、DeepSeek 的 Open（最强直接给）。三种范式对"未来定价权"的不同押注。
护城河迁移（Moat Migration） —— 当模型权重本身不再是壁垒，闭源派护城河被迫从"模型稀缺性"迁移到"政策合规 + 应用生态 + 企业部署稳定性"。这是未来 12 个月所有头部 AI 厂商对外叙事的隐藏主线。
原文关键引用
"Usage has changed a lot and our current plans weren't built for this." —— Amol Avasare, Anthropic 增长主管（X, 2026-04-21） 「使用模式变化很大，我们现有的计划方案并不是为此设计的。」
"Per-subscriber usage has increased significantly, and our current plan architecture was not designed for this scale." —— Amol Avasare, Anthropic 「每个订阅用户的使用量大幅增加，我们现有的计划架构不是为这种规模设计的。」
"Codex will remain available in both the free and Plus ($20/month) plans." —— OpenAI Codex 团队声明（2026-04-22） 「Codex 将在免费版和 Plus（$20/月）计划中继续开放。」
"trails only Gemini-3.1-Pro" —— DeepSeek V4 官方发布稿（在知识领域的对手选择措辞）
引用
- DeepSeek V4 Preview Release —— DeepSeek 官方发布稿
- DeepSeek-V4-Pro on Hugging Face —— 模型权重 + 模型卡 + Tech Report PDF
- DeepSeek V4-Pro Review: Benchmarks, Pricing & Architecture —— 第三方独立横向评测，含完整 benchmark 表 + 价格对比 + 月度成本计算
- DeepSeek V4 (2026): 1T Parameters, 81% SWE-bench, $0.30/MTok —— 发布前的市场预期分析（注：此源为发布前推测，部分数字与最终发布版不一致）
- Anthropic tests reaction to yanking Claude Code from Pro —— Avasare 公开承认订阅架构问题的来源
相关拆解
- [[claude-opus-4-7]] —— [[model-tiering]] 范式发起者，本文是其在开源轨上的反向回应
- [[codex-5-5-roundup]] —— 同周分叉领先框架的扩展
- [[your-harness-your-memory]] —— 主权让渡战的另一战线
- [[prfaas-prefill-as-a-service]] —— 中国系统层另一刀，和 V4 同月构成基础设施 + 模型双轮输出
- [[agent-loop-usage-model]] —— 价格震动的真实经济基础