DeepSeek 要涨价，正好踩在开发者选模型的当口上

最近这一周 AI 编程工具市场的关键词是「价格」。DeepSeek 发了一则公告说近期要整体上调 API 服务定价，涨幅会比较大，具体数字没给。几乎在同一时间，Meta 旗下的编程智能体 Muse Code 跟配套模型 Muse Spark 1.2 一起对外开放测试，API 给出了两个层级，其中一个叫做「贡献者层级」，每百万输入 token 收 0.10 美元、每百万输出 token 收 0.20 美元，号称比按量付费层级还便宜 10 倍以上。这两个动作前后不到 5 天，把国内大模型 API 跟海外大模型 API 的价格对比摆到了所有做应用的人面前。

独立开发者做选型的时候，价格从来不是第一个看的指标，但当所有模型的「能跑」水平差不多之后，价格就变成决定用谁的关键变量。DeepSeek V4 Flash 模型目前的定价是未命中输入缓存每百万 token 1 元人民币、命中缓存 0.2 元、输出 2 元。换算下来跟 Muse Spark 的贡献者层级差不太多，但 DeepSeek 已经宣布要涨价，涨完之后这个窗口会消失。开发者必须抢在涨价前做完一轮成本评估，否则切换模型的成本会被重新定价。

实际做应用的人怎么选？三种思路很普遍。第一种是「按场景选主力模型 + 边缘任务用便宜模型」。主力任务用旗舰模型保证质量，边缘任务比如摘要、提取、分类、长上下文过滤这些用便宜模型跑。同一个应用里调用两个模型是很常见的做法，这要求工程上有统一的调用层，能根据任务类型自动路由。第二种是「按月预估用量倒推成本」。如果你的应用每月消耗 5000 万 token，旗舰模型每月可能要多花几千块，便宜模型每月只要几百块。这个差距在个人副业阶段可以忽略，但在 SaaS 化运营阶段就是决定要不要雇第二个人还是继续靠自动化的关键。第三种是「双供应商互备」。同时接两个不同厂商的 API，主力用一个、备胎用一个，避免单一供应商涨价或宕机时被卡死。

Muse Code 这次的「贡献者层级」有一个反常识的设计：开发者必须同意让 Meta 用自己应用里的用户数据来改进底层模型，才能拿到低价。这是用数据换折扣，跟过去 Llama 系列以免费权重换市场份额的逻辑一脉相承，但形式变了。对个人开发者来说，这种条款可以接受，因为他们的应用数据本来就不敏感。但对面向企业的 SaaS 来说，这条款很可能直接卡在合规部门。这就是为什么 Meta 同步开了「零数据保留」选项给企业客户，但要额外付费——这个分层设计其实是在区分两类用户的数据敏感度。

这件事对所有正在做 AI 应用、正在用 AI API 跑应用的人来说，意味着接下来的几个变量会持续变化。首先，API 价格的重定价会变成常态，开发者得把「同一应用不同模型的成本差异」当作日常运营指标来管，而不是一次性决策。其次，「按 token 付费」和「按调用次数付费」会同时存在，开发者要算的不只是单价，还有缓存命中率、平均每次调用的 token 数、错误重试成本。再其次，模型之间的差异在「能不能跑通」层面会越来越小，差异会被推到「能不能跑稳」「跑便宜的代价是什么」「数据怎么用」这些更实际的维度上。谁能在这些维度上给出更清晰的答案，谁就能在下一轮开发者选型里拿到位置。

对所有想用 AI 工具做产品、想用 AI API 跑应用的人来说，这一轮价格信号值得仔细看一遍。模型能力是入场券，价格才是决定你能不能把这个生意持续做下去的东西。

（来源：infoq 2026 年 8 月稿件《DeepSeek 要涨价，小扎立马拼命：Meta 新模型打出更低骨折价，只要一点数据税》）

AI 工具选型指南，上乌鸦部落。

创业找资源，上乌鸦部落。