DeepSeek V4 Pro发布，价格不到Fable的2% | 撞车Grok 4.6 | Qwen3.8开放权重 | MOE | 长上下文 | 开源大模型 | 梁文锋 | 马斯克 | API定价
三句話摘要
三家頂流大模型同時發力，DeepSeek V4 Pro、Grok 4.6、Qwen3.8竞速，拉低前沿AI的价格天花板。 當高性能模型的成本從以美元計，降低到美分甚至零頭時，屬於所有人的 AI 應用大爆發可能才剛開始。 性能逼近且成本摧毀：V4 Pro 在 10 項智能體測試中平均僅落後 Fable 5 共 2.8%，部分超越，但價格不到 Fable 5 的 2%，直接打碎了「高性能必然高成本」的假設。
重點整理
重點- 1
性能逼近且成本摧毀：V4 Pro 在 10 項智能體測試中平均僅落後 Fable 5 共 2.8%，部分超越，但價格不到 Fable 5 的 2%，直接打碎了「高性能必然高成本」的假設。
- 2
架構創新帶來邊際成本革命：V4 Pro 採用壓縮稀疏注意力和重度壓縮注意力，將單 token 計算量降至 V3.2 的 27%，KV 快取降至 10%，使 100 萬 token 上下文的成本可控。
- 3
模型正在優先為代碼讓位：V4 Pro 的思維鏈呈現「山頂洞人語」風格（極度省略非關鍵詞彙），雖然減少 token 消耗但寫作能力受影響，反映出 Agent 狂飆時代下能力配置的新優先級。
- 4
長期自主工作成為新戰場：Qwen3.8 實現了連續自主編程 16 天、獨立論文復現、超 2000 輪虛擬經營，三家模型都在強化多步驟閉環工作的智能體能力。
實用技巧與重點
乾貨- DeepSeek V4 Pro
- 參數規模：160 萬億（混合專家），單 token 啟動 490 億參數
- 上下文：100 萬 token，輸出最長 38.4 萬 token
- 價格：輸入 0.435 美元/百萬 token，輸出 0.87 美元/百萬 token，快取命中 0.003625 美元/百萬 token
- 計算效率：單 token 計算量 27%（相對 V3.2），KV 快取 10%（相對 V3.2）
- 基準測試：在 CyberGym 獲 83.3 分（超過 Fable 5 的 83.1 分、Opus 4.8 的 78.3 分）；AutomationBench 31.8 分；Terminal-Bench 2.1 達 87.9 分；DeepSWE 62.7 分（相對預覽版 12.8 分的 4.9 倍）
- API：支援普通、高推理、最高推理三種模式，並發限制 Flash 2500、Pro 5000
- 接口：支援 OpenAI 和 Anthropic 格式，工具呼叫、結構化 JSON 輸出
- Grok 4.6
- 價格：6 美元/百萬輸出 token
- 基準測試：綜合智能指數 61 分（Fable 5 為 62 分）；CursorBench 69.9%（超 GPT-5.6 Sol 67.2%）；FrontierCode 61.3%（超 GPT-5.6 Sol 60.6%）；GDPval-AA v2 獲 1753 Elo（超 Fable 5 的 1741）；AA-Briefcase 1577 Elo（超 Fable 5 的 1574）；Harvey LAB 法務任務 15.8%（Fable 5 為 11.3%，GPT-5.6 為 2.5%）
- 實測對比（相同提示詞）：Flappy Bird 遊戲中，V4 Pro 用 2 萬+ token（成本 0.019 美元），Grok 4.6 用約 5000 token（成本 0.03 美元），但 V4 Pro 視覺細節更豐富
- Qwen3.8
- 開源版本：2.4 萬億參數（Qwen3.8-2.4T-A95B），單 token 啟動 950 億參數
- 上下文：原生 262144 token，可擴充至 101 萬 token
- 價格：國內 12 元/百萬輸入 token、36 元/百萬輸出 token、1.5 元/百萬快取命中；海外 2 美元/百萬輸入、6 美元/百萬輸出、0.25 美元/百萬快取
- 推理引擎：SGLang、vLLM、TokenSpeed
- 基準測試：PaperBench 93.0 分（超 Fable 5、GPT-5.6 Sol、Opus 4.8）；OSWorld-Verified 86.1 分；參數化 CAD 91.5 分；TerminalBench 2.1 為 86.6 分（低於 GPT-5.6 Sol 88.8 分）；SWE-bench Pro 67.7 分（低於 Fable 5 80.0 分）；VideoMME v2 68.3 分（低於 GPT-5.6 Sol 71.1 分）
- 自主工作實測：連續自主編程 16 天、獨立復現並改進論文、超 2000 輪互動經營虛擬電商
結論
結論“當高性能模型的成本從以美元計，降低到美分甚至零頭時，屬於所有人的 AI 應用大爆發可能才剛開始。”
完整解析
詳細昨晚三家頂流大模型集體發力，開啟了新一輪「神仙打架」。DeepSeek 正式上線了 V4 Pro，這是一個 160 萬億參數的混合專家架構，擁有百萬 token 的上下文視窗和 38.4 萬 token 的輸出上限。最令人矚目的是其價格策略：每百萬輸入 token 僅需 0.435 美元，輸出 0.87 美元，這個定價體系得以實現的核心在於其架構創新。V4 Pro 採用了壓縮稀疏注意力和重度壓縮注意力兩種機制，將單 token 的計算量壓低至 V3.2 時代的 27%，KV 快取也從原來的大幅削減到 10%。對於處理百萬級 token 的長文本任務而言，這種邊際成本的降低是顛覆性的。
在性能上，V4 Pro 與 Claude Fable 5 進行了正面對標。在 10 項智能體評測中，V4 Pro 平均僅落後 2.8%，部分任務甚至實現超越——在網路安全測試 CyberGym 上以 83.3 分領先 Fable 5 的 83.1 分，在自動化任務測試 AutomationBench 上以 31.8 分遠超對手的 29.1 分。尤其值得注意的是軟體工程智能體 DeepSWE 的表現，從預覽版的 12.8 分飆升至 62.7 分，相當於原來的 4.9 倍，接近 Fable 5 的 70 分水位。API 層面上，V4 Pro 提供三種推理模式（普通、高推理、最高推理），並支援 OpenAI 和 Anthropic 雙格式接口，開發者無需改寫代碼即可遷移。
與此同時，馬斯克發布了 Grok 4.6，這款模型在編碼和知識型任務上展現出強勢競爭力。在 CursorBench 上以 69.9% 超越 GPT-5.6 Sol 的 67.2%，在 FrontierCode 上達成 61.3% 也壓過對手的 60.6%。更戲劇性的是，Grok 4.6 在接近真實職場交付的知識工作評測中實現翻身反殺——GDPval-AA v2 達成 1753 Elo（領先 Fable 5 的 1741），AA-Briefcase 獲得 1577 Elo（超過 Fable 5 的 1574），而在專業法務任務 Harvey LAB 上更是以 15.8% 遠超 Fable 5 的 11.3% 和 GPT-5.6 的 2.5%。有開發者用完全相同的提示詞讓兩款模型從零手搓 Flappy Bird 遊戲，V4 Pro 雖然消耗超過 2 萬 token（成本 0.019 美元），但最終成品在場景層次、角色穿管道動畫等細節上明顯更勝一籌；Grok 4.6 雖然更省 token（僅 5000），但成本反而達到 0.03 美元，顯示出定價模式的差異。
與此同時，阿里千問團隊宣布開放 Qwen3.8-Max 等級的 240 萬億參數權重版本，這是千問首次對外開放旗艦級模型。該版本支援 262144 token 原生上下文，可擴充至 101 萬 token，預設啟用思考模式。在基準測試中，Qwen3.8-Max 在論文復現測試 PaperBench 上達成 93.0 分（超越 Fable 5、GPT-5.6 Sol 和 Opus 4.8），在電腦操作能力評估 OSWorld-Verified 上以 86.1 分位居首位，參數化 CAD 測試達 91.5 分。最值得關注的是其長期自主工作能力——千問團隊讓 Qwen3.8-Max 連續自主編程 16 天，獨立復現並改進研究論文，甚至在虛擬電商企業經營中完成超 2000 輪互動，全程無需人工干預。
三款模型的同時爆發背後有著深層邏輯。首先，它們不約而同地強化了 Agent 自主工作的能力，將焦點從單次對話推理轉向多步驟閉環任務；其次，成本構造發生了根本轉變，V4 Pro 不到 2% 的定價優勢直接摧毀了「前沿性能必然昂貴」的認知。業界觀察人士指出，這兩個幾乎不可能同時出現的詞彙——強大且實惠——第一次真正走到了一起，在網路安全、知識型任務、代碼生成乃至長期自主工作的多個戰場上實現了前沿能力的民主化。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
