DeepSeek V4 Flash排行第一卻實測失手，同時大幅漲價

榜單第一名不等於能用。DeepSeek V4 Flash上線後衝上OpenRouter使用量冠軍，開發者喊它「total monster」，但Composio用八套agent框架（Claude Code、Codex、OpenCode等）跑30個涉及Gmail、GitHub、Slack、Google Sheets的真實多步驟任務，240次運行只過129次，完成率53.8%，30個工作流裡只有6個在所有框架下都成功。同一個模型，換個框架、換個工具配置，結果差一大截——這說明決定企業能不能用起來的，是orchestration，不是模型本身多聰明。

更打臉的是價格。DeepSeek同時宣布V4 Flash與Pro漲價，漲幅視模型、token類型、尖離峰時段不同，最高達1100%。Flash離峰每百萬輸入token 22美分、輸出66美分，尖峰翻倍到44美分和1.32美元；Pro離峰66美分起、尖峰最高3.96美元。連快取命中的價格都漲了52%到1100%。分析師Sanchit vir Gogia說得直白：這不是單純漲價，是把推論的「時間點」變成一個經濟變數——能等的工作（批次評估、合成資料、夜間跑批）擠進便宜時段，即時互動的agent躲不掉。值得注意的是，新結構讓DeepSeek自己的本土市場（尖峰對應中國白天）反而付最貴的價錢。

漲價會不會傷了DeepSeek靠低價圈粉的立身之本？分析師Carmi Levy說乍看像「自殺式操作」，但DeepSeek對比OpenAI、Anthropic、Google這些對手，價格優勢依然巨大，只是算盤要打得更緊。真正的問題不在漲價本身，在DeepSeek連基本的企業採用證據都還拿不出來——Gogia指出，Flash的API還在公測階段，沒有已具名的企業客戶、沒有落地案例可查。DeepSeek自己的文件甚至寫明，某個熱門agent環境下，V4的內建設定不足以穩定運作、需要額外相容性調整——等於官方自己承認：benchmark分數高，不代表上生產線就能用。

這才是這篇報導真正的重點：企業現在該問的不是「哪個模型分數最高」，而是「哪個模型+框架+服務商的組合，能用最低成本把活安全做完」。Meta工程師Naman Ahuja用DeepSeek V4 Flash做居家自動化agent測試後得出同一個結論——一旦模型能真的採取行動，可靠性、驗證、權限控管、失敗重試，重要性不輸模型聰不聰明。一個聊天回錯了，頂多尷尬；一個agent在企業系統裡執行錯了動作，是真金白銀的代價。DeepSeek這次漲價，等於逼所有人從「便宜的中國模型」這個舊敘事裡走出來，認真回答一個更硬的問題：這模型到底能不能扛得住真實世界的工作流。