【大模型降价背后的“暴力美学”：为什么参数越多反而越便宜？】DeepSeek V4 Flash 拥有 238B 的总参数量，但在推理成本上却比 35B 的 Qwen 3.6 还要便宜 5 倍。这种看似违背直觉的现象引发了技术圈的广泛讨论。核心原因在于，传统的“参数量决定成本”逻辑正在失效，取而代之的是由 KV Cache 优化、稀疏注意力机制以及超大规模集群带来的吞吐量红利。虽然 DeepSeek 总量大，但其 MoE 架构在推理时激活的参数极小，且针对长文本推理做了深度的工程减负。算力成本的本质不是模型物理体积有多大，而是单位硬件在单位时间内能吐出多少 Token。DeepSeek 走的是“以工程换空间”的路径，通过极端的显存优化，让庞然大物在推理时只占用极少的计算资源。更关键的是市场规模效应：当全行业都在调用 DeepSeek 时，服务商会针对性地堆叠 B200 等顶级集群并跑满 Batch Size，通过极高的并发量摊薄单次推理的固定成本。相反，一些缺乏大规模调度的中小型模型，因为没法在基座层面跑出规模经济，反而成了昂贵的奢侈品。在 AI 领域，好用且用的人多，本身就是降价的硬道理。 x.com/jpschroeder/status/2073412230918344835