这周最大的新闻，不是哪个模型又刷榜了，而是 DeepSeek 宣布 V4-Pro API 永久降价 75%。

缓存命中 0.025 元/百万 Token。我算了一下，按 Claude Code 的典型使用量——96.6% 缓存命中率，30 天 18.7 亿 Token——换到 DeepSeek 的价格，一个月只要 46.8 元。

同一天，DeepSeek 完成了 700 亿融资，估值 450 亿美元。融完钱第一件事不是涨价回血，而是继续降价。

商业逻辑我不展开，我只关心一件事：这对写代码的人来说，到底意味着什么？我该不该用？什么时候用？怎么用？

先说结论：降价不是让你换模型，是让你多一个选择

很多开发者看到降价第一反应是"要不要从 Claude/GPT 切到 DeepSeek"。

我的建议是：别急着换，先想清楚场景。

模型不是越便宜越好，也不是越强越好，而是匹配场景才好。DeepSeek V4-Pro 的特性决定了它在某些场景是最佳选择，在另一些场景你还是会选 Claude 或 GPT。

下面我按实际开发场景拆一下。

场景一：Agent 工作流——DeepSeek 的甜蜜区

如果你在做 AI Agent 开发，DeepSeek V4-Pro 是目前性价比最高的选择。原因有三个：

1. 缓存命中率天然高

Agent 工作流的特点是：系统提示词固定、工具定义固定、上下文反复调用。这意味着缓存命中率极高——DeepSeek 自己的数据显示 Claude Code 的缓存命中率 96.6%，你的 Agent 工作流大概率也在 90% 以上。

缓存命中 0.025 元/百万 Token，未命中 3 元——差了 120 倍。命中率越高，DeepSeek 的价格优势越夸张。

2. 100 万 Token 上下文

Agent 需要维护大量上下文：对话历史、工具调用记录、中间结果。100 万 Token 意味着你几乎不用担心上下文溢出，尤其是多轮 Agent 协调的场景。

3. 大量工具调用的成本可控

一个复杂的 Agent 任务可能涉及几十次甚至上百次 API 调用。如果用 Claude Opus，单次调用可能要几块钱；用 DeepSeek，因为缓存命中的存在，同样的任务可能只要几分钱。

实操建议：

• Agent 的系统提示词和工具定义尽量固定，最大化缓存命中
• 中间结果用结构化格式存储，减少重复上下文
• 搭配 DeepSeek-TUI（2.3 万 Star 的终端工具）可以做本地 Agent 编排

场景二：批量代码处理——成本敏感型任务的最佳选择

什么是"批量代码处理"？代码审查、批量重构、注释生成、测试用例生成、文档翻译……这些任务的特点是：单次不需要最强推理，但量很大。

比如你要给一个 50 个文件的项目批量生成单元测试。每个文件调用一次 API，50 次调用。

• Claude Opus 4.7：50 × 约 3 元 = 150 元
• DeepSeek V4-Pro：50 × 约 0.5 元（缓存命中后更低）= 25 元

6 倍差距，而且代码质量差距不大。

这种"不需要天才级推理，但需要大量重复调用"的场景，DeepSeek 就是最佳选择。

实操建议：

• 把项目结构作为系统提示固定下来，每轮只传差异部分
• 批量任务用脚本自动化，不要手动一个个跑
• 输出格式在系统提示里定义好，减少后处理成本

场景三：长上下文对话——需要看情况

DeepSeek V4-Pro 有 100 万 Token 上下文，这在长文档分析、大项目代码理解上有天然优势。但要注意两点：

1. 上下文长 ≠ 推理强

100 万 Token 意味着你"放得进去"，不代表它"想得明白"。对于需要深度推理的任务（比如复杂 bug 定位、架构设计决策），Claude Opus 的推理能力仍然更强。

2. 价格只在缓存命中时香

如果你每次都在传全新的 50 万 Token 上下文，走的都是"缓存未命中"的 3 元/百万 Token，价格优势就缩水了。

我的建议：

• 长上下文读操作（理解代码、总结文档）→ DeepSeek，性价比高
• 长上下文写操作（复杂重构、架构修改）→ 优先 Claude/GPT，质量更稳

场景四：快速原型验证——DeepSeek 的隐藏优势

很多开发者忽略了一点：价格低到一定程度，会改变你的开发习惯。

以前用 Claude 或 GPT，每次调用我都要犹豫一下——"这个问题值不值得花几毛钱问 AI？"现在用 DeepSeek，成本几乎可以忽略，我会更自由地：

• 让 AI 生成多个方案快速比较
• 大胆尝试各种 prompt 策略
• 用 AI 做快速 POC 验证，不行就扔

这种"试错成本趋近于零"的状态，反而能帮你更快找到正确方向。

那什么时候不该用 DeepSeek？

说完了适合的场景，也说不适合的：

1. 需要顶级推理的任务

SWE-Bench 这类复杂编程基准测试上，Claude Opus 和 GPT-5.5 仍然领先。如果你在做一个需要深度推理的 bug——涉及多模块交互、异步时序、底层系统调用——选最强的模型，别省这个钱。

2. 需要特定生态集成

Cursor、Windsurf、Copilot 这些工具有自己的模型适配优化。如果你重度依赖某个 IDE 的 AI 功能，它的默认模型通常调得最好，换 DeepSeek 可能体验下降。

3. 对输出稳定性要求极高的生产环境

DeepSeek 的输出质量在大部分场景够用，但在边界 case 上，Claude/GPT 的稳定性更好。生产环境的关键路径，建议还是用最稳的。

一张表总结

我的行动清单

降价 75% 不是让你"全切 DeepSeek"，而是让你在合适的场景用合适的模型。我的做法：

1. Agent 和批量任务切到 DeepSeek——这是最直接的降本
2. 复杂推理任务继续用 Claude——质量优先，别省错地方
3. 搭建一个轻量的路由层——根据任务类型自动选择模型，开发者无感切换
4. 关注 DeepSeek-TUI 生态——终端 Agent 工具链正在快速成熟，2.3 万 Star 不是偶然

最后一个判断：DeepSeek 降价 75% 的真正意义，不是"便宜了"，而是让开发者可以更自由地选择用 AI 做什么。当成本不再是限制因素，你会发现很多以前觉得"不值得用 AI"的场景，现在都值得了。

这才是最大的利好。

加加笔记 | 程序员视角的 AI 编程观察