峰时涨价12倍却斩获17万Star：DeepSeek“一边涨价一边开源”的算盘到底怎么打的？
AI飞行客 峰时涨价12倍却斩获17万Star：DeepSeek“一边涨价一边开源”的算盘到底怎么打的？
前几天，DeepSeek 正式开启了新一轮调价。
消息一出，社区一度炸锅：V4-Pro-0813 在白天工作高峰时段（9:00-12:00、14:00-18:00）的 API 价格直接暴涨到原先的 12 倍。网友们在社交平台上纷纷调侃：“这下不是梁圣，是结下梁子了。”
但戏剧性的是，就在涨价公告发出短短两个多小时后，DeepSeek 反手将智能体工作台 DeepSeek Harness（DSH） 全盘开源。不到一周，GitHub Star 狂飙突破 17 万，评论区的风向瞬间又逆转回了“梁圣”。
一边是高峰期价格暴涨 12 倍，一边是完全不设防的顶级框架真开源——甚至不少人质疑“这价格还不如去买 ChatGPT 订阅用 Codex”。
DeepSeek 到底在下一盘什么棋？梁文锋的真实阳谋究竟是什么？
账单硬算：DSH + V4-Pro，真的不如 Codex 划算吗？
很多人一看到“涨价 12 倍”就觉得被背刺了，但如果坐下来把真实的 Token 账单与使用模型逐项拆解，就会发现事情远没有那么简单。
1. 分时计价的本质是算力削峰填谷： DeepSeek 从 2025 年初就开始玩分时优惠（夜间打五折甚至 2.5 折）。这次所谓的“涨价”，其实是将无差别的算力补贴，变成了“引导高负载批处理任务走向夜间闲时”的精细化运营。即使在白天峰时，V4-Pro 的价格依然只有 OpenAI GPT-5.6 Sol 的六分之一。 2. 轻度用户 vs 重度订阅的盈亏临界点： 很多人拿 20 美元/月的 ChatGPT 订阅与 V4-Pro 按量计费对比。按实际 Token 消耗测算：在 70% 缓存命中率下，你一个月必须在终端里消耗超过 4000 万到 8000 万输入 Token，20 美元的订阅制才比 V4-Pro 划算。对于绝大多数不是天天泡在终端里写代码的轻度开发者而言，按量付费的 V4-Pro 依然便宜得多。 3. 命令行任务与代码重构的跑分真相： 在 Terminal-Bench（命令行工具调用与排错）评测中，V4-Pro 表现极其抢眼，甚至超越了 GPT-5.6 Luna 和 Terra，紧咬 Sol；只有在超长周期的整库修改上，GPT-5.6 旗舰才略占上风。这意味着在日常 90% 的终端 Agent 任务中，V4-Pro 的工程生产力完全处于第一梯队。
17万 Star 的真正底牌：连机器人的“内部结构”都允许你改
如果仅仅是为了多卖点 API Token，DSH 绝不可能在短短几天内拿下 17 万 Star。
DSH 真正打动全球极客的地方，在于它把 Agent 的控制权毫无保留地交还给了开发者。
市面上绝大多数商业 Agent（如 Codex、Cursor）就像一台出厂封死的整机：你可以给它换几个提示词说明，挂载几个 MCP 工具，但底层的调度逻辑、执行流程和状态机是密不透风的黑盒。
而 DSH 是把连同“机器人内部骨架”在内的一切全部拆成了插件： – 微内核可逆调度：基于 Cordis 微内核，每一个对上下文的修改都有显式的逆函数，插件可以热插拔、热回滚而无需重启进程，会话与缓存完全不丢； – 模型中立与多代理收编：它不仅不绑定自家的 DeepSeek 模型，反而原生支持把 OpenAI Codex、Anthropic Claude Code 作为子代理（Subagent）装进自己的流水线当打工人； – 创造模式的动态进化：在开启创造模式后，Agent 甚至能在运行时检查自身插件树，临时写出新的 TypeScript 工具并动态挂载，用完再自动销毁。
用一个形象的比喻：Codex 像是苹果的 iOS，省心但封闭；而 DSH 则是 Agent 时代的“安卓”，自由、可改装、可深度掌控。
Kate 的观点与判断
看懂了 DeepSeek 这一波连环组合拳，我有三个犀利的行业洞察：
1. “以开源为入口，以运营为护城河”是开源 AI 的终局打法。很多人把开源 Harness 嘲讽为“买手机送话费”。但事实上，从开放 R1 权重、开放通信算力库，再到开放 Agent 工作台，DeepSeek 正在把整个技术栈从底层模型一路开源到最终用户入口。把基础设施做成公共底座，靠规模化推理的极致工程效率赚钱，这比任何闭源小院高墙都要体面且强大。 2. 企业级 Agent 的选型标准已经变了。模型智力固然重要，但企业更在意的是“可控性与可审计性”。一个连调度主循环、权限拦截和日志存储都完全开源透明的框架，才是企业进行私有化部署和定制化业务编排的唯一合规选择。 3. 别做被价格牵着鼻子走的被动消费者。聪明的工程师早已学会了用 DSH 编排自己的混血工作流：夜间闲时跑大批量的自动化批处理，白天峰时把脏活分发给本地模型或便宜端点，关键决策才调用旗舰模型。
大模型的战争，上半场拼的是谁的模型跑分高，下半场拼的是谁的系统架构更开放、谁的算力分配更智慧。
开源不等于免费，但开放永远代表着未来。