API聚合平台OpenRouter最新一周（10月19日至25日）的数据显示，DeepSeek V4.1-Flash-1017以33.6万亿Token的周调用量位居全球第一，环比增长801％。同期中国模型包揽调用量前五，周总调用量达93.54万亿Token，连续26周高于美国的22.47万亿Token。这一数据反映的是开放聚合网关上的开发者调用分布，而非全球大模型推理市场的全貌。
从版本结构看，V4.1-Flash-1017于10月17日发布，同一周上一代V4.1 Flash的调用量从更高水位降至18万亿Token，环比下滑45％。老版本用户几乎全部迁移至新版本，叠加部分新增开发者，共同放大了环比增幅。一个模型在发布后一周内完成如此规模的新旧交替，说明其用户基本盘活跃且对价格与性能变化高度敏感，迁移成本较低，切换决策接近即时。
需要指出的是，OpenRouter统计的是经由该聚合网关中转的流量，厂商自有API、Azure与Bedrock上的企业级部署、私有化推理以及面向消费者的应用均不在此列。因此33.6万亿Token所证明的是DeepSeek在该开放平台上成为开发者调用意愿最高的模型，而非全球AI市场格局的定论。
调用量集中的原因更多指向推理经济性而非参数规模。V4.1-Flash总参数为552B，但Prefill阶段每个Token仅激活8B，Decode阶段激活16B，单次推理实际动用的计算资源被压缩至较低水平。架构上，40层语言主干被拆分为20层因果编码器与20层Decoder，Prompt在前半段完成编码后，后半段所需的全局KV直接从编码器末端投影获得，无需全部历史Token反复穿过整个网络。官方报告称Prefill计算量接近减半。
KV Cache的处理是另一关键设计。Agent工作流的特征是读取远多于写入，每次工具调用都会注入新的网页、代码与终端输出，上下文快速膨胀。DeepSeek将KV Cache从单机内存中抽出，放入独立的3FS分布式存储集群，缓存容量约100 PiB，Agent流量保留3天，聊天流量保留7天。重复上下文不再反复消耗算力，构成Agent场景下推理成本的结构性改善。
定价层面，V4.1-Flash-1017在性能提升的同时维持原价，即每百万输入Token 0.15美元、输出0.60美元，并以MIT协议开源。此前一轮调整中，DeepSeek全系列API的缓存命中价格被压至原价的十分之一，V4-Flash缓存命中输入价格降至0.02元/百万Token。有测算显示，Anthropic头部模型完成同类Agent任务的成本约为其28倍。对于客服分类、文档打标签、代码补全、Agent工具调用等对绝对智能上限敏感度较低、对单次调用成本敏感度较高的工作流，这一价格结构具备直接吸引力。
10月20日，DeepSeek开源内部推理框架DeepInfer，兼容英伟达与华为昇腾两大算力平台。此前企业即使获得模型权重，也难以以官方同等效率完成部署，推理引擎、并行策略、缓存管理与调度逻辑等工程能力构成实际门槛。DeepInfer将这些能力公开后，企业可在自有集群上部署接近官方水准的推理服务，中小企业无需从零搭建优化体系。开源权重降低采用门槛、开源框架降低部署门槛、部署规模扩大反哺模型迭代与成本优化，形成闭环。
但调用量并不等同于商业质量。同一平台上按任务花费金额排序，高价值分类任务头部仍由Claude Opus 5.5、GPT-5.6 Sol与Gemini 3.1 Pro占据，DeepSeek V4.1 Flash是唯一进入分类任务花费前列的中国模型。高复杂度、高风险工作流的企业用户仍愿为最强模型支付溢价，DeepSeek获取的是体量最大但单位价值相对较低的调用层。有分析指出其实际混合毛利率低于软件行业常规水平，团队规模与头部闭源实验室之间的差距也难以通过单次排名填平。部分阶段API价格已出现回调节奏，规模之上的单位经济模型成为下一阶段的关键变量。
此外，围绕底层架构原创程度的讨论并未因周榜第一而结束，算力约束同样构成现实变量：向国产芯片迁移的单卡性价比可以测算，但万卡规模的通信稳定性与下一代模型的预训练效率，将直接影响其后续排名。地缘层面的压力亦在收紧。对DeepSeek而言，调用量是护城河的一部分，但护城河本身不产生利润，如何在规模优势与单位经济模型之间取得平衡，是比周榜排名更值得关注的命题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
