文 | 影子备忘录
OpenRouter 最新一周的数据显示。10 月 19 日到 25 日，DeepSeek V4.1-Flash-1017 以33.6 万亿 Token 的周调用量登顶全球第一，环比增长 801%。
中国模型包揽前五，周总调用量 93.54 万亿 Token，连续 26 周压过美国的 22.47 万亿。
但如果你只看到 " 第一 " 两个字，大概率会误判这件事的真实分量。
33.6 万亿 Token 是一个实打实的数字，但它不是 " 技术碾压 " 的结果，它仅仅只是一场 " 账单碾压 " 的阶段性兑现。
更准确地说，这是全球开发者和中小企业在真实工作流里，用每一次 API 调用做的成本决策。理解这一点，比庆祝排名本身重要得多。
谁更会算账？
V4.1-Flash-1017 是 10 月 17 日才发布的版本。同一周，上一代 V4.1 Flash 的调用量从更高水位掉到 18 万亿 Token，环比下滑 45%。
老版本的用户向新版本迁移，新版本接住了几乎全部存量需求，再叠加少量真正的增量开发者。一进一出，环比数字被急剧放大。
版本迁移本身说明：用户对价格和性能的变化极其敏感，迁移成本足够低，切换决策几乎是即时的。
一个模型能在发布后一周内完成如此规模的新旧交替，恰恰证明它的用户基本盘是活跃的、在意的、随时准备 " 用脚投票 " 的。
但同样需要正视的是，OpenRouter 并不是全球大模型调用量的全景图，它统计的是经由这个 API 聚合网关中转的流量。
厂商自有 API、Azure 和 Bedrock 上的企业级部署、私有化推理，以及直接面向消费者的 App 和网页产品，都不在这个池子里。
33.6 万亿 Token 证明的是 " 在这个开放聚合平台上，DeepSeek 是开发者最愿意调用的模型 "，并非 " 全球 AI 市场已经被 DeepSeek 统治 "。
把这两件事分开看，才能继续往下追问：为什么偏偏是它，在这个平台上被如此密集地调用？
答案不在参数表的最上面一行，而在开发者的成本核算表里。
V4.1-Flash 的总参数是 552B，但 Prefill 阶段每个 Token 只激活 8B，Decode 阶段激活 16B。
这意味着它的 " 脑容量 " 接近旗舰级，但每次推理真正动用的计算资源被压到了极低水位。
支撑这个效率的是一套并不常见的架构选择：40 层语言主干被拆成 20 层因果编码器和 20 层 Decoder，Prompt 在前半段完成编码后，后半段需要的全局 KV 直接从编码器末端投影得到，不需要让全部历史 Token 反复穿过整个网络。
官方报告的说法是，Prefill 计算量接近减半。
更关键的是 KV Cache 的处理。Agent 工作流的特点是 " 读得远远多于写 "，每一次工具调用都会灌入新的网页、代码、终端输出，上下文迅速膨胀。
如果每次都要重新计算全部历史，成本会线性甚至指数级上升。
DeepSeek 的做法则是把 KV Cache 从单机内存里抽出来，放进独立的 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。
重复的上下文不再反复烧算力，这是 Agent 场景下推理经济性的结构性改善。
这些技术细节最终指向同一个结论：在 " 够用 " 和 " 可负担 " 之间，DeepSeek 把平衡点推到了一个让大量中小企业无法拒绝的位置。
有测算显示，Anthropic 头部模型完成同类 Agent 任务的成本，大约是它的 28 倍。
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，MIT 协议开源。
更早一轮的定价调整中，DeepSeek 全系列 API 的缓存命中价格被压到原价的十分之一，V4-Flash 的缓存命中输入价格降至 0.02 元 / 百万 Token。
这不是真正形式上的 " 便宜 "，因为它是用架构效率换出来的定价空间。
当大量真实工作流，诸如客服分类、文档打标签、代码补全、Agent 工具调用等，对 " 绝对智能上限 " 的敏感度远低于对 " 每次调用成本 " 的敏感度时，全球开发者用 Token 投票的方向几乎是注定的。
开源的飞轮，比降价本身更难被复制
如果只是便宜，DeepSeek 的登顶可以被理解为一场价格战的短期结果。
但价格战谁都能打，真正让 " 便宜 " 变成结构性优势的，是开源把定价权从厂商手里部分转移到了用户手里。
10 月 20 日，DeepSeek 开源了内部推理框架 DeepInfer，同时兼容英伟达和华为昇腾两大算力平台。
这件事的意义不在于 " 又多了一个开源项目 "。在此之前，即使企业拿到了 V3、R1 的模型权重，也不等于能以官方同等效率跑起来。
推理引擎、并行策略、缓存管理、调度逻辑……这些才是把模型权重转化为低成本服务的 " 暗知识 "。
DeepInfer 把这些暗知识公开了：任何企业都可以在自己的集群上部署接近官方水准的推理服务，中小企业不必从零搭建优化能力，高校团队可以在昇腾上验证自己的设计。
这形成了一个别人很难用一次降价来打断的循环：开源权重降低了采用门槛，开源推理框架降低了部署门槛，部署规模扩大又反过来喂养模型迭代和成本优化。
当中国模型的全球下载量已经占到开源平台的大头，当 V4 的百万 Token 上下文和权重面向全球开发者免费开放，所谓 " 封堵 " 在软件层面的有效性就在持续衰减。
你可以禁止一个机构账户，但你很难禁止一套已经进入全球开发者工具箱的权重和框架。
不过话说回来，我们看待问题，还需要更全面才行。
毕竟 OpenRouter 上 Token 多，不等于利润多。
在同一个平台上，按任务花费金额排序，占据高价值分类任务头部位置的仍然是 Claude Opus 5.5、GPT-5.6 Sol 和 Gemini 3.1 Pro，唯一进入分类任务花费前列的中国模型才是 DeepSeek V4.1 Flash。
高复杂度、高风险、高价值的工作流，企业仍然愿意为 " 最聪明的那一个 " 支付溢价。DeepSeek 拿下的，是真实工作流中体量最大、但单位价值相对较低的那一层。
这决定了它的商业处境并不像调用量排名那样从容。有分析指出，其实际混合毛利率远低于软件行业的正常水位，200 人左右的团队规模和头部闭源实验室数千人、百亿美元级收入之间的差距，也不是一次登顶能够填平的。
API 价格在部分阶段已经出现回调节奏，" 极致低价换规模 " 正在让位于 " 规模之上怎么算单位经济模型 "。
调用量是护城河的一部分，但护城河本身不产生利润。
技术原创性上的质疑同样没有消失。蒸馏的指控反复出现，尽管 DeepSeek 此前的 R1 论文曾以训练数据来源的可验证性做出过回应，但围绕底层架构 " 原创程度 " 的争论不会因为一次周榜第一而终结。
更现实的约束来自算力：向国产芯片迁移是必须走的一步，单卡性价比可以算账，但万卡规模的通信稳定性和下一代模型的预训练效率，才是决定它明年是否还在榜上的硬变量。
地缘层面的压力也在收紧。美国国土安全部已要求联邦文职机构从 IT 系统中移除 DeepSeek 产品及基于其模型开发的第三方服务，限制范围从国防和情报领域扩展到了近乎全部联邦民事机构。
开源可以绕开一部分商业封锁，但绕不开一个国家层面的制度性排斥。
结语
过去一年，OpenRouter 上的中国模型份额从个位数一路推到与海外模型分庭抗礼，全球开发者的 Token 流向发生了方向性变化。
这个变化的驱动力不是某一项 " 碾压性 " 的技术突破，而是一条更朴素、也更难被短期复制的能力链：架构效率带来成本空间，成本空间支撑定价，定价吸引开发者，开源把开发者锁定为生态参与者，生态再反哺迭代。
但这条链的每一环都有它的边界。调用量的领先可以靠性价比赢得，利润的领先要靠不可替代性赢得，技术代际的领先要靠原创性赢得。
DeepSeek 赢下了第一张卷子，不等于三张卷子都答完了。
33.6 万亿 Token 是真实的，全球开发者的选择是理性的，但 " 全球第一 " 的数据之下，真正值得记住的是那个让排名发生的原因：
在一个越来越贵的行业里，有人选择把 " 用得起 " 做成核心竞争力。
这条路能走多远，取决于它能不能在 " 便宜 " 之外，继续给出 " 非它不可 " 的理由。
