我从 Artificial Intelligence 把截至 8 月 3 日的数据下载了下来，它上面一共有 592 个模型。
价格便宜的模型使用起来不一定便宜
其中有 130 条数据同时具备正的 cost per task 和 intelligence index，能够放进对数坐标系中。为什么用这两个指标？其实很简单：
1. Intelligence Index（智力指数）：
指的是模型的“智商”，也就是它是否能够完成像高考数学题、写代码以及各种智力测试。
2. Cost per Task（单次任务成本）：
我觉得这是一个很妙的指标。它不是指单纯的 API 价格指标。如果只看 API 价格，有些模型因为本身很小，可能只要几 B、几十 B（参数），显得非常便宜；相比之下，几百 B 的大模型在这个指标上就会很吃亏。
但这个指标衡量的是完成一个任务所需要的 Token 量，这就尽可能避免了小模型因为参数量小而占便宜的优势。即使是参数量大的模型，如果你足够厉害，一步就能完成任务，那么你的 Cost per Task 就会非常低。
你看，这是它默认的 27 个模型，从最便宜到最贵。完成一个任务，像 DeepSeek-V4-Pro 是最便宜的，只要 0.05 刀；而对于 Claude Fable 5（也就是目前最贵的模型），它需要 3.15 刀。这里面差的可是六七十倍的差价。
但你如果真的要单纯比较这个 API 的价格，那比它便宜的还真有的是，比如最近疯狂降价、大出名的 GPT 5.6 Luna，它的 API 价格甚至低于 0.01 刀。像那个小米的 MiMo-V2.5，也非常非常便宜。
下面这个图就说明了API 单价便宜，并不等于实际使用成本低。横轴是每百万 token 的 API 标价，纵轴是完成一项实际评测任务的平均成本。像 Ministral 3 这样的模型，单价看起来很低，但由于完成任务时消耗的输入、输出或推理 token 较多，最终成本反而明显高于整体趋势。相比之下，DeepSeek V4 Flash 不仅标价低，Cost per Task 也很低，说明它的优势不只是“卖得便宜”，而是完成任务本身也更省钱。
DeepSeek的斩杀线到底杀掉了谁
按照成本越低越好、分数越高越好的规则计算，这 130 个模型形成了 16 个帕累托最优点。DeepSeek V4 Flash 0731 的 Intelligence Index 是 49.9277，Cost per Task 是 0.0271308 美元，它正好站在前沿上。
GPT-5.6 Luna xhigh 的 Index 是 49.0677，Cost per Task 是 0.0316694 美元。换成 DeepSeek 以后，分数提高了约 0.86，成本还下降了约 14.3%，这就是一次标准的帕累托改善，Luna xhigh 也因此被 DeepSeek 严格支配。
但 GPT-5.6 Luna high 的情况不一样，它的 Index 是 46.0590，Cost per Task 只有 0.0215565 美元，比 DeepSeek 更便宜，只是分数低约 3.87。Luna max 的 Index 达到 51.2359，分数比 DeepSeek 高约 1.31，但任务成本也增加到 0.0473489 美元，约为 DeepSeek 的 1.75 倍，这两个模型都和 DeepSeek 各自保留了一项优势，不能互相支配，所以也都能留在前沿上。
DeepSeek 右下方那片区域，就是网上所说的斩杀区。凡是落进这个区域的模型，成本不低于 DeepSeek，Index 又不高于 DeepSeek，在当前两个指标下都可以被替换。
130 个可绘制点中，除去 DeepSeek 自己，有 91 个点被它支配。不过这里不能写成 91 个现役模型都被淘汰，因为 130 个点里只有 96 个没有被标记为 deprecated，清理掉旧模型和弃用档位以后，DeepSeek 实际支配的现役模型是 64 个。
红色的那部分区域，都是被斩杀的模型。因为你会发现，在帕累托最优点的所属公司寥寥无几，暂时看起来就只有四家：OpenAI、DeepSeek、Groq 以及 Anthropic。
这是很惨的一种现象。
这就跟我们经常看的玄幻小说里面一样：你在地界疯狂修炼，有朝一日终于成为了宗门里面的天才，再加上勤学苦练，终于习得了一身武功。结果准备飞升天界，飞上天之后，发现上面还有一群怪物在等着你。
这些红色点真不是什么默默无名的模型，其实都是有头有脸的公司做出来的，并且消耗了大量的财富才造出来。但就非常的无奈，它正好处在了这个尴尬的区域里面。
这张图里，横轴越往左越便宜，纵轴越往上能力越强，最理想的位置当然是左上角。可现实中的模型不会都挤在那里，能力提高往往需要更多推理和更高成本，于是图上形成了一条从左下向右上的边界，这就是帕累托前沿。
帕累托支配的判断并不复杂。假设模型 A 的成本不高于模型 B，Intelligence Index 又不低于 B，并且至少有一项严格更好，那么 A 就支配 B。既然换成 A 以后能力不会下降，成本也不会增加，B 在这两个指标下就没有继续保留的必要。
从 B 换到 A 的过程叫帕累托改善，也就是至少有一项变好，同时其他项目没有变差。如果一个模型找不到任何这样的替代者，它就是帕累托最优。寻找全部非支配方案和整条边界的过程，通常叫帕累托优化。
帕累托最优并不是综合冠军。前沿上有些模型非常便宜，但分数低一点，有些模型分数更高，同时也要多花很多钱。它们留在前沿上，是因为没有另一个模型能够不付出任何代价，把它们全面替换掉。
但我觉得现在的问题是，看起来 DeepSeek V4 的方案是处于这个 Pareto 最优，但实际上它是在我们目前的 benchmark 上面拿到了 100% 的分数。
我并不觉得现在的 100% 能够真正反映出跟人类齐平的智能，它更多的是一个还是挺主观的判别标准。如果以后到了 200 分是满分的情况下，那么这个 Pareto 最优就会有所改变。
当然，DeepSeek 肯定是非常牛逼的一个存在，但我们还是需要继续努力，去追求更高级、最高的智能，因为智能是没有上限的。同时，我觉得 DeepSeek 的策略目前看起来确实是最优的，那就是用尽可能少的 token，去达到尽可能高质量的智能。