大模型的“免費午餐”，終究還是到了要算賬的時刻。

4月8日凌晨，DeepSeek在客戶端與網(wǎng)頁版悄然上線了“快速模式（Fast）”與“專家模式（Expert）”兩個入口，同時小范圍灰度測試“視覺模式”。在許多圍觀者看來，這或許是為即將發(fā)布的新一代V4模型做預熱。

如果將視線拉寬，看看幾天前剛剛在年化收入上反超OpenAI的Anthropic，也出人意料地宣布封殺第三方自動化工具，你就會發(fā)現(xiàn)事情遠沒有“發(fā)新模型”那么簡單。

當“Token消耗量”曾被各大廠視為KPI瘋狂內(nèi)卷時，巨頭們卻在此時默契地踩下剎車。這絕不僅是產(chǎn)品層面的微調(diào)，而是整個AI行業(yè)正在經(jīng)歷一場極其殘酷的底層邏輯大洗牌。

被“算力饑渴”逼出的物理極限

拋開外界對新模型的狂熱猜測，DeepSeek此次分層設計的核心邏輯非常現(xiàn)實：用算力分流來“保命”。

明確的功能分工背后，是一套“按需調(diào)用”的調(diào)度機制——將日常對話交給低成本路徑處理，僅在處理復雜推理時啟用高算力的專家模式。這種對算力的精打細算，是被逼出來的。

免費模式曾經(jīng)是大模型跑馬圈地的最強引擎，如今卻成了引爆系統(tǒng)危機的加速器。在需求端指數(shù)級膨脹的今天，供給端卻受限于芯片出口管制與高昂的硬件成本，根本無法同步擴容。

據(jù)統(tǒng)計，2026年開年以來，DeepSeek已遭遇至少7次大規(guī)模服務中斷，其中3月29日至30日的全局崩潰更是長達12個小時。在這種常態(tài)化的容量窘境下，分層設計不僅是為了減少無效Token消耗、緩解峰值壓力，更是為后續(xù)不可避免的限流與付費體系鋪設臺階。

不久前OpenAI下線Sora以聚焦核心服務，同樣印證了這個殘酷的現(xiàn)實：需求增速，已經(jīng)遠遠擊穿了基礎設施的物理極限。

從粗放燒錢到工程自律

這種由Token膨脹帶來的算力焦慮，早已在全球頭部AI企業(yè)中蔓延，并促使他們對低效的資源消耗痛下殺手。

4月5日，Anthropic正式宣布其Claude訂閱服務將不再覆蓋包括“龍蝦”在內(nèi)的第三方集成工具。這項決定的背后，是一筆不堪重負的經(jīng)濟賬：原本基于個人正常使用強度設計的200美元訂閱制，在各類自動化代理工具的狂轟濫炸下徹底失效，重度用戶甚至能單月消耗掉價值5000美元的算力資源。

前DeepSeek核心成員、小米AI負責人羅福莉敏銳地指出了這一現(xiàn)象的本質(zhì)，當前全球算力的供給速度，已經(jīng)被Agent創(chuàng)造的Token需求增速遠遠甩在身后。截至今年3月，中國AI大模型日均Token調(diào)用量突破140萬億大關，較2024年初暴漲超千倍。這已經(jīng)不是簡單的供需缺口，而是一個足以拖垮整個生態(tài)的成本“天坑”。

令人側(cè)目的是，盡管Anthropic在4月7日宣布其年化收入（ARR）僅用三個多月就實現(xiàn)了233%的爆發(fā)式增長，達到300億美元并正式反超OpenAI，但這家風頭正勁的公司依然在錙銖必較地算賬。

封殺第三方工具，正是為了讓效率低下的成本真實可見，從而倒逼整個開發(fā)者生態(tài)走向“工程自律”：去認真改進上下文管理、最大化緩存命中率，而不是一味依賴底層算力的無序堆砌。

AI回歸“重資產(chǎn)”商業(yè)本質(zhì)

當算力供需矛盾疊加宏觀層面的制約，整個AI賽道正在經(jīng)歷一場深刻的范式切換。房間里的大象已經(jīng)無法被忽視：除了昂貴的算力芯片，電力危機也在持續(xù)施壓。

當前AI算力耗電占全社會用電量增速的高達46%，遠超整體6.1%的社會用電增長水平，電力彈性的不足已經(jīng)成為大模型發(fā)展不可逾越的硬約束。在這種背景下，漲價與成本轉(zhuǎn)嫁成為心照不宣的行業(yè)共識。

此前阿里云與騰訊云已啟動最高達34%的算力漲價，實質(zhì)上抹平了價格戰(zhàn)時期的優(yōu)惠；而在4月8日，智譜在發(fā)布旗艦開源模型GLM-5.1之際，也再度提價10%。如果說過去兩年行業(yè)的關鍵詞是“規(guī)模”與“速度”，那么如今的絕對核心已經(jīng)變成了“成本”。

行業(yè)開始出現(xiàn)明顯轉(zhuǎn)向：當AI開始賺錢，第一步不是賺得更多，而是少虧一點。無論是像OpenAI那樣激進迭代、用融資換空間，還是如Anthropic一般克制深耕、死磕工程優(yōu)化，所有玩家都必須回答商業(yè)化造血的現(xiàn)實問題。

對于終端用戶而言，這也意味著慷慨的免費時代正在落幕。為了控制成本，企業(yè)會逐步收緊免費額度，模型回復也會變得更克制、更精簡，因為每一個被省下的Token，都是被重新分配的真金白銀。