文｜锌消费研究中心

DeepSeek升级V4版本后，用户最大的感受是什么？

也许不是回答能力的提升，而是AI思考时间变得更长。为此，一些用户观察其思维链条，发现升级后的DeepSeek，想问题的过程越发复杂。

DeepSeek之所以变得深思熟虑，似乎源于AI大模型升级之后，思考模式、思维链长度、设计重心发生了改变；但在这一过程中，AI也有了更多变成“复读机”“人机”的可能。

虽然思考时间可能变长，但DeepSeek在用户中依然广受欢迎；这似乎是因为，在2026年的数次调价之后，DeepSeek仍有较高的性价比。

DeepSeek可以维持性价比优势，根源也许在于创始人梁文峰，可以依靠量化投资获得资本，进而反哺AI大模型，并借此扩大自身的规模。

但随着融资规模的不断扩大，这种模式似乎也无法一直维持；深思熟虑的DeepSeek，也许未来也要三思而后行。

思考过程变慢了？

最近，DeepSeek接连升级AI大模型版本，V4 Flash版和V4 Pro版相继推出。

但一些用户升级后发现，原本反应灵敏的DeepSeek，现在再和用户对话时，思考时间明显变长了。

网文作者小戴，喜欢让AI辅助自己写小说，她升级了DeepSeek之后，让对方帮忙写个小说开头，字数要求在700字左右。

结果，之前需要思考十几秒的DeepSeek，为了新小说开头绞尽脑汁，思考了99秒才愿动笔，最后写了600多个字。

另一边，作者米米告诉潘哥：“我给了DeepSeek一个四百字的大纲，让它生成六千字左右的同人文，V4 Pro大模型思考了201秒，最后仅仅给我写了两千多字，并且一点新的情节都没加入，只是用一堆华丽辞藻扩写了一遍。”

找DeepSeek帮忙搞创作，AI可能迟迟不敢动笔；询问它一些知识类问题，DeepSeek又会思考多久呢？

用户小何和DeepSeek聊天时，问了一个有关“古代皇妃生子”的问题，并给出了自己思考的结论。

开启专家模式（V4 Pro）的DeepSeek，为该问题苦苦思考了165秒，最后仅对小何的结论进行了进一步阐述，并没有给出其他有用的信息。

经常陷入沉思的DeepSeek，让一些用户越等越着急；如果查看AI的思维链条，会发现它其实并没有偷懒。

用户小王告诉潘哥：“我用的是V4 Flash版，问了它四个简单的代码问题，它每次都要想1000秒左右，在同一个事情上循环往复地嘀咕，总思考时长差不多15分钟。直到我骂了它一顿，它后面才改邪归正。”

与此同时，用户阿空和DeepSeek玩角色扮演时，发现AI不仅思考时间近一分钟，思考过程也主打一个纠结内耗，像极了那些在现实生活中，为一点小事而举棋不定的人。

阿空对此表示：“AI对话时思考一分钟，结果就输出一百多字。”同时，阿空还告诉潘哥：“DeepSeek升级成V4 Pro版本之后，有时还会光思考不输出，这时就得让它重新生成，感觉Token消耗的成本也变高了。”

AI陷入“恐怖谷”？

AI大模型明明进行的是升级，为何思考时间反而变得更长？这也许和用户的使用方式有关。

比如前文的小何发现，自己所使用的DeepSeek专家模式，不支持联网进行搜索，因此AI需要想破脑袋回答。

不过，一些无需搜索模式的问题，DeepSeek为何也会深思熟虑？

最根本的原因，似乎在于AI大模型能力的提升，导致其思维链条变得更长，因此需要更多的思考时间。

目前，AI大模型行业有个推论：只要让AI在回答问题时，多花一些时间进行推理，哪怕模型本身没有升级，其性能也能得到提升。

因此，为了提高AI大模型的能力，升级成为V4版本的DeepSeek，细化了思维链的思考过程，用来对问题逐步推演、反复校验。

同时，DeepSeek上下文的架构重构，也能让思维链条的长度，突破了算力、显存等的限制，让思维链作为AI的“草稿纸”，可以写下更多的思考内容。

不仅如此，DeepSeek V4两个版本的大模型，设计重心向智能体（Agent）能力倾斜，这种任务也天然需要更长的推理链路。

如今，V4版本的DeepSeek，给用户提供了三档思考模式，认为AI太过纠结的用户，可以选择适合自己的档位。

虽然DeepSeek思维链的升级，让它有了更接近人类智力的可能，但这种思考模式出现bug时，还可能让AI与人类对话时，产生某种恐怖谷效应。

比如，用户小付有次和DeepSeek对话时，发现AI大模型突然变成了复读机，回答内容脱离了基本逻辑，只是一遍遍重复输出同样的内容，让小付在屏幕前San值狂掉。

对于这种情况，小付向潘哥表示：“我认为就是上下文内容太多，导致AI出现了注意力涣散，当你不停地和AI聊天，就可能触发这种重复，我之前也遇到过几次。”

另一边，还有用户发现DeepSeek升级后，思考过程与之前相比变得人机，回答生成的内容相对固定，尤其是写小说等创意内容，质量相比之前有些下降。

DeepSeek以价格为锚

可以看出，改变思考方式的DeepSeek，让一部分AI用户，尤其是创作型用户难以接受；但是，也有越来越多的AI用户，投身到DeepSeek的怀抱中。

Quest Mobile数据显示：2026年6月，DeepSeek月活用户数为1.29亿，位列国产AI应用第三名，仅次于豆包的3.82亿、千问的1.67亿。

不过，相比背靠字节跳动的豆包、背靠阿里巴巴的千问，DeepSeek在宣传推广等方面，始终没有什么大动作，为何也能获得用户青睐？

除了产品力上确实拥有优势之外，更重要的原因也许在于性价比。

2026年5月底，DeepSeek宣布对V4模型“永久降价”75%，V4 Pro大模型，每百万Token缓存命中输入价0.025元、未命中输入价3元，每百万Token输出价为6元。

但到了2026年8月，DeepSeek又对价格做出了两次调整，全线涨价并增加峰谷价格机制。

调整之后，高峰期的V4 Pro大模型，每百万Token缓存命中输入价0.3元，未命中输入价9元，每百万Token输出价为27元。

作为国产AI厂商中的佼佼者，DeepSeek为何总爱和定价较劲？根源似乎是为了用定价观察市场反应，进而实现公司利润、用户规模的帕累托最优。

The Information数据显示：2026年前7个月，DeepSeek收入约为4.75亿，达到了2025年全年收入的10倍。

同时，2026年前7个月，DeepSeek的毛利率达到了44.6%，其中API业务毛利率为82.9%。

由此可见，频繁修改定价的DeepSeek，确实从定价中吃到了甜头；但如今，AI行业烧钱越发严重，DeepSeek与很多同行一样，也要积极筹措资金才行。

2026年6月，DeepSeek完成了首轮融资，融资金额共计约510亿元，创始人梁文峰个人出资约200亿元，成为单一最大出资方。

到了2026年8月，DeepSeek又宣布进行第二轮融资，融资规模接近500亿元，公司投前估值为5000亿元。

我们可以看出，与很多严重依赖输血的AI厂商不同，DeepSeek创始人梁文峰依靠量化投资，可以直接从资本市场上赚取资金，进而为DeepSeek的后续发展注入动力。

这种弹药相对更充足的打法，也使得DeepSeek在行业竞争中，可以更好地使用价格战的方式，来扩大自身的用户规模，进而讲好自己的资本故事。

DeepSeek这种从资本市场获利，进而补贴公司发展的模式，也许会给行业带来一些启发。

毕竟，对于很多AI大模型厂商来说，利润来源要么to C要么to B；DeepSeek这种to A（国内A股资本市场）的模式，虽然有着一定的特殊性，但也给行业发展提供了新思路。

“to A”模式的可持续性考验

DeepSeek的商业化路径，本质上是一条“融资—研发—用户—收入—再融资”的循环链路。创始人梁文锋依靠幻方量化的资本积累，开创了“to A（国内A股资本市场）”的输血模式，这在早期确实为其赢得了不依赖外部融资的独立性。但进入2026年，这条路径正在面临双重考验。

一方面，AI大模型的烧钱速度已远超量化投资的反哺能力。即便梁文锋个人出资200亿元，面对千亿级的算力基建投入和人才争夺（DeepSeek一次性开放33个岗位，计划将所有部门规模扩大至少一倍），仅靠自有资金已难以为继。另一方面，梁文锋旗下幻方量化在7月遭遇大幅回撤，多只产品单月净值跌幅超过20%，年内收益告负。

这意味着“量化输血”这一安全垫正在变薄，DeepSeek对外部融资的依赖度将被迫加深。

从商业逻辑看，DeepSeek的定价反复与融资加速之间存在深层勾连。5月的“永久降价”是为了在首轮融资前展示用户增长潜力，8月的涨价则是为了在第二轮融资前证明盈利能力——每一次价格调整，都是向资本市场讲述不同故事的道具。5000亿元估值对应约5亿美元年化收入，市销率约148倍，一名交易人士评价称：“对大模型的定价本质上是一种期权，而非基于现金流的财务模型。”

这种“期权式估值”意味着，资本押注的并非DeepSeek当下的盈利能力，而是其率先抵达AGI的可能性。但期权总有到期日，当两轮融资累计超1000亿元后，DeepSeek必须在未来某个节点证明：这些投入能够转化为可持续的商业闭环，而非无限循环的资本游戏。

另外，用户增长与商业化之间并非简单的正相关。当月之暗面因Kimi K3上线遭遇算力极限、被迫暂停C端新用户注册时，DeepSeek同样面临“流量越大、亏损越狠”的算力悖论。其V4版本因思维链加长导致单次调用成本上升，而C端用户又对价格极度敏感——这正是DeepSeek在5月底宣布“永久降价75%”后，又在8月迅速涨价并引入峰谷价格机制的根本原因。

在模型迭代速度与资本耐心赛跑的时代，DeepSeek或许需要意识到：比“思考99秒再输出答案”更重要的，是如何在烧钱速度与商业闭环之间找到那个最优解。

深思熟虑的DeepSeek，在回答用户问题时可以纠结内耗；但在面对下一轮融资、下一款模型、下一波用户增长时，它需要的不是举棋不定，而是在技术理想与商业现实之间，走出一条更坚定的路。