[鸭哥 AI 手记] 2026-04-29: V4-Flash 几块钱跑一天，agent 开始变私有

> 鸭哥昨天在群里说自己写文章已经从 Opus 4.6 切到 DeepSeek V4-Flash，Ethan 同时说"跑了很久才几块 RMB"。这件事单看像是又一个降价段子，但和昨天三篇 yage.ai 文章放在一起，能看到一条更隐蔽的暗线：模型供给、工程实践和社交占有这三层，正在同一周里被同时往"私有"那个方向推。

懒人包：DeepSeek 4 月 24 日预览发布的 V4 把 1M context 和 agentic workload 当成显式设计目标，V4-Flash 的官方报价是 $0.14/$0.28 每百万 token，比 Claude Opus 4.6 便宜一个数量级（OpenRouter、fello.ai 价格表）；鸭哥昨天那篇 深入浅出 DeepSeek V4 把 hybrid attention、OPD 这些工程取舍写给非研究员看，重点是 V4 不再追求理论最简，而是公开了一组复杂工程拼装的代价。同一天发布的 AI coding 里真正有复利的东西 给出反向问题：模型成本再低，没有 AGENTS.md、确定性验证、团队标准这些工程资产兜着，反复迭代就会被 Vantage 测出来的"30 倍 retry 账单"吃掉（Vantage）。第三篇 小龙虾的技术负担反而变成了传播资产 是同一件事的社交版：当 agent 第一次能私有化部署，"我的虾"开始替代"我用 Manus"，腾讯云、阿里云的部署教程在 4 月密集上线（腾讯云开发者社区、阿里云开发者社区）。

V4-Flash 把 agentic 推理拉到几块钱一天

群里最先发酵的是价格。Ethan 说"跑了很久才几块 RMB, 这价格.... 等智力再高点, 那还了得"，冯骐补充"在跑本地部署的 deepseek-v4-flash，确实感觉挺好的"。鸭哥更直接："我现在写作已经从 opus 4.6 切到 deepseek-v4-flash。我感觉 pro 依托答辩，flash 反而好不少。"

把这句话翻成账单：DeepSeek 官方报价 V4-Flash 是 $0.14 / $0.28 每百万 token，缓存命中价 $0.0028（fello.ai 整理）；同期 Claude Opus 4.6 是 $5 / $25。Vantage 测了一个 50 轮典型 agent 任务，全程约 100 万输入 token、4 万输出 token，单次会话在 Opus 上跑出约 $6，Composer 2 Standard 同任务约 $0.60，年化差距 10 倍（Vantage）。V4-Flash 的位置介于这两者之间但靠近后者，"几块 RMB 跑一整天"在数字上是成立的。

价格只是 V4 的表层。鸭哥那篇文章反复强调一件事：V4 的 technical report 不漂亮。它在 attention 层做了三段拼装：HCA 提供远处的一张超压缩地图，CSA 提供一个可查询的索引，近处再加一个 128-token 的 sliding window；后训练走 OPD 而非更简单的 mixed RL；optimizer 一半 Muon 一半 AdamW；连 residual 通道都加了 mHC 这种 6.7% overhead 的稳定性补丁（V4 technical report）。彭超在群里转的 《不诱于誉，不恐于诽：从 V4 这 58 页看中西两条路的根本分野》 给出了一个判断：把别处的组件挑出来，在工程层面拼成稳定可服务的系统，本身比单一原创更难复制。

往下挖一层，这件事跟 Karpathy 4 月底那场访谈是同一个判断的两面。Karpathy 在 Sequoia 那段对话 里把 vibe coding 称为"已经过去式的一代"，下一代叫 agentic engineering，开发者的位置从 prompt 输入者变成 supervisor-in-chief（Business Insider）。V4 的设计哲学是这条判断的供给侧落地。当 agent 任务变成主流负载，模型的设计目标就要从"一次问答更聪明"换成"十几轮工具调用还能保持任务状态"。1M context 的用途也跟着变了，重点不在塞下一本书，而在让 agent 在第 40 轮还能看见第 5 轮报错的那个 JSON。

V4 这一面带来的现实压力是：闭源厂商不能再把 agentic 能力当成订阅墙背后的差异化资产。一个 MIT 协议、可在本地部署、价格便宜一个数量级、且把所有工程取舍写在 58 页 report 里的 open-weight 模型已经摆在桌面上。

---

模型成本下降也救不了反向复利

群里第二条主线是马工那句"vibe coding 是走了一条歪路"和 yuetang 转的 《同一个 Bug 修 4 次，token 账单差 30 倍》。这两条放在一起说的是同一件事：当模型单价下降，浪费它的代价也下降，于是浪费总量反而上升。

机制不复杂。Vantage 把这个现象叫 retry loop compound：agent 在第 40 轮遇到测试失败，重试一次就是带着 30,000+ 输入 token 的完整上下文重发一次；连续三次失败的代价不是 3 倍单轮成本，而是 3 倍"已经膨胀过的那一轮"的成本（Vantage）。这就是斯坦福那篇被群转的论文给出的经验数据：同一个 bug 在不同 agent 行为模式下的 token 消耗差距能拉到 30 倍。模型本身没变贵，是上下文沿着错误方向在复利。

谷雨在群里给出的判断更直接："token 烧得多不代表你使用 token 的效率就高。它有时候 token 消耗量大，只是单纯地因为它并没有使用最优路径。" 鸭哥昨天那篇复利文章的角度是反过来的：哪些东西在正向复利？答案是机器可读的上下文（AGENTS.md 这类规则文件）、确定性验证（测试、lint、type check 作为 agent 的导航信号）、把团队标准编码为可执行基础设施（写给 AI 执行的约束，不是写给人看的 style guide），以及问题定义和验收标准。每一项的特点都一样：写一次，未来所有 session 复用。

这条逻辑跟 V4 的工程哲学是同构的。V4 在模型层做的事情是把多个外部组件拼装成稳定系统：OPD 来自 Thinking Machines Lab 的工作，Muon 来自 K. Jordan 等人的 optimizer 研究，Hyper-Connections 来自 Zhu 等人 2025 年的工作；DeepSeek 的贡献是工程整合、是公开 report、是把别人的零件接成长期可服务的系统。鸭哥的复利文章在工程实践层做的是同一件事：单点的 prompt trick 半衰期以模型升级为单位，能复利的是被沉淀进 repo 的上下文、验证和标准。

更扎心的反例在 GitClear 跟踪的 2.11 亿行代码变更里：2020 到 2024 年间，重构和移动代码的比例从 25% 跌到 10% 以下，复制粘贴比例从 8.3% 升到 12.3%（GitClear）。模型生成局部可用代码的能力越强，没有架构判断的团队代码库劣化得越快。Anthropic 自己那项 RCT 也很不留情：使用 AI 的初级工程师在概念理解测验上比手写组低 17%（Anthropic）。工具本身没问题，是用法决定了能力在被加速积累还是在透支。

所以"模型成本下降"对正负方向都加了倍。对建立了上下文供给和验证基础设施的团队，便宜模型让正向复利跑得更快；对没建的团队，便宜模型让 retry loop、复制粘贴和系统理解流失也复利得更快。

---

"我的虾"：agent 第一次有了归属语法

第三条主线是小龙虾，群里讨论的角度比公开报道更尖锐。鸭哥在群里复述了一位群友的判断："在小龙虾之前，AI Agent 它像是一个公有性质的产品，我能用 Manus 你也能用 Manus，我能用 DeepSeek 你也能用 DeepSeek。小龙虾出现以后，它变成了一个能占有、能训练、能炫耀的东西，这个社交属性一下就全变了。" 鸭哥自己加了一句："这是第一次 agent 私有化，（社交意义上的）个人化。"

鸭哥昨天那篇文章把这件事拆得更细：能干活只是门票，让占有感成立的是部署痕迹。配置 API key、挑模型、设权限、对接飞书或公众号，每一步在产品评价坐标系里都是体验短板，但每一步在社交坐标系里都是通关凭证。技术负担在产品层是负资产，在传播层每多一步就多一份"我跨过了这道门槛"的稀缺信号。

数据上这件事正在成型。CSDN 的 2026 OpenClaw 部署避坑指南 4 月 3 日发布；腾讯云开发者社区 4 月起密集上线一键部署模板，价格压到 24 元/月起；阿里云开发者社区 同期跟进零基础教程；腾讯云另一篇深度拆解 4 月 9 日发布，完整教程 4 月 14 日。一个开源项目在 4 月单月被三家国内主要云厂商的开发者社区做成专题，这个传播密度本身就是社交资产被生产的过程。

把它和 V4-Flash 那条线接起来，会看到私有化的两个前提同时到位。模型层有 V4 这种 open-weight、价格低、agentic-first 的供给，让"自己跑一只 agent"在算账上成立。产品层有 OpenClaw 这种 100% 私有化部署、原生支持多家模型的开源框架，让"自己跑"在工程上成立。Hermes Agent（NousResearch）的口号已经从"拥有一个 assistant"推进到 "the agent that grows with you"，方向更清楚：agent 从平台账号变成会跟用户一起积累的对象。

鸭哥的反向数据点也值得记下：他用多个 subagent 同时调研小龙虾时发现"只有 deepseek 觉得小龙虾是个可穿戴硬件"。这是另一种意义上的提醒。Open-weight 模型有自己的代价，instruction following 和工具调用稳定性还在追赶。Open-weight、价格低、本地部署，这三件事同时成立的甜蜜区窗口期已经在打开，但还没到所有任务都能直接迁移过去。

群里张成补了一句很实在的话："程序员的圈子会比较难感受小龙虾的优点，毕竟大把的 agent 都比小龙虾更强。" 但小龙虾的目标用户在程序员之外。它的核心价值是定时任务和主动推送，把 AI 从"我去问它"换成"它住在我的环境里、按我设定的节奏给我推消息"。这是另一种层面的"我的"：占有感的炫耀之外，更底下是关系上的对称转换。

三条线放在一起看：模型供给侧（V4）让私有运行变便宜，工程实践侧（复利文章）让私有运行有积累价值，社交占有侧（小龙虾）让私有运行变成可炫耀的身份。三件事在同一周里几乎同时发生。

---

也值得知道

Anthropic 估值 9000 亿美元谈判：CNBC 和 Reuters 4 月 29 日同时披露 Anthropic 正在洽谈新一轮融资，估值可能超过 9000 亿美元，已超过 OpenAI 3 月那轮 8520 亿的估值，并可能为最早 10 月的 IPO 铺路。年化收入据报已达 300 亿美元（CNBC、Reuters）。

Google 接走 Anthropic 拒绝的 Pentagon 合同：4 月 28 日，Google 宣布扩大对 Pentagon 的 AI 接入，承接 Anthropic 此前以安全护栏理由拒绝的部分需求；OpenAI 同期推动其模型进入联邦、州和地方政府机构（TechCrunch）。

OpenAI 更新企业宪章：4 月 28 日，OpenAI 修订了运营六年的原始 charter，把 "we will / we commit" 这类承诺式语言换成更柔性的措辞，去掉了"主要受托责任是对人类"的表述，被解读为对 Anthropic 竞争和 AGI 商业化压力的回应（Business Insider）。

---

本期素材来自 AI Builder Space 社群讨论与公开 AI 行业信息的交叉验证。

本文由AI综合领域调研和微信群聊自动生成。请注意甄别幻觉。

订阅本 newsletter：yage-ai.kit.com