升级后的DeepSeek，为何总爱深思熟虑？

DeepSeek 升级 V4 版本后，用户最直观的感受并非回答能力的质变，而是 AI 思考时间的显著拉长。观察其思维链条可见，升级后的模型在推演过程中变得愈发复杂。

这种“深思熟虑”源于大模型在思考模式、思维链长度及设计重心上的调整，但也增加了 AI 陷入“复读机”或过度拟人化内耗的风险。尽管如此，凭借 2026 年数次调价后仍具备的高性价比，DeepSeek 在用户中依旧广受欢迎。

DeepSeek 能维持价格优势，根源在于创始人梁文锋通过量化投资获取资本，进而反哺大模型研发以扩大规模。然而，随着融资规模扩张，单纯依靠输血的模式难以为继，深思熟虑的 DeepSeek 未来需在商业与技术间更加审慎地权衡。

思考过程显著变慢

近期，DeepSeek 相继推出 V4 Flash 版和 V4 Pro 版。部分用户反馈，升级后的模型在对话时反应时间明显延长。

网文作者小戴在使用 V4 版本辅助创作时发现，以往仅需十几秒思考的 AI，为生成一个 700 字的小说开头，竟耗时 99 秒，最终输出仅 600 余字。另一位作者米米表示，让 V4 Pro 基于 400 字大纲生成 6000 字同人文，模型思考了 201 秒，却仅产出 2000 多字，且未增加新情节，仅是辞藻堆砌。

在知识类问答中，延迟同样明显。用户小何询问“古代皇妃生子”相关问题，开启专家模式（V4 Pro）的 DeepSeek 苦思 165 秒，最终仅对其结论做了进一步阐述，未提供额外有效信息。

频繁的深度思考让用户倍感焦急。查看思维链发现，AI 并非偷懒，而是在循环往复地推演。用户小王反映，使用 V4 Flash 版询问四个简单代码问题，每次思考约 1000 秒，总时长近 15 分钟，直至干预后才恢复正常。此外，在角色扮演场景中，AI 不仅思考耗时近一分钟，过程也显得纠结内耗，如同人类在面对琐事时的举棋不定。

用户阿空指出，AI 思考一分钟仅输出百余字，且 V4 Pro 版本偶发“只思考不输出”的情况，导致需重新生成，间接推高了 Token 消耗成本。

AI 陷入“恐怖谷”效应

为何模型升级反而导致思考时间变长？除部分专家模式不支持联网搜索外，核心原因在于大模型能力提升带来的思维链延长。

行业推论认为，增加推理时间可提升模型性能。为此，DeepSeek V4 细化了思维链，对问题进行逐步推演与反复校验。同时，上下文架构重构突破了算力与显存限制，使思维链成为更广阔的“草稿纸”。加之 V4 版本向智能体（Agent）能力倾斜，天然需要更长的推理链路。目前，DeepSeek 已提供三档思考模式供用户选择。

然而，思维链的升级在逼近人类智力的同时，也可能引发“恐怖谷”效应。例如，当出现 Bug 时，AI 可能退化为“复读机”，脱离逻辑重复输出，严重干扰用户体验。

用户小付分析，这可能是上下文过长导致注意力涣散所致。另有用户发现，升级后的 DeepSeek 在创意写作中表现趋于固定，内容质量较此前有所下降，呈现出明显的“人机感”。

DeepSeek 以价格为锚的战略博弈

尽管思考方式的改变令部分创作型用户不适，但 DeepSeek 的用户规模仍在持续增长。Quest Mobile 数据显示，2026 年 6 月 DeepSeek 月活用户达 1.29 亿，位居国产 AI 应用第三，仅次于豆包和千问。

在缺乏大规模推广的情况下，DeepSeek 的竞争优势主要源于高性价比。2026 年 5 月底，DeepSeek 宣布 V4 模型“永久降价”75%；然而到了 8 月，又全线涨价并引入峰谷价格机制。高峰期 V4 Pro 模型的输入与输出价格大幅上调。

定价的反复波动使得创始人梁文锋的用户口碑随之起伏。频繁调整价格的背后，是 DeepSeek 试图通过定价策略观察市场反应，以实现利润与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 4.75 亿元，达到 2025 年全年的 10 倍，毛利率达 44.6%，其中 API 业务毛利率高达 82.9%。频繁的定价调整确实带来了收益，但在 AI 行业烧钱加剧的背景下，资金筹措依然关键。

2026 年 6 月，DeepSeek 完成首轮融资约 510 亿元，梁文锋个人出资约 200 亿元成为最大出资方；8 月又启动第二轮融资，规模近 500 亿元，投前估值达 5000 亿元。与其他依赖外部输血的厂商不同，梁文锋凭借幻方量化的资本积累，构建了独特的"to A"（依托国内 A 股资本市场获利反哺）模式。这种充足的弹药储备，使 DeepSeek 能在竞争中灵活运用价格战扩大规模，讲述资本故事，也为行业提供了新的商业化思路。

"to A"模式的可持续性考验

DeepSeek 的商业路径本质是“融资—研发—用户—收入—再融资”的循环。梁文锋利用幻方量化的资本积累开创了不依赖外部融资的独立发展模式，但进入 2026 年，该路径面临双重考验。

一方面，AI 大模型的烧钱速度已超越量化投资的反哺能力。面对千亿级算力基建投入及人才扩张计划，仅靠自有资金难以为继。另一方面，幻方量化在 7 月遭遇大幅回撤，多只产品净值跌幅超 20%，年内收益告负，“量化输血”的安全垫正在变薄，DeepSeek 对外部融资的依赖度被迫加深。

从商业逻辑看，定价反复与融资加速深度绑定：5 月降价旨在展示增长潜力，8 月涨价则为证明盈利能力。当前 5000 亿元估值对应约 5 亿美元年化收入，市销率高达 148 倍。有交易人士评价：“对大模型的定价本质上是一种期权，押注的是其抵达 AGI 的可能性，而非当下的现金流。”

然而，期权总有到期日。累计超 1000 亿元的融资后，DeepSeek 必须证明投入能转化为可持续的商业闭环。此外，用户增长与商业化并非简单正相关。面对“流量越大、亏损越狠”的算力悖论，以及 C 端用户对价格的极度敏感，DeepSeek 在 V4 版本因思维链加长导致成本上升的背景下，不得不迅速调整价格策略。

在模型迭代速度与资本耐心的赛跑中，DeepSeek 需意识到：比“思考 99 秒再输出”更重要的，是在烧钱速度与商业闭环之间找到最优解。面对下一轮融资与技术迭代，DeepSeek 需要的不再是举棋不定，而是在技术理想与商业现实间走出一条更坚定的道路。