上一篇文章，我和常驻中国做生意的朋友们聊了聊AI环境方面需要有的准备。这次想具体写一写，我是如何搭建这套”可以自由切换引擎的多AI环境”的。

为什么要搭建多AI环境

原因主要有三个：

1. 作为准备，即使某个特定AI无法使用，也不影响业务继续进行；
2. 优秀的AI和便宜的AI层出不穷，不想被某一家绑死，保留灵活性；
3. 作为在中国做生意的立场，也想把中国的AI用起来。

最主要的理由：搭建一套能纳入中国AI的环境

三个理由中，分量最重的是最后一个。我的业务据点在上海。与其只依赖西方AI，不如提前搭建一套环境，让中国的AI（如DeepSeek等）也能以同样的方式使用。这就是这次搭建环境的出发点。

作为附带的效果，我也可以按每个AI的擅长领域来分配工作。比如Claude虽然不能直接生成图片，但很擅长理解图片、构思整体设计。于是设计部分交给Claude来做，再原样把”照这个思路画出来”的指令交给GPT，这样就形成了分工。让GPT从头开始设计我觉得有点浪费，所以这种分工方式对我来说很实用。

即便加入了付费方案，有时候单次会话的Token也会用尽。把工作分散到多个AI上，也能让消耗更均衡、更有效率。

另外，DeepSeek虽然在8月涨价了，但即便如此依然比其他AI便宜，所以在处理耗时较长的任务时，我依然会用DeepSeek。

设计要点①：设计MD文件的读取方式

搭建这套环境的基础是Markdown（MD）文件。首先要把”启动时就会读取的文件”和”只有在做特定工作时才会读取的文件”清晰地区分设计好。

麻烦的是，不同AI最初读取的文件不一样。Claude会读取CLAUDE.md，但很多其他AI读取的是AGENTS.md。所以我把基本规则都汇总在AGENTS.md里，CLAUDE.md里只放一个指向它的链接。在最上层写好”在这个环境里应该这样运作””请阅读这个文件并遵循其中的规则”这样的指示。把需要读取的文件汇总成一条链接，是设计上的一个要点（不同AI也会有例外）。

设计要点②：按负责领域分别留存记录

我按主题或项目把工作分成不同的”负责人（担当）”，并在各自的MD文件里记录目前的状况、已经决定的事项，以及接下来要做的事。这和软件开发中的版本管理有点类似，目的是让每个负责领域的来龙去脉都可以被追溯。

这和Git（管理源代码变更历史的机制）是两码事。我平时使用的工作文件并没有用Git管理。用Git管理的，是把这套环境整理成可以分享给他人使用的”分发用骨架（Skeleton）”这个工具本身。这两者不要混淆。

备份方面，只要把MD文件和工作文件放在云端（比如OneDrive）就足够了。在多台电脑之间使用时，这个方法也很方便。

设计要点③：区分使用子智能体

不同的AI，有的可以调用子智能体（分担工作的下级AI），有的不能。不能调用的情况下，会出现不同的模式：或者由多个AI互相协作后再返回主体，或者由主体调用轻量模型来执行具体作业。

就我自己而言，如果需要进行大量的轻量调研，会把调研工作交给DeepSeek的V4 Flash或Claude的Sonnet这类轻量模型。至于信息收集的具体指示，则由更高阶、更强大的模型来下达。对收集到的信息进行整理和分配（策划整理），我也经常使用价格相对低廉的模型。具体在哪种场景使用哪个模型，我会根据成本和精度的平衡来决定。

在成本方面，像DeepSeek这样的中国系AI，比Claude和GPT要便宜得多。具体价格会有变动，感兴趣的话可以到官方页面确认（DeepSeek官方价格页面、Anthropic官方文档）。能把耗时较长的处理交给便宜的AI来完成，在实际工作中确实帮了大忙。

作为准备的安全措施

把信息交给多个AI处理，难免有人会担心安全问题。这里也可以搭建这样一套机制：在中间加入一个本地运行的轻量AI（LLM），在信息发送到外部之前，先把公司名称、机密信息等进行编码或匿名化处理，再发送出去。

第一步：直接问AI

读到这里，或许有人会觉得”这对我来说有点难”。但我推荐的第一步其实很简单：直接问AI。

只要告诉AI”听说有人搭建了这样的环境，我也想照着做”，对话就能从这里展开。只要脑子里有”我想做到这样的事”这个大概的想法就足够了。先动手试试看，我认为是最快的捷径。

结语

多AI环境不需要一次性做到完美。先搭建一个负责人，准备好一个MD文件，从这里一点点扩展就足够了。对于在中国做生意的人来说，拥有一套可以把中国AI也纳入其中、灵活切换的环境，本身就是一种准备。

大家平时都在用什么样的AI呢？如果你是常驻中国的商务人士，应该大多在使用总部指定的GPT或Gemini之类的工具，这很正常。但另一方面，也有人会在私下尝试不同的环境。今天想聊聊我个人思考的一个话题——”在中国做生意的人，需要留意的AI环境构建方式”。

被封禁的风险，谁都可能遇到

我认识一位经常使用AI的日本朋友。他会根据网络状况切换不同的接入点来使用，结果有一天账号突然被封禁了。这是今年7月发生的事。

封禁的理由是服务提供方自己的判断。之后他不得不转移到别的服务上，据说整整两天几乎通宵在处理这件事。用惯的环境，某一天突然就用不了了。在中国使用AI，这种可能性最好要放在心里有个数。

数据存放位置，另一个可以参考的先例

这是一家在中国经营的全球企业的例子。设计和网站架构保持全球统一，但唯独会员信息等数据库，在中国境内完全独立搭建。其他国家用的是同一个公共数据库，唯独中国被单独切分出来。这是基于中国数据相关法规而做出的、非常自然的应对方式。

输入到AI服务里的信息，今后是否也会面临类似的处理方式，现在还不好说。虽然不是马上就要发生的事，但这样的先例，以及数据跨境相关的法律确实存在，这是事实。

关于”把数据放在中国是否安全”的担忧

另一方面，考虑使用中国的AI服务时，很多人会担心”输入的数据会不会被挪作他用”。

这种感觉很自然。不过，正如GPT、Gemini等西方AI服务也提供”不将输入内容用作训练数据”的设置一样，中国的AI服务有时也提供类似的选项。这类信息通常可以在使用条款或设置页面中确认，如果在意的话，建议签约前先确认清楚。

作为一种准备，习惯AI的灵活切换

我自己在日常使用中，会同时使用西方AI和中国AI，根据场景切换使用。中国的AI大多只提供引擎部分（AI本身），没有界面（UI），需要通过API按量计费，每次使用都会产生费用。如果你习惯使用Claude Code这类CLI（命令行界面）工具，应该能上手，但如果你平时用的是Claude Cowork或GPT Work这类图形界面产品，可能会不太习惯。最近出现了DeepSeek Harness这种可以通过浏览器操作的模式，一定程度上缓解了这个问题，但它能做的事和操作体验，跟前面提到的应用型产品还是不一样。这个话题或许值得另外展开写一篇。

另外，我自己搭建了一套多AI环境，无论用哪个AI模型都能在同一个环境下使用。企划构思、文案校对这类”陪练”工作交给Claude，设计交给GPT，需要跑子智能体的调研或耗时较长的处理交给DeepSeek。搭建好多AI环境之后，就可以像这样按用途切换，也能应对前面提到的风险。关于多AI环境，我会另写一篇文章详细整理。

平时习惯了这样的环境，即使某一个用不了了，也不至于让业务停摆。尤其是高度依赖AI的驻华商务人士，希望大家能多留意这一点。

结语

总部规定只能用某一种AI，这本身并没有什么不妥。但在中国做生意，难免会遇到环境突然改变的情况。为了在那种时候不至于手忙脚乱，我平时会有意识地多多少少接触一下中国的AI。这样的准备，我觉得很重要。

你好，我是上海KEMBO 总经理 CTO 佐々木。

前面一直在聊AI应用的话题，这次换个角度，聊聊中国社交媒体的运营。日系企业在中国运营社交媒体（如小红书/RED等）时，经常会产生一些误解，这里介绍几个比较常见的。

误解①：粉丝数涨不动＝失败

最常见的落差是”相对于人口基数，粉丝数怎么涨不动”。

小红书和微博、X（Twitter）不同，是一个粉丝数本来就不容易涨的平台。同一个人，在X（Twitter）上有50万粉丝，在小红书上只有5万粉丝，这种情况并不罕见。这属于平台本身的特性，只能这样解释。

通过前期的竞品调研，客户在中国当地的负责人通常都能理解这一点。但一旦把报告提交给日本总部，往往会被质疑”怎么完全没涨啊”，明明已经理解了的当地负责人反而陷入被动——这种情况经常发生。小红书的粉丝增长逻辑，和其他社交平台的前提完全不同。这一点，我想提前分享给大家。

误解②：”每月发◯篇”未必是正确答案

另一个常见的误解，是把社交媒体运营简单理解为”每月要发多少篇”这样一刀切的KPI。

如果是全球性大牌美妆品牌的官方账号，比较适合的方式是：认真制作的视频和高质量内容，配合新品信息等不定期发布，不被”每月几篇”这种硬性指标束缚。

而客单价相对较低的快消品，比如饮料、食品，则可以展开更自由、更容易尝试的内容，比如由员工介绍吃法之类。

不同品牌、不同产品，最适合的运营方式也不一样。所以我并不认为”固定每月发几次”就是正确答案。

误解③：用了达人（KOL/KOC）就一定能涨粉

“只要用达人合作，账号就会涨”也是一个常见的误区。有成功的案例，也有没涨起来的案例。

日本企业和中国企业在广告预算规模上的差距非常大。以起用KOC（Key Opinion Consumer，相对小规模的达人）为例，日本企业可能会想”找5位就够了”，而中国企业的思路则是”找100位”。

如果以100人的规模来起用，在这段时间内，就可以让关注特定关键词或相关内容的用户，在自己的时间线上反复看到这些达人的内容，这也能起到SEO（搜索优化）的作用。而如果只用5位，虽然对这5位达人自己的粉丝来说，曝光可能比平时更多，算是一种成功，但对官方账号粉丝增长和整体成果的贡献却不明显。也就是说，目的达成了，但数字上未必看得出来。

误解④：看错了该看的指标

评估效果时应该看哪些指标，也会因产品而异。

如果目标用户是喜欢美的事物、有审美偏好的人群，”收藏”的数量和比例就很重要。相反，那些看一眼觉得”不错”就结束的轻量内容，虽然不太会被收藏，但往往能获得较多的”点赞”。不能一概而论地只看粉丝数或点赞数，而要根据产品特性去选择该看的指标。

也有一些情况，日本的内容可以直接搬到中国

前面讲的都是”照搬日本的感觉在中国行不通”，但其实反过来，也有一些情况可以直接把日本做的内容拿到中国来用。而且我觉得这个门槛其实并不高。

有的客户实际上就是采用了这种全托管的运营方式：日本那边发什么，中国这边同步跟着发。日本制作的内容质量往往比较高，这种模式容易实现双赢，对我们来说也能降低运营成本。

比较适合这种方式的，是那些浅显易懂、文字量少的内容。比如把产品拍得很清楚的照片，或者不那么局限于日本本土语境的信息，这类内容和专门为中国市场制作的内容差异不大。只需替换文字就能发布的漫画类内容，从这个角度看也比较容易直接使用。

结语

中国人口众多，小红书的用户数也远超日本的总人口。但这并不意味着粉丝数会因此等比例增长。倒不如说，更接近于核心粉丝在关注你的感觉。

我觉得日本的Instagram其实也是同样的道理。大家会看朋友发的动态，但企业官方账号，除非是铁杆粉丝，一般不会特地去关注，想买什么的时候再自己搜索——这样的人应该不少。

没有一种放之四海而皆准的”制胜模式”适用于所有产品和品牌。根据产品调整运营方式，这就是我对中国社交媒体运营的真实感受。

“只要用AI，公司内部应该也能自己做”——最近，抱有这种想法的经营者和管理者应该不少。事实上，文本生成、图片生成这类工具，现在谁都能接触到。但即便这么想，实际会不会有人真的动手去做，我觉得完全是另一回事。今天想就这个原因，谈谈我自己的一些思考。

明明可以做到，却没人去做

那些原本就没有社交媒体运营专人的企业，即便AI出现之后，专人依然没有出现。管理层觉得”用AI应该能做到”，但实际去做的人却不存在——我感觉这就是现状。

原因我认为有以下几点。

1. 很多人对AI的使用，还停留在”聊天提问、获得答案”这个程度。真正深入到图片生成、AI智能体这一层面的人很少，加上成本负担，也不容易感受到使用的必要性。
2. 并非设计师或文案出身的人，即便让AI生成文章或图片，也很难判断输出质量的好坏。没有能判断好坏的人，内部自主运营就很难推进。

用好AI的关键，在于”明确定义规格”

我自己在使用AI的过程中感受到，用好AI的诀窍，就是”把规格明确定义出来”。这和编程里”测试先行（Test First）”的思路很接近。规格越明确，判定合格与否的标准（测试）也就能同步建立。反过来，如果需求一直很模糊，就很难把AI用好。

比如图片生成，与其用语言去描述色调和风格，不如直接给一张参考图，这样反而是更准确的”规格”。文字方面，则可以先定好”这样不行””这样可以”的判定标准。这种”先定好合格标准”的思路，我认为正是能否用好AI的分水岭。

现在的AI，一次可以接收相当于10本书体量的指示。虽然真要传递这么大量的指示很困难，但这说明，使用方式必须和”一次聊天里随口交代”完全不同。我认为，缺少能够把规格梳理清楚并正确传递给AI的人，才是AI用不好的最主要原因。

如何”培养”AI

那么，应该从哪里开始呢？不用想得太复杂，先用口头或聊天的方式给AI下达指示，让它先做一版草稿，从这里开始就可以了。

对于它的输出，如果觉得不对，就去纠正。感觉到偏差，就把偏差之处指出来。接下来，让AI复述一遍被纠正的内容，确认理解是否一致。如果理解正确，就把这条正确的规则写进MD文件，之后每次工作都参照这份文件。

把发现的问题、想要修改的地方记录下来，让AI记住它们。建议先从这一步开始。复杂的指示有时会出现漏改或漏测的情况，如果能事先定义好”根据指示的复杂程度，最多测试3次”之类的动作规则，会更加稳定。同时也要注意，别让Token消耗过多。

KEMBO的定位

我们一直以来，也包括社交媒体运营、制作业务、运营业务在内，为客户提供各种协助。但KEMBO这家公司存在的意义，并不在于这些业务本身。我们认为，用数字方面的知识、经验和技术能力，去帮助在中国市场挑战、拓展业务的企业实现成长与成功，才是我们的角色。

正因为过去这些企业内部没有能做社交媒体运营的体系，我们才以代运营的形式提供协助。如果有企业希望”借助AI来推进业务改善”，我们非常愿意成为大家商量的对象。

结语

AI变得可用，和真正有人能把它用好，是两回事。明确定义规格、提前设定合格标准——只要意识到这一点，与AI打交道的方式就会随之改变。

之前的文章里，我写过用AI智能体之后，自己的工作方式发生了怎样的变化。这次想换个角度，聊聊在与多家日系企业打交道的过程中，我所看到的AI导入之前的一些情况。

中国据点，往往没有信息系统部门

“没有信息系统部门”这个说法或许有点夸张，但日系企业在中国的据点，很多确实是不足10人的规模，常驻员工只有1〜2人的情况也不少见。虽然因行业而异，但从总部的角度看，”中国只是一个据点”，规模还没有大到需要设置专门信息系统部门的程度。

一旦IT方面遇到问题，就得向日本总部确认。但总部对中国的网络环境往往了解不深。中日两国的网络环境差异很大，双方经常聊不到一起去，问题问了之后就搁置不前，这种情况我也听说过不少。

另一方面，也有企业是在使用的电脑和工具上与总部约定一定规则，其余的”中国的事情，请中国这边自己判断”。能被总部放权固然值得感激，但当地又缺乏IT人才，结果反而在实际操作中很吃力。

在AI导入这件事上，这种距离感尤其明显

在导入AI的场景中，这种距离感体现得特别明显。”公司有法人合同，请用Gemini”——这样的情况我经常听说。并不是完全不能用，而是除了指定工具之外，其他一律禁止。如果只是用来聊天提问，倒也不成问题，但一旦想更进一步，把AI当作智能体，逐步培养一个专属的工作数据库，这种工具限制就会成为一堵墙。

如果有信息系统部门，这类判断本应可以在当地灵活决定。但要求一个不足10人的据点做到这一点，我觉得现实中确实很难。

如果拥有裁量权，反而是机会

要在中国使用Gemini、GPT等总部指定的海外AI，需要用VPN。像之前文章里提到的，个人自行开通VPN，或者公司没有正式签约就一直用下去，都是有风险的。

另一方面，正因为没有信息系统部门，如果一家企业把”中国的事情由中国自己判断”这份裁量权交给了当地，那么就像之前文章里写的那样，导入中国产AI并投入实际业务使用，这个选项就变得现实可行。

一直以来，在中国用不了Google、YouTube、X，在业务上其实还没到致命的程度。但AI不一样。它能大幅提升业务效率，从推动工作方式改革的角度看，意义也很大。

对于哪怕只有一部分裁量权被下放到当地的企业来说，这其实是一次机会。在中国的AI环境、工作环境，要由自己的团队亲手打造成什么样子——不妨试着用这样的视角看看这件事。

结语

写给常驻中国的各位负责人：不一定要是业务咨询的形式。如果在没有信息系统部门的情况下遇到了什么困扰，欢迎写在评论区。我们也提供中国本地环境搭建、AI导入方面的支持，感兴趣的话请随时联系。

在与企业交流的过程中，我经常听到这样的情况：总部说”我们公司用Gemini””可以用GPT”，员工只能使用总部指定的工具。

但实际上，很多企业还停留在”当场提问、当场获得答案”的聊天式使用阶段，真正用到AI智能体（AI Agent）的企业还不多。

也许有人会想：”智能体不就是能自动帮你写邮件的东西吗？”确实可以做到这一点，但我认为它真正的价值并不在这里。

对话式AI和AI智能体，区别在哪里

在我看来，对话式AI是每次都以全新会话来回答问题的工具。而AI智能体即使开启新的会话，也能继承之前的经过，从上次的状态继续工作。

它可以把自己的知识、项目信息、工作方式都以文本形式积累下来。甚至可以把具体的操作指示都存进一个庞大的数据库里，这样就不用每次都重新说明一遍。

比如PowerPoint，可以事先定义好制作方法和格式；Word也一样。邮件的话，连措辞和写法都可以提前设定好。

如果只看”帮忙写邮件”这一项功能，有人可能会觉得没那么必要。但如果有一个理解你工作背景和规则的”负责人”，并且这份理解还能延续到下一项工作中——我认为这才是真正的价值所在。

制作资料所花的时间大幅减少

在我的工作中，过去把大量时间都花在制定战略、撰写企划书和提案书上。往往在和客户的第一次会议中，提案的框架在脑子里已经基本成形了。但把它整理成资料，却只能靠自己一个人完成。

一份较长的资料，光是制作就可能要花上4个小时左右。如果是分量较重的提案，反复评审和修改，完成为止甚至需要一周左右的时间。

现在，只要把脑子里的构思和所需数据交给AI，它就能结合过往信息和制作规则，帮我整理成资料。有的一小时左右就能完成，有的十分钟左右就能成形。凭我自己的感受，包括收集素材和修改在内，工作效率大约提升了3倍。

更重要的是，那种被不需要动脑筋的制作作业占用大量时间的压力，几乎消失了。

人类专注于”接下来该怎么做”

我交给AI智能体的工作包括：记录管理、定期的信息收集、资料制作与审阅，以及关于”接下来应该做什么”的建议。

比如，把员工提交的月度报告交给负责该项目的智能体，它就能发现合计计算错误，或者上个月的数字残留未更新等问题。像”只有数据汇报，却没有分析这意味着什么、接下来该怎么办”这样的不足，它也会指出来。

而我则专注于思考”接下来要做什么””真正想要实现的是什么”。人类了解客户的具体情况和现场的常识，基于这份理解来决定方向，再向AI下达指示。我觉得这样的分工很适合我。

用语音输入，把脑子里的想法直接传递出去

另一个很大的变化，是使用Typeless进行语音输入。

有些背景信息和想法太长，用键盘打字根本来不及，但用说的方式，短时间内就能传达出来。对我来说，与其把想法压缩成简短的指令句，不如把前提条件、甚至自己还在犹豫的地方都说出来，这样AI反而更能理解真正的意图。

要用好AI，比起写出一句漂亮的指令，更重要的是打造一个能够让你把手头信息充分传递出去的环境。

第一步：先培养一个”负责人”

一开始并不需要搭建一套庞大的体系。

先针对自己负责的业务或某一个项目，在AI那边培养出一个”负责人”。把项目的背景、目的，以及希望它做什么告诉它。第一步，这样就足够了。

随着持续使用，数据会不断积累，自己的习惯、哪些做得好、哪些做得不好，也都会逐渐反映到记录里。等到不再需要每次都重新说明的时候，你就会真切感受到AI智能体和普通聊天工具的不同。

不要先入为主地认为”智能体是写代码的人才会用的东西”，先试着把一项工作交给它看看。如果你是用电脑工作的人，应该总能在某个场景中感受到它的便利。

之前的文章里提到过”想另外深入聊聊”的中国AI智能体环境话题，这次就来写。这次只聚焦”如何便宜地用起来”这一点。

DeepSeek Harness，最低2美元、10元人民币就能用

DeepSeek Harness是DeepSeek官方推出的开源智能体工具。可以在浏览器中进行对话，还能访问本地文件夹。安装Node.js之后，只需在命令行输入以下一条命令即可完成部署。

npx @deepseek-ai/dsh web

这样浏览器就会自动打开，通过 http://127.0.0.1:3080 即可使用DeepSeek Harness。

归根结底，这背后用的就是DeepSeek的API。和Claude、GPT那种月费订阅不同，它是先充值、再按实际使用量扣费的按量付费（预付费）模式，最低充值金额是2美元，或者10元人民币。哪怕只是想随便试试看，这个金额也足够立刻开始。

到底便宜到什么程度

我之前专门把DeepSeek的API价格和几个主流模型做过一次横向对比。那是2026年7月的数据，每百万Token的价格（输入／输出）如下：

• DeepSeek V4 Flash：0.14美元／0.28美元
• DeepSeek V4 Pro：0.435美元／0.87美元
• GPT-4o：2.50美元／10.00美元
• Qwen 3.7 Max：2.50美元／7.50美元
• Claude（标准档位）：3.00美元／15.00美元

DeepSeek V4 Flash的0.14美元，大约是Claude的二十分之一、GPT-4o的十八分之一。当时，Qwen、Kimi K3等其他中国厂商的价格，已经逐渐收敛到和欧美厂商差不多的水平，相比之下DeepSeek的便宜程度，即便在中国厂商中也很突出。

涨价，确实来了

当时我也写到，”DeepSeek自己已经明确表示今后会涨价”。眼下这种极低的价格，应该是为了抢占市场份额而采取的战略性定价。

果然，2026年8月16日，DeepSeek大幅调整了API价格。高峰时段（北京时间9〜12点、14〜18点）的输出Token价格，V4 Pro从0.87美元涨到3.96美元，V4 Flash从0.28美元涨到1.32美元，涨幅约为4.5倍。非高峰时段的价格是高峰价格的一半，虽然比之前贵了，但依然比Claude便宜。

正如之前预告的那样，涨价确实来了——这是我最直观的感受。如果是”因为便宜”才一直在用，这种价格上的变动，我认为最好提前纳入预期。

即便如此，我依然在用DeepSeek的原因

虽然涨价了，但我现在的工作中依然在用DeepSeek。具体的配置是：负责统筹调度的交互用”DeepSeek V4 Pro”，负责调研、写作等重活的子智能体则用更轻量的”DeepSeek V4 Flash Vision Exp”。

之前，我也用Claude搭过类似的架构，用Opus做统筹、Sonnet做子智能体。但当时很快就触到了Token上限，甚至没法做出准确的对比。换成DeepSeek的架构，即使反复跑很多次高负载任务也没问题。凭直观感受，大概比用Claude便宜3倍左右。

还有一点，通过API使用的预付费按量计费模式，也不用担心用超，这一点让人比较安心。月费订阅容易让人产生”不用到上限就亏了”的心理负担，而按量计费只按实际用量扣费，可以更轻松地去尝试。

按量计费，能便宜到什么时候

结论上说，这个问题有两个层面。

充值进去的”钱”本身，不太容易失效。我查看了DeepSeek的官方服务条款，里面没有关于充值余额有效期的记载。未消费的部分，扣除一定手续费后，也可以申请退款。充2美元或10元进去，即便暂时不用，这笔钱本身基本不用担心会凭空消失。

但另一方面，构成”便宜”这个前提的Token单价本身，并不能说一定不会变。实际上8月就出现了大幅涨价。只要避开高峰时段使用，单价还是能压低不少，但”会一直保持这么便宜”，这一点并没有定论，这是比较客观的说法。

结语

只要有2美元或10元人民币，就能立刻开始用DeepSeek Harness。作为想轻松试一试的人的入门方式，门槛也很低。不过，按量计费并不代表可以高枕无忧地一直便宜下去，单价本身是会变的，了解这一点之后再用会比较好。即便如此，比Claude便宜大约3倍这种直观感受，在涨价之后的今天依然没有变化。有兴趣的朋友，不妨先从小额开始试试看。

这是今天刚收到的消息。DeepSeek发布了”V4.1 Flash”。新价格已从北京时间2026年9月10日12点起正式生效。同时，V4 Pro将于9月14日12点停用，此后请求将统一路由至V4.1 Flash。

“快速版””专家版””识图”三合一，架构也全面革新

此前DeepSeek一直分为三个版本：常规模式的”快速版（Flash）”、精度更高的”专家版（Pro）”，以及能识别图片的”识图版”（V4-Flash-Vision-Exp，即Vision Exp）。V4.1 Flash把这三者整合成了一个模型。

更大的变化在于多模态处理方式本身的改变。以往的Vision Exp，是在纯文本模型基础上后期加装视觉能力的”扩展包”方式。而V4.1 Flash则从架构层面进行了革新，从一开始就把文本、图像、语音输入一体化处理，采用”原生支持”的方式。模型会自动判断问题的复杂程度以及是否包含图片，并按需启动视觉能力或高阶处理，无需再手动切换模式。上下文长度为100万Token，参数量未公开。

许可协议变了。权重不再公开

这是这次最让我在意的一点。此前的V4系列（Flash、Pro、Vision Exp）都采用MIT许可协议，权重均在Hugging Face上公开。也就是说，可以下载下来放到自己的服务器上运行，也就是所谓的自建部署（self-host）。

V4.1 Flash目前还没有公开这个权重，是一个只存在于DeepSeek官方API上的版本。

这在实际业务中会产生不小的影响。对于有数据出境限制的组织来说，以前即便用不了官方API，也还有把权重下载下来自建服务器，或者使用第三方推理服务这样的退路。而V4.1 Flash，至少在这次的内部测试期间，这条退路实际上被堵死了。

这个方针今后是否会一直持续，还是会有一定时间差后在Hugging Face上公开，目前刚发布还不清楚。不过，”开放权重”原本是DeepSeek的一个特色，这次的动作看起来是朝相反方向迈出了一步，这一点我会持续关注。

价格：相比8月涨价后，反而是降价了

把每百万Token的价格，按闲时、高峰时段列一下（按1美元≈6.7元人民币换算）：

和8月涨价之后的价格（V4 Flash单独计算）相比，V4.1 Flash在所有项目上都降价了。不过还没有回到涨价前（输出¥2）的水平，目前仍是当时的2倍。即便如此，相比Claude、GPT里最便宜的档位，依然属于较低价位。

从输出价格来看，是V4 Pro的三分之一，官方称同时连接数是Pro的5倍，看起来DeepSeek是想验证能否做到”以Flash的价格，用到接近Pro的能力”。

来源

• DeepSeek V4.1 Flash：DeepSeek官方邮件（2026年9月10日收到）
• DeepSeek V4 Pro（8月调整）：techtimes.com
• Claude各模型：Claude官方文档
• GPT各模型：OpenAI官方文档
• 架构与许可协议：BigGo Finance

结语

我之前在DeepSeek这边，一直是用Pro做统筹调度、Flash做具体执行者。这次听说Flash的性能已经超过了Pro，所以Pro被停用了。以后统一用Flash一个模型就够，价格还是Flash的价格，脑子却是Pro的水平，对我来说是个相当好的消息。

我本来就是通过API使用的，所以现成的环境可以直接接着用。作为一个生活在中国的商务人士，今后我也会继续关注中国的AI动态。

随着本次体制调整，中原将以集团代表兼上海董事长的身份，专注于集团整体战略与统筹管理；上海现地法人之经营执行，将由佐々木全面负责。

近年来，本公司在以日本、中国及亚洲为核心的全球化布局过程中，持续加强技术领域以及面向企业的WEB开发与数字营销业务。

本次体制强化，旨在着眼于未来的持续增长与收益基础的稳固，通过明确经营责任与加快决策效率，进一步提升企业竞争力。

今后，我们也将继续秉持“KODAWARI”的理念，提供更高附加价值的服务，为客户的业务成长持续贡献力量。

敬请各位一如既往给予支持与关照。

2026年2月2日
KEMBO Group

面向中国市场拓展的企业提供数字营销服务的上海贤房信息技术有限公司（总部：中国上海，董事长：中原贤一，以下简称“KEMBO”）的控股公司KENWISE CORPORATION LIMITED（总部：香港观塘区，代表董事：中原贤一，以下简称“KENWISE”），特此宣布已通过第三方定向增发方式，向株式会社コマースOneホールディングス（总部：东京都千代田区，代表董事：冈本高彰，证券代码：4496）发行并配售新股（以下简称“本次第三方定向增资”）。

关于KEMBO
上海贤房信息技术有限公司主要在中国为日资企业提供数字营销服务，目前已发展为在东京、上海、香港开展业务的全球化数字营销公司（以下简称“KEMBO集团”）。
基于丰富的海外及中国市场经验，助力客户拓展全球业务，并提供面向海外发展的定制化数字营销解决方案。

融资目的
Commerce One Holdings以“通过技术最大化发挥人的能力的商业平台”为使命，为电商企业提供从业务启动到运营所需的一站式解决方案，是一家为电商企业提供业务基础设施的企业集团。

通过本次合作，KEMBO集团与コマースOneホールディングス将共同推进面向中国及其他海外市场的跨境电商服务的开发与提供。
未来，双方将持续开发并提供跨境电商及海外拓展相关的数字营销服务，进一步助力日本企业拓展海外市场。

公司概要

■ 株式会社Commerce One Holdings

■ KENWISE CORPORATION LIMITED

■ KEMBO CO.,LTD. （上海賢房信息技術有限公司）

■ 株式会社KEMBO JAPAN

点击下载新闻稿PDF