每任务中位成本 0.07 美元。这个价格放在两年前，连一次像样的多轮工具调用都跑不完。DeepSeek-V4.1-Flash 刚在 Agent Arena 上拿到开源模型第三，净提升 +4.87%，但真正值得盯的不是名次——是它把这根成本曲线往左上角拽了多远。
0.07 美元一单，比"第三名"值钱
先把那道减法做完
Hy4 preview 坐在第二的位置上，成绩只比 V4.1-Flash 高 0.09 个百分点，价格却贵 68%。0.09 个百分点在 Agent 评测里是什么概念？换一组随机种子、多跑一轮，名次就能翻面。这不是险胜，这是统计噪声范围内的并列。
采购的人不傻。一边是每单七美分，另一边要花掉三倍多的钱，而分数差肉眼看不出来——这种选择题不需要开会讨论。
Pareto 前沿不是排名，是一条线
很多人把 Pareto 前沿理解成榜单上的一条分界线，其实它是二维平面里的一根曲线：横轴是成本，纵轴是能力。落在曲线左上方的那几个点，代表当前没人能同时做到更便宜和更强。
V4.1-Flash 干的事情，是把这条曲线整体往左上推了一截。它自己站到了新前沿上，顺手让原本站在前沿上的那几个点，变成了曲线内部的普通点。这个动作的分量，比 +4.87% 重得多。分数提升是单点突破，前沿移动是坐标系换了。
便宜是怎么撑住的
模型定价无非两个来源：架构，或者补贴。补贴撑不过三个季度，烧钱换份额的故事我们已经看过太多遍。能长期停在七美分这个量级，只能来自单位算力的效率——更激进的稀疏激活、更省显存的推理调度、缓存命中率上的工程优化，随便哪一个都不是短期能抄走的。
官方没把细节摊开，市场会替它验证：三个月后价格还在，那就是真的；悄悄涨回去，那就是获客期的促销。
总榜第 12，一个容易被看歪的位置
开源第三和总榜第十二，差在哪
开源榜单上的对手，多是权重可下载、谁都能自己跑一遍的模型。总榜不一样，那里挤着闭源旗舰、带着完整工具链的私有系统，还有一堆工程调优到牙齿的专用方案。
所以第 12 名这个数字，读法应该反过来：它不是"开源模型在总榜里表现不错"，而是"一个开源模型已经混进了闭源主力扎堆的那张桌子"。那排座位原本是按预算排的，现在有人带着十分之一的价格坐进来了。
Confirmed Success 排第 4，这个更硬
+13.75%，第 4 名。这个信号值得单独拎出来。
Agent 任务里最麻烦的情况，是模型自己觉得搞定了。它会信心十足地宣布"文件已保存"，而文件根本没写进去。Confirmed Success 这类指标专门剔除这种自嗨——任务必须被外部验证为真正完成才算数。
在这个口径下排第 4，说明它的成绩不是靠蒙对几道选择题撑起来的。它真能闭环。
Agent 吃的是下限，不是上限
跑一次 demo，看峰值能力就够。跑一万次生产调用，看的是尾部。
每任务中位成本七美分，意味着有一半任务花得更少。中位数比平均数实用得多——平均数会被几个超长任务拉爆，中位数才是账单的日常形态。产品经理关心的从来不是最强能有多强，而是最差的那 5% 会不会把预算一口吃掉。
第二名现在最难受
夹心层的尴尬
Hy4 preview 上面有第一名压着，下面有个只差 0.09 分、便宜 68% 的追兵。绝对能力优势没有，成本优势也没有。涨价找不到理由，降价伤利润，维持现状等于慢慢被替换掉。
榜单上的第二名通常是最舒服的位置，前提是第三名离得够远。这次不远，近到呼吸可闻。
定价权正在从闭源手里滑出去
闭源模型维持高价的底气，一直是"贵但强"这三个字。这个溢价，现在被压到了零点几个百分点。
采购方会开始算一笔很朴素的账：多花三倍的钱，换来 0.09% 的分数提升，值不值？答案取决于任务对错误的容忍度。对绝大多数客服、检索、流程自动化场景来说，答案是"不值"。
这个问题一旦在采购会上被当众问出来，整套价格体系就要重新校准。不是崩盘，是慢慢往下渗。
榜单把成本摆上桌，本身就是压力
Arena 这类第三方评测做了一件有杀伤力的事：把分数和成本并排放在同一个页面里。
过去发模型只讲 benchmark 分数，成本藏在 API 定价页的角落，得自己换算。现在两张表挨着摆，性价比不再是采购部门的内部工作，而是公开信息。以后发模型不带成本数据，读者会默认你在藏东西。
连锁反应才刚开始
便宜到一定程度，产品形态就变了
Agent 产品的设计约束，很多年来都是 token 预算。砍历史、压上下文、限制工具调用轮数、把长任务拆短——这些工程手法存在的理由只有一个：贵。
当单次调用掉到几美分的量级，一些以前想都不敢想的做法就能上桌。同一个任务并行跑五遍取最优解，让模型自己反思两轮再输出，给每个用户配一个长期记忆的后台进程。成本约束一旦松动，产品设计的想象力先松动。
最危险的是中间层
被挤压的既不是头部，也不是尾部。
头部靠绝对能力守住高价值场景，尾部靠免费或极低价守住流量入口。真正难受的是中间那批——比上不足，比下不便宜。开源阵营内部同样如此，如果第二名和第五名只差零点几分，采购方就只看价格标签。
竞争的终局，是谁在某个价格带上变得无可替代。
这个窗口能开多久
领先优势的保质期一向很短，尤其是靠成本结构建立起来的那种。
成本优势没有专利保护。对手要追，只有两条路：改架构，或者烧钱降价。第一条慢，第二条疼，但两条都能走通。唯一的变数是速度——快的话半年，慢的话一年半。
对 V4.1-Flash 来说，真正的任务不是把七美分守住，而是在对手追上来之前，让"便宜"变成别人绕不过去的默认选项。
