DeepSeek V4 發布后遇冷，開發者只聊Codex：便宜不是萬能藥

去年 DeepSeek V3 發布時，整個 AI 圈的氣氛，和今年完全不一樣。

那時候的討論非常熱烈，甚至有點像 ChatGPT 剛火爆全球，社交媒體上到處都是實測、跑分、成本分析，很多海外開發者第一次認真討論一家中國大模型公司。國內和硅谷公司都意識到，原來除了 OpenAI、Anthropic、Google 之外，還有團隊能把模型做到這個水平。

更關鍵的是，它還便宜。DeepSeek 帶來的沖擊不只是技術層面，更低的訓練成本、更激進的工程優化、更高的推理性價比，都讓整個行業重新思考大模型的競爭邏輯，很多人都將其視為真正的「Open AI」。

兩周前，DeepSeek V4 發布，行業當然非常關注，很多開發者第一時間跑測試、做對比，但整個市場的情緒明顯冷靜了很多。過去兩周，對普通用戶來說，該用豆包、ChatGPT 的繼續用，而對開發者群體來說，很多使用 Codex、Claude Code 的人，也并沒有因為 DeepSeek V4 更便宜就替換掉 GPT-5.5 或者 Claude 4.6/4.7。

圖片來源：YouTube

甚至很多開發者現在討論 AI 時，已經不太提 GPT-5.5、Claude 4.6 或 DeepSeek V4 這些模型名字了，更多人張口閉口聊的是 Codex、Claude Code、OpenClaw、OpenCode、Hermes 等 Agent 框架。

事實上在過去一年，AI 行業的競爭重點，已經從模型本身的能力逐漸轉向 AI 實際的產出價值。在這件事上，DeepSeek V4 還缺少一個屬于自己的 Codex。

DeepSeek V4 很好，但大家都不太看模型了

「我在 opencode 上試了同樣的操作，deepseek v4 pro high 模式下速度慢得驚人，同樣的任務在 codex 5.5 med 模式下只需 20 分鐘，而在 v4 pro 上卻要花 2 小時。」X 用戶 Ayush Jaipuriar 最近談到。

圖片來源：X

需要先說明，DeepSeek V4 當然是一個強模型。包括代碼能力、推理能力、長上下文、多輪理解，V4 相比去年 V3 都有明顯提升，尤其是在中文場景、復雜邏輯推理以及長上下文等方面。與此同時，在國內外一眾大模型的漲價潮中，V4 也是少數降價的大模型。

但問題在于，2026 年的大模型行業，各種基準測試的成績越來越不能說明實際工作中 AI 的表現。去年每次新模型發布，社交媒體第一時間討論的還是在 MMLU 上超過誰、在 SWE-Bench 上刷新紀錄、在人類評測里又提升了多少等等。

不是說基準測試完全沒價值，但開發者顯然沒那么在意了。原因并不復雜，大家已經見過太多「測試很強，但實際不好用」的模型，很多 benchmark 更像考試，而真實工作環境遠比考試復雜，實際的干活表現很多時候也比價格優勢更重要。

半導體和 AI 分析機構 SemiAnalysis 最近還做了一次橫向測試，覆蓋 GPT-5.5、Opus 4.7 和 DeepSeek V4，指出 DeepSeek V4 是目前成本最低的頂尖閉源模型替代方案，但其能力尚未達到領先水平。

更何況，Token 成本的計算方式也不合理，更合理的其實是做好一個任務的成本。開發者、前媒體人王博源在 X 上就提到，用次頂級國產模型搞了半天都沒搞定的一個問題，用 Codex 一次就解決了。開發者、墨問西東創始人池建強也遇到 Claude Code 兩次解決不了，Codex 卻能一次搞定。

圖片來源：X

顯而易見的是，實際的模型成本就不能簡單對比「官方 Token 定價」，先不說結果，實際使用的 Token 量就不一致。而且 GPT-5.5 這次很重要的一點升級就是「效率」，能用更少的 Token 完成同樣的任務。

所以即便有一些方法可以在 Claude Code、Codex 上使用如 DeepSeek V4 等第三方模型，考慮到穩定性、效果、時間等因素，絕大部分人都還是采用官方的默認模型，Claude Code 是 Claude 4.x，Codex 是 GPT-5.x。

尤其是在 Coding 場景，開發者真正每天面對的問題，是 AI 到底能不能參與完整的軟件工程流程。比如能不能理解整個項目結構，能不能持續修改十幾個文件，能不能自己調用 terminal，能不能自動修 bug，能不能在報錯后繼續嘗試，能不能長時間保持上下文穩定。

這些東西，考驗的不只是「模型能力」，更需要一套完整的 AI 工作系統。開發者 Vladimir 在使用了 1443 萬 Token 的 DeepSeek V4 后表示，V4 的智能程度接近于 GPT-5.2/GPT-5.3，但最大的問題是經常忽略 agents 文件，實際使用中必須強制執行工具和 Harness 框架。

圖片來源：X

Claude Code、Codex 是真正完整的產品，但 DeepSeek V4 只是模型。SemiAnalysis 在測試報告中還強調：「真正完整的產品是運行框架 + 模型。缺了其中任一個，你就有所欠缺。」

過去一年，OpenClaw（龍蝦）、Claude Code 和 Codex 這類 Agent 框架的存在感越來越強。很多開發者現在已經不會說「我在用 Claude 4.6」，而是直接說「我在用 Claude Code」。同樣，很多人在討論 Codex 而非 GPT-5.5。

DeepSeek 還差一個自己的 Codex

很多人現在回頭看 ChatGPT 剛火的時候，會發現當時整個行業其實都在圍繞「對話」做產品。無論是 OpenAI、Anthropic 還是國內廠商，本質上都是讓模型更像人類聊天，重點是模型更聰明、更自然、更像真人。

但現在 AI 的重點，正在從「聊天」變成「工作」。這個變化看起來好像只是用途的變化，但背后連帶整個行業競爭邏輯也變了。以前模型公司最重要的任務，是把模型訓練得更聰明；現在越來越重要的問題，則是怎么讓 AI 真正完成任務。

這也是為什么最近一年，行業里開始大量出現 Agent、Workflow、Context Engineering、Harness Engineering 這些詞。本質上，它們都在解決同一個問題：怎么讓 AI 真正進入生產流程。

所以現在很多開發者評價 AI Coding 或者 Agent 產品時，模型作為系統「引擎」當然重要，但直接決定 AI 實際價值的關鍵，更在于一套系統工程。比如上下文管理，比如工具調用，比如長期記憶，比如任務拆解，比如錯誤恢復，比如多 Agent 協同。實際工作中，這些能力很多時候甚至比模型本身的優勢更重要。

圖片來源：X

這也是為什么越來越多人開始說，AI Coding 的競爭已經不只是 LLM 競爭，而是 AgentOS 競爭。

反過來看，也能在一定程度上理解 Claude Code、Codex 的成功。一方面是自家模型在能力上的領先，另一方面則是從底層模型到 Agent 框架的垂直整合，在真實工作環境中可以帶來更穩定、高效的表現。尤其是長任務場景下，Claude Code 更像一個能持續自主代理工作的 AI 助手。

而 GPT-5.5 真正重要的地方，也不只是模型更強，還有背后 Codex 工作流越來越成熟。包括文件管理、工具調用、Agent 協同、任務拆解、上下文管理，這些能力的疊加，也讓實際 AI 表現出的能力和價值有了質的變化。

OpenAI 前幾天也官宣表示，GPT-5.5 發布一周的 API 收入增長速度超過以往任何版本的兩倍多，而 Codex 在不到七天內收入翻倍。而且現在來看，這種優勢已經從 AI Coding 溢出到了更多的 Agent 場景上。

關注 Anthropic、OpenAI 的朋友應該都能發現，這段時間兩家公司都在將 Claude Code、Codex 擴展到更多場景下，包括連接更多第三方應用和平臺。

圖片來源：X

不僅如此，Claude Code 更多承接了 Claude Cowork 的辦公定位，最新推出了專為銀行和其他金融服務企業量身定制的 AI Agent，Codex 也在強調更多研究、文書、會計等工作，而不僅限于 Coding。

回頭再看 DeepSeek V4，雖然已經在模型層面追上了行業的前沿變化和領先陣營，但還差一個自己的 Codex。事實上，這種呼聲已經不小了，還有人在 Github 上開源了基于 DeepSeek V4 開發的終端 Coding Agent——DeepSeek TUI，支持 Skill 以及大量 Agent 框架上的常見功能。

但這畢竟還是第三方開發者的作品，對于 DeepSeek V4 的理解很難比擬官方團隊，不太可能充分發揮 V4 的垂直整合優勢。最好的期待是，借由 DeepSeek TUI 的反饋和呼聲，DeepSeek 官方能夠下場打造自己的開源 Agent 框架，自己的 Codex。