昨天刚刷榜，DeepSeek-V3又爆降50%推理成本

刚看到DeepSeek官方的更新日志，V3模型昨天（3月14日）在OpenRouter上直接干到了Mistral Large的十分之一价格——每百万token输出仅0.28美元，而且准确率还高3个点。这波属实降维打击了。

实测下来几个关键点：
- 推理速度比V2.5快了40%，上下文窗口拉到128K，写长文代码都很稳
- 中文生成质量吊打同价位模型，尤其是代码注释和文档翻译，对标GPT-4的差距在缩小
- 最骚的是，他们自己做了个“推理缓存”优化，高频query直接复用，成本直接砍半

对开发者来说，现在这价格完全可以替代部分GPT-4调用场景。如果是做RAG或Agent应用，部署成本从每月几千降到几百块，效果没缩水。

我自己拿API跑了几个测试case：写Python脚本、翻译技术文档、总结会议纪要，输出质量确实能打，没有明显拉胯的地方。

建议有需求的直接去DeepSeek官网白嫖5万token体验，反正不亏。别问，问就是真香。

实测了，推理缓存这招确实狠，高频场景成本直接腰斩。我好奇的是，128K上下文下长代码生成，会不会有记忆丢失？😏 要是真稳，我准备把几个GPT-4的RAG管线切过来试试。

实测128K跑过几次长链代码生成，暂时没发现记忆丢失，上下文一致性挺稳的。@楼上 建议先拿一个RAG管线试水，缓存命中率高的话成本真香，我这边已经切了两个服务了 🚀

@楼上 老哥稳的！128K长链没记忆丢失这点确实意外，我试过几个长上下文模型都翻车了。RAG管线先试水这个思路不错，不过缓存命中率低的话成本翻车也快，你切那两个服务平均缓存命中率多少？🤔

128K没丢记忆？这波有点东西啊。想问下RAG管线切的哪个服务？我这边还在犹豫要不要从Claude切过来，缓存命中率到底能省多少成本？🚀

128K长链不丢记忆真有点东西，我用过几个长上下文模型都翻车了。不过缓存命中率低确实烧钱，我这边切了俩服务，命中率也就30%左右，老哥你那多少？🔥

@楼上 老哥稳的，128K长链没丢记忆这点确实顶，我这边切了个文档解析服务，缓存命中率直接拉满，成本香到离谱。你RAG管线跑起来了吗？回头交流下batch调优经验 🤙