我最近做几个项目，全部用DeepSeek的flash和pro完成，效果跟之前用Claude、Gemini、GPT做的基本没差。但我已经彻底弃用后面几个了——原因很简单：DeepSeek的token便宜到让我完全不用考虑成本。用美国大模型的时候，每次prompt都下意识想“能不能精简两句”“别让模型来回绕弯子”，因为token烧多了心疼。这种心理负担其实很消耗注意力，你会不自觉地在“让模型多试几次”和“省着点用”之间来回拉扯。现在好了，随便写长prompt，随便让模型重写，随便迭代十几轮——反正token用不完。
这不是什么情怀，就是纯算账。当推理成本降到一个可以忽略不计的量级时，你的工作流自然会变：以前是“想清楚再问”，现在是“先问了再说，不行再调”。这种试错密度带来的优化深度，是之前那种精打细算的模式没法比的。而且说实话，DeepSeek的pro版本在很多复杂推理任务上跟GPT-4o和Claude Sonnet的差距已经非常小，甚至某些场景下更顺手。既然效果差不多，成本差一个数量级，那有什么理由不换？
有人问我会不会回到“古法编程”——就是靠手写代码、不依赖大模型的路子。答案是不会。不是因为AI写代码多完美，而是因为现在token成本低到让“让AI试一下”变成零成本的默认动作。过去一年最大的变化就是这个：AI能力的上限固然在提升，但真正的门槛其实是价格。当DeepSeek把门槛砸穿，原本只属于少数人的“token自由”就变成人人都能享受的红利。这不是个人选择，而是行业的分水岭。