DeepSeek涨价了，真正拉开人与人差距的不是价格

DeepSeek涨价了。

8月17日零点，V4系列API启用新价格。以V4 Pro为例，高峰时段缓存命中输入变成原来的12倍，输出价格变成4.5倍。

曾经的“性价比王者”不再那么便宜。但普通用户依然可以打开App和网页使用V4 Pro。这次最先受到影响的，是把模型接进软件、Agent和自动化流程的人。

所以我更关心另一个问题：绝大多数人不会调用API，也不需要学会调用。大家面对的仍然是同一个对话框，为什么几个月之后，有人只是多了一个聊天助手，有人却像多长出了一双手？

大多数人只是把AI当成更聪明的聊天框

让AI改邮件、总结文件、解释一个陌生概念，当然有用。这也是大多数人最自然的使用方式。

但聊天很容易停在“给我一个答案”。回答看起来不错，就复制走；回答不太满意，就觉得AI也不过如此。下一次遇到同样的问题，再从头问一遍。

我自己做AI视频时，也差点停在这里。

第一版视频播到33秒，声音突然变大，像有人贴着耳朵喊；字幕每换一句，整个屏幕都跟着闪；人物站在画面里，却把最重要的信息挡住了。只要我接受“AI视频大概就这样”，项目到这里就结束了，只留下一条勉强能看的成片。

后来真正推动事情往前走的，不是哪一条神奇提示词，而是一次次不甘心：为什么33秒后会变响？为什么换字幕会闪？为什么人物一出现，画面反而更像PPT？

每追问一次，就拆出一个可以解决的问题。最后留下的也不再只是一条视频，而是一套下一次可以继续用的声音、字幕、画面和质检流程。

一项2026年发布的随机实验，让1174名成年人完成一项接近真实工作的商业问题。没有AI时，高教育组明显领先；可以使用AI后，约四分之三的原有差距被缩小。

这说明AI并不只奖励学历更高、基础更好的人。它也可以成为普通人的脚手架。

但实验还有后半段。撤掉AI之后，真正保留了更多提升的，是那些高强度使用AI、同时仍持续投入自己思考的人。只把任务扔给AI，可以拿到一次答案；一边使用、一边理解和修正，才可能把答案变成自己的能力。

外部资源当然会影响起点。纽约联储的美国调查中，年收入低于5万美元者在工作中使用AI的比例为15.9%，超过20万美元者达到66.3%。但对于已经能够打开免费AI的人，起点并不会替你决定终点。

AI不会主动敲门告诉你：“这件事可以换一种做法。”

需求通常藏在那些已经习以为常的麻烦里：每周重复整理的表格，开完会没人愿意写的纪要，找半天都找不到的旧资料，做了几次仍像PPT的视频。

有人把这些当成工作本来就该有的样子。也有人会多问一句：为什么每次都要重来？这里面有没有一部分可以交给AI？

好奇心不是知道多少新模型，而是不轻易接受“事情只能这样做”。它让你在别人只看到麻烦的地方，先看到一个可能被改变的需求。

发现需求以后，还要真的动手。

第一次通常不会很好。AI可能误解你的意思，写出正确但没用的答案，或者做出一条看起来完整、实际哪里都差一点的视频。很多人就在这一步停下，然后得出结论：AI没那么好用。

但第一版的失败，往往只说明你和AI还没有把问题说清楚。敢于尝试的人会换一种问法、补一份材料、缩小任务、检查错误，再跑一次。

这并不要求你会编程，更不要求人人去调用API。你只需要从一个真实的小问题开始，并且允许第一次做得不好。

当你反复做完“发现需求—动手尝试—检查结果—留下方法”这个循环，AI才开始从聊天助手变成你的能力。

今天是DeepSeek涨价，明天也许会出现更便宜的新模型。只记住一个产品名、一个按钮或者一套固定用法，优势很容易跟着版本变化一起消失。

好奇心不会。发现需求的能力不会。敢于把一个模糊想法拿来试、再把失败一点点改好的经验，也不会。

它们才是一个普通人真正能够带走的东西。

大多数人的差距，未必从会不会调用API开始。它可能就开始于一个很小的瞬间：当你又一次遇到重复、麻烦、低效的事情，是习惯性地把它做完，还是停下来问一句——

这件事，能不能换一种做法？

价格决定你能调用多少次模型。好奇心让你看见问题，发现需求让你找到方向，敢于尝试才会让AI真正成为你的能力。