这是一篇观点文章。价格、榜单与速度数据均按 2026 年 8 月 17 日可访问页面整理。本文会使用“Codex Pro 7 天约有 1649 美元 API 等值”的社区实测作为计算假设；它不是 OpenAI 公布的余额、固定额度或承诺价值。

“DeepSeek 是性价比模型，Codex Pro 每月 200 美元太贵。”

如果这句话里的“性价比”只指 API 的每百万 Token 单价，我同意。DeepSeek V4 Pro 的公开 API 价格明显更低。可我仍然会说：对高频、真实的工程任务，Codex 可能反而更便宜。

这里的关键不是把一个更贵的 Token 强行说成便宜，而是把账从“Token”换成“一个能交付的任务”。而且这次不只靠感受：用 Artificial Analysis（AA）的 Intelligence Index、单任务成本和响应时长，把同一组基准放进账本里。

先给结论

在 AA 当前可见的高推理档对比里：

口径GPT-5.6 Terra（max）DeepSeek V4 Pro 0813（max）
AA Intelligence Index（越高越好）5753
AA Index 单任务 API 成本$0.51$0.25
首个输出块延迟155.06 秒1.71 秒
总响应时间159.11 秒32.91 秒
输出速度123.4 Token/s80.1 Token/s

这张表先说明一个不讨巧但必须承认的事实：按公开 API 原价，DeepSeek 的 AA 单任务成本约为 Terra 的一半，而且首包和总响应明显更快；Terra 则以 57 对 53 的 AA Intelligence Index 领先。

所以“DeepSeek 比 Terra API 便宜”是事实；“Terra 的综合能力稍高”也有 AA 的独立指标支持。但这还不是 Codex Pro 的最终价格。

不是三种价格，是三本账

讨论 Codex 与 DeepSeek 时，至少有三本不能混的账：

  1. API 单价：每一百万输入、缓存输入、输出 Token 的价格；
  2. 基准单任务成本：在固定评测任务上实际消耗多少 Token 后得到的加权成本；
  3. 订阅交付成本：用户花固定月费，换来多少个最后通过验收的真实任务。

DeepSeek 的官方价格页显示，V4 Pro 峰时价格为：非缓存输入 $1.32、缓存输入 $0.044、输出 $3.96（均为每百万 Token）；谷时价格减半。OpenAI 对 GPT-5.6 Terra 的标准 API 价格为：输入 $2、缓存输入 $0.2、输出 $12。

只看到这里，DeepSeek 胜得很漂亮。问题是，开发者不是按“每百万 Token”下班的，而是按“这个 bug 修好了吗、这个网站能上线了吗、测试过了吗”下班的。

AA 榜单到底在衡量什么

AA 的 Intelligence Index v4.1.1 由 9 个评测组成，其中包含 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity’s Last Exam、GPQA Diamond、CritPt、AA-Omniscience 与 AA-LCR。它并不等同于“真实公司项目成功率”，却已经覆盖了 Agent 工具使用、终端/编码、长上下文、科学推理与知识可靠性等维度。

AA 的“Cost per Intelligence Index Task”也不是一句提示词的价格。它会将输入、缓存命中、缓存写入、推理和回答 Token 的价格纳入，并按各个评测的权重得到每个 Index 任务的加权平均成本。这正好给了我们一个比“每百万 Token”更接近任务层的 API 对照。

同一档 max 推理下，Terra 的 57 分比 DeepSeek V4 Pro 0813 的 53 分高 4 分；同时 API 单任务成本是 $0.51 对 $0.25。按 API 用，DeepSeek 的成本效率仍然很强，不能被一句“更智能”抹掉。

把 1649 美元等值代入：Codex Pro 的任务成本会发生什么

现在加入那条引起争论的社区实测：有人将 Codex Pro 的 7 天使用量按 API 价折算为约 $1649。注意，这只是一个用户的估值快照，不是 OpenAI 的公共配额；不同模型、工具调用、上下文长度和限额状态都会改变结果。

但既然它被用来讨论“200 美元会员值不值”，我们可以透明地做一个保守的等值推演：

AA Terra（max）任务数估计 = $1649 ÷ $0.51 ≈ 3,233 个 Index 任务
将整月 $200 订阅费只摊给这一段 7 天使用量：
订阅等值单任务成本 = $200 ÷ 3,233 ≈ $0.062

把它与 AA 列出的 DeepSeek V4 Pro 0813（max）API 单任务 $0.25 对照，得到的是：在“1649 美元等值确实可由这位用户的 7 天 Pro 使用量稳定获得”的假设下，Codex Pro 的 Terra 等值单任务成本约为 $0.062，是 DeepSeek 该档 API 任务成本的约四分之一。

这个算式的价值在于把前提摊在桌上，而不是藏起来：

  • 它不是“Codex 每做一个任务必定只要 6.2 美分”；
  • 它假设 1649 美元的等值用量可以和 Terra max 的 AA 平均任务价格相对应，现实中的 Codex 调度模型、工具费、缓存比和任务分布未必相同；
  • 它把 $200 的整月费用都压到了这一段 7 天上，因此没有假定每周都能无条件刷新同等额度；这是较保守的分摊方式；
  • 若一个用户根本用不到这种强度，固定订阅的单任务成本会立刻反过来变高。

换句话说，1649 不是“免费 API 额度”，却足以解释为什么重度使用者会觉得 200 美元便宜：订阅折扣来自使用密度，不来自魔法。

智能一点，为什么会比单价更重要

AA 57 对 53 的差距并不授权我们说 Terra 在每项任务上都胜出。更合理的解释是：在 AA 这套综合评测和 max 推理配置中，Terra 给出了略高的能力分数，代价是更高 API 成本和很高的首包等待。

但一旦进入 Agent 工程，成本函数会多出三项：

实际单任务成本
=（模型/工具账单 + 失败重试 + 人工接管时间）÷ 最终验收通过的任务数

一个模型 API 便宜 50%，只要它多造成一次重试、漏改一个文件、没有跑测试，或者让开发者多花十几分钟接管，节省的那几美分就可能瞬间蒸发。反过来，Codex 若能完成“读项目规则 → 改多文件 → 跑测试 → 看浏览器/日志 → 修复 → 验收”闭环，订阅制把高频任务的边际成本压低后，优势就不在一条输出，而在少几轮人机接力。

这也是我说 Codex “本质上可能更便宜”的真正含义：不是它的原价更低，而是它把高能力 Agent 的成本固定下来，并在被大量使用、真实完成任务时摊薄。

响应时间也要放进来，但别误读

AA 页面上，Terra max 的首个输出块延迟约 155 秒、总响应约 159 秒；DeepSeek V4 Pro 0813 max 分别约 1.71 秒和 32.91 秒。对于同步 API 交互、在线产品或人正在等待的场景，DeepSeek 的速度优势非常实际。

不过这两项是 AA 的模型响应测量，不是完整的软件工程任务从开始到构建、测试和浏览器验证结束的耗时。Codex 产品中的工具调度、仓库规模、网络、测试时间与人工反馈都在这个指标之外。因此不能拿 159 秒直接宣判 Codex “慢”，也不能拿 32.91 秒就认定 DeepSeek 的真实交付更快。

正确的做法是：在同一仓库、同一任务卡、同一测试、同一时间限制下，记录首次验收率、总调用成本、总墙钟时间、人工接管分钟数和最终交付率。那才是我愿意据此续费或换模型的榜单。

谁应该选谁

DeepSeek 更可能便宜的场景：

  • 低频使用，固定订阅摊不薄；
  • 批量摘要、翻译、模板化生成；
  • 对 API 首包延迟敏感；
  • 团队愿意自己维护上下文、工具调用、重试和验收闭环。

Codex Pro 更可能便宜的场景：

  • 每天都有跨文件、跨工具的实际工程任务；
  • 使用量足够高，能接近甚至超过社区实测的重度使用密度；
  • 最贵的是人盯着流程、反复解释和手工收尾；
  • 任务价值取决于最终可验收的修改，而不是生成了多少字。

最后的账本

所以我并不认为“DeepSeek 便宜”是错的。按 API 价和 AA 的基准单任务成本，DeepSeek V4 Pro 0813 的确更省；按 AA 的 max 档 Intelligence Index，Terra 则略高；按 AA 的响应测量，DeepSeek 明显更快。

我反对的是把这三句话直接推成“因此 200 美元 Codex Pro 不值”。对于低频用户，这个结论可能成立；对于把 Codex 当成日常工程搭档、并能稳定吃满用量的人，按社区 1649 美元/7 天等值做的保守推演显示，订阅等值的任务成本可以低到约 $0.062，反而明显低于 DeepSeek 的 $0.25 AA API 任务成本。

真正该比较的从来不是“谁的一百万 Token 更便宜”，而是“谁更少地把我叫回来收拾残局，并以更低总成本交出可验收的结果”。

数据来源与限制

AA 数据会随模型版本、推理档位和测量批次更新；社区的 1649 美元数据没有官方 SLA。本文的订阅等值计算是公开前提下的情景推演，不是购买承诺。