一个真实的账本

上个月我帮一个朋友算了一笔账。他在做一个 AI 客服产品，每天需要调用约 50 万次 API。他一直在用 GPT-4o，每个月的花费超过了 8 万元。我帮他切换到了 DeepSeek V4-Flash 之后，同样的质量水平下，月成本降到了 1.2 万元。

这不是个例。DeepSeek 最核心的竞争优势之一就是它的定价——但很多人其实没有把它算清楚。这篇文章我就把 DeepSeek 的 API 定价体系、各种优化策略、以及自建与调用的经济账全部拆开来讲。

DeepSeek API 定价全貌

基础价格表

DeepSeek 采用”百万 tokens”作为计价单位，分高峰时段和空闲时段两个价格档位。

模型	价格类型	高峰时段	空闲时段
V4-Flash
输入（缓存未命中）	元/百万 tokens	3.0	1.5
输入（缓存命中）	元/百万 tokens	0.10	0.05
输出	元/百万 tokens	9.0	4.5
V4-Pro
输入（缓存未命中）	元/百万 tokens	9.0	4.5
输入（缓存命中）	元/百万 tokens	0.30	0.15
输出	元/百万 tokens	27.0	13.5

时段定义：

• 高峰时段：北京时间 9:00-12:00、14:00-18:00
• 空闲时段：其余时间（12:00-14:00、18:00-次日 9:00）

与竞品价格对比

模型	输入价格	输出价格	上下文长度
DeepSeek V4-Flash	3.0 元	9.0 元	100万 token
DeepSeek V4-Pro	9.0 元	27.0 元	100万 token
GPT-4o	~4.5 元	~18.0 元	128K token
Claude 3.5 Sonnet	~13.5 元	~54.0 元	200K token
Gemini Pro	~3.6 元	~10.8 元	200K token

注意单位差异：GPT-4o 和 Claude 的价格是美元，上面的人民币价格按 1 美元 ≈ 7 元换算。

关键发现

第一，V4-Flash 的输入价格（3 元/百万 tokens）甚至低于 GPT-4o（4.5 元），而且输出价格（9 元）也只有 GPT-4o 的一半。这意味着在同等输入量下，V4-Flash 的总成本约为 GPT-4o 的 40-60%。

第二，缓存命中机制把输入成本进一步降低到 0.10 元/百万 tokens——这是未命中价格的 3%。对于有大量重复系统提示词的应用，这个差距巨大。

第三，空闲时段的价格是高峰时段的一半。如果你的应用主要在非工作时间运行（比如批量处理、夜间任务），可以直接省一半。

实际成本案例：三种典型场景

场景一：智能客服

假设一个智能客服系统，每天处理 1 万次对话，每次对话平均消耗：

• 输入：500 tokens（用户问题 + 系统提示词）
• 输出：200 tokens（回复）

V4-Flash（高峰时段）：

• 输入成本：10000 × 500 × 3.0/1,000,000 = 15 元/天
• 输出成本：10000 × 200 × 9.0/1,000,000 = 18 元/天
• 日成本：33 元
• 月成本：990 元

V4-Flash（缓存命中，系统提示词固定）：

• 假设系统提示词占总输入的 70%（350 tokens 缓存命中）
• 缓存命中输入：10000 × 350 × 0.10/1,000,000 = 0.35 元
• 缓存未命中输入：10000 × 150 × 3.0/1,000,000 = 4.5 元
• 输出成本：18 元
• 日成本：22.85 元
• 月成本：685 元

GPT-4o（对比）：

• 输入成本：10000 × 500 × 4.5/1,000,000 = 22.5 元
• 输出成本：10000 × 200 × 18.0/1,000,000 = 36 元
• 日成本：58.5 元
• 月成本：1755 元

结论：在相同场景下，DeepSeek V4-Flash 的成本约为 GPT-4o 的 40-50%。如果利用缓存命中，差距进一步扩大到 60% 以上。

场景二：内容创作助手

假设一个 AI 写作助手，每天生成 100 篇文章，每篇文章：

• 输入：2000 tokens（提示词 + 参考材料）
• 输出：5000 tokens（文章正文）

V4-Flash（高峰时段）：

• 输入成本：100 × 2000 × 3.0/1,000,000 = 0.6 元
• 输出成本：100 × 5000 × 9.0/1,000,000 = 4.5 元
• 日成本：5.1 元
• 月成本：153 元

V4-Pro（高峰时段，追求更高写作质量）：

• 输入成本：100 × 2000 × 9.0/1,000,000 = 1.8 元
• 输出成本：100 × 5000 × 27.0/1,000,000 = 13.5 元
• 日成本：15.3 元
• 月成本：459 元

GPT-4o（对比）：

• 输入成本：100 × 2000 × 4.5/1,000,000 = 0.9 元
• 输出成本：100 × 5000 × 18.0/1,000,000 = 9.0 元
• 日成本：9.9 元
• 月成本：297 元

结论：内容创作场景中，输出 token 占比很大，成本主要由输出决定。V4-Flash 的输出成本（9 元）是 GPT-4o（18 元）的一半。

场景三：代码助手

假设一个代码助手产品，每天处理 5000 次代码生成请求，每次：

• 输入：3000 tokens（代码上下文 + 问题描述）
• 输出：1000 tokens（生成的代码）

V4-Flash（思考模式开启，用于复杂代码任务）：

• 输入：3000 tokens，输出：1000 + 3000（思考过程约 3000 tokens）= 4000 tokens
• 输入成本：5000 × 3000 × 3.0/1,000,000 = 45 元
• 输出成本：5000 × 4000 × 9.0/1,000,000 = 180 元
• 日成本：225 元
• 月成本：6750 元

V4-Flash（不启用思考模式）：

• 输入成本：45 元
• 输出成本：5000 × 1000 × 9.0/1,000,000 = 45 元
• 日成本：90 元
• 月成本：2700 元

注意：思考模式的成本增加主要来自于输出部分——模型把推理过程也作为输出返回了。如果你的代码助手主要做简单代码补全，完全不需要开启思考模式。

自建 vs API：经济账该怎么算

自建成本构成

假设你在阿里云购买一台 GPU 服务器：

配置	价格（月）	能跑的模型
单卡 A10 24GB	~1500 元	R1-7B（量化）
单卡 A100 40GB	~3500 元	R1-32B（量化）
双卡 A100 40GB	~7000 元	V3（量化）
4 卡 A100 80GB	~15000 元	V3/R1（FP16）

成本平衡点计算

以单卡 A100 40GB 为例，月成本 3500 元，能跑 R1-32B 的量化版本：

• API 调用 V4-Flash 的等效成本：3500 元 ÷ 3.0 元/百万 tokens ≈ 116 万 tokens/月
• 按每次对话 1000 tokens 计算：约 116 万次对话/月
• 按每天 30 天计算：约 3.8 万次对话/天

也就是说，如果你的应用每天需要超过 3.8 万次对话，自建 A100 服务器就比 API 调用更划算。但如果你只有 1000 次/天，自建完全不划算——3500 元的服务器成本对应不到 100 元的 API 成本。

自建的其他隐性成本

除了硬件成本，自建还需要考虑：

• 运维人力：服务器维护、模型更新、故障处理
• 电力成本：一台 A100 服务器的功耗约 500W，电费约 360 元/月
• 网络成本：高带宽需求，尤其是模型文件下载和 API 响应
• 模型更新：新模型发布后需要下载和部署，32B 模型的量化版本也有 20GB

综合计算，自建的”真实成本”大约是硬件成本的 1.3-1.5 倍。

推荐策略

• 日调用量 < 5000 次：直接用 API，成本最低
• 日调用量 5000-50000 次：可以考虑自建 1-2 卡方案，配合 API 做峰值弹性
• 日调用量 > 50000 次：自建多卡集群，API 作为备份

成本优化的综合策略

策略一：混合模型路由

不是所有请求都需要用最强模型。一个聪明的做法是根据请求类型动态选择模型：

def route_request(user_input):
    if is_simple_classification(user_input):
        model = "deepseek-v4-flash"  # 简单任务用便宜模型
    elif is_complex_reasoning(user_input):
        model = "deepseek-v4-pro"    # 复杂任务用贵模型
    else:
        model = "deepseek-v4-flash"  # 默认用便宜模型
    return model

这种策略可以在不损失质量的前提下，将平均成本降低 30-50%。

策略二：缓存优化

系统提示词的一致性是最容易被忽视的优化点。确保：

• 相同用户会话使用相同的系统提示词
• 不要动态拼接系统提示词
• 把动态内容放在 user prompt 里

策略三：批量处理

将多个请求合并为批量处理。DeepSeek 的 batch API 可以在不降低质量的前提下，提高吞吐量并降低总延迟。

策略四：输出控制

用 max_tokens 严格限制输出长度。很多开发者没有设置这个参数，导致模型输出远超预期的内容。一个简单的 max_tokens=500 可以帮你节省大量成本。

总结

DeepSeek 的定价策略在当前的 AI 市场里是非常有竞争力的。V4-Flash 以低于 GPT-4o 的价格提供了 8 倍的上下文长度，而 V4-Pro 在需要更强推理能力的场景下，价格也只有 GPT-4 级别模型的一半左右。

但便宜不等于”随便用”。我看到的最大的成本浪费来自于三个场景：

1. 在不需要思考模式的场景里强行开启
2. 没有利用缓存命中机制，系统提示词频繁变化
3. 不设置输出长度上限，让模型”自由发挥”

把这三个问题解决，你就能在享受 DeepSeek 强大能力的同时，把成本控制在理论最小值的附近。

最后一篇文章我会讲如何把 DeepSeek 集成到实际的 RAG 和 Agent 项目中——这是 DeepSeek 能力最能发挥价值的地方，也是创业者最应该关注的方向。