今年 DeepSeek 的价格表改动的次数,比模型改名还多。这里把 2026 年 11 月中旬的实际口径整理一遍,只留会真正影响账单的部分。

token 价目

单位是每百万 token,美元。

deepseek-flash(V4.1-Flash-1017,上下文 1M,最大输出 384K):
缓存命中——低谷 0.003,峰时 0.006
缓存未命中——低谷 0.15,峰时 0.30
输出——低谷 0.60,峰时 1.20
并发上限 2500

deepseek-v4-pro(V4-Pro-0813,上下文 1M):
缓存命中——0.022 / 0.044
缓存未命中——0.66 / 1.32
输出——1.98 / 3.96
并发上限 500

Flash 不支持视觉,多模态那条路就是 V4.1-Flash 本身。Pro 是偏重推理的选项,同样的 token 贵四到五倍。

峰时比多数人以为的窄

低谷正好是半价,时段按 UTC 定义:周一到周五的 01:00–04:00 和 06:00–10:00,中国法定节假日除外。其余时间——夜间、周末、整个节假日——都算低谷。

换算到自己时区再安排。对 UTC+8 的团队,峰时是 09:00–12:00 和 14:00–18:00,正好覆盖整个工作日。对加州团队,峰时是 17:00–20:00 和 22:00–02:00,基本是傍晚。同一个批处理任务,在上海的夜里便宜,在旧金山的夜里贵——因为变量不是「夜里」,是 UTC。

办公楼里的机房。对话账单的大头是长期驻留的显存,不是算力。图:Mike Beltzner / Wikimedia Commons,CC BY-SA 2.0
办公楼里的机房。对话账单的大头是长期驻留的显存,不是算力。图:Mike Beltzner / Wikimedia Commons,CC BY-SA 2.0

算一笔账

假设一个客服助手,每月 20 万次请求。每次带 6000 token 的系统提示、400 token 的对话,返回 300 token。系统提示每次都一样,算缓存命中;对话算未命中。

输入命中:6000 × 20 万 = 12 亿 token,按每百万 0.003 算,3.6 美元。
输入未命中:400 × 20 万 = 8000 万 token,按每百万 0.15 算,12 美元。
输出:300 × 20 万 = 6000 万 token,按每百万 0.60 算,36 美元。
低谷跑完,一个月约 51.6 美元。

全部放在峰时跑,约 103.2 美元。产品没变,变的只是时钟。

现在把缓存打掉。把稳定的系统提示挪到用户消息里,或者往里面塞一个时间戳,那 12 亿命中 token 就变成 12 亿未命中:从 3.6 美元变成 180 美元。

DeepSeek 计费里最贵的一个错误,不是选错模型,是把一个你不知道存在的缓存给弄失效了。

token 之外的那几项

搜索(文本、图片)每千次 0.75 美元,抓取同价。文件解析和 OCR 每千页 0.225 美元。语音合成标价每万字 0.45 美元,目前五折;语音识别每小时 0.116 美元,也在打折。

这些数字看着小,直到它不小。一个每轮都搜的 Agent,等于在 token 之外每千轮再加 0.75 美元;答案短的时候,这跟 token 成本本身是一个量级。把搜索卡在一个明确的意图判断后面,是最便宜的一档优化。

什么时候值得上 Pro

Pro 同样的 token 贵四到五倍,所以问题只有一个:它省下的,比它多花的多吗?

在多步推理上通常值——Flash 跑不通会重试,一次失败的运行付全价、产出为零。在抽取、分类、摘要、格式化上通常不值,Flash 已经够准,Pro 只是收得更贵。

一个能落地的规则:按任务分流,别按偏好分流。拿一百条真实工单跑两个模型,比「每次成功完成的成本」,而不是「每 token 的成本」,让数字来选。

两个运维提醒

批处理和缓存预热都放到低谷窗口。时区换算写在 UTC 那一层,只写一处,别散在六个 cron 文件里。

还有,拿账单对一次峰时的定义。DeepSeek 排除了中国法定节假日,也就是说十月初的某个工作日可能按半价计,而美国假期周的周六不一定。财务按月对账的时候,这一行迟早会让他们困惑。