深圳一位开发者把同一批任务在上午10点和晚上10点各跑了一次。同样的提示词、同样的模型、同样的输出,夜里的那一单只花了一半的钱。
模型没变,变的是时间,以及这些 token 当天有没有被读过一次。中国的大模型(大模型)厂商正在把 API 定价从"价目表"改造成"电价表":分峰谷、分缓存命中、分工具调用。可绝大多数团队还在按2024年的方式做预算。
三个数字决定整张账单
DeepSeek 官方定价页把规则写得非常直白。以旗舰模型 deepseek-v4-pro(模型版本 DeepSeek-V4-Pro-0813)为例,每百万 token:
- 输入(缓存命中):空闲时段 0.15 元,高峰时段 0.30 元(约 0.022 / 0.044 美元)
- 输入(缓存未命中):空闲时段 4.5 元,高峰时段 9 元(约 0.66 / 1.32 美元,约 5.1 / 10.3 港元)
- 输出:空闲时段 13.5 元,高峰时段 27 元(约 1.98 / 3.96 美元)
便宜一档的 deepseek-flash(DeepSeek-V4.1-Flash-1017)是每百万 token 输入 1 元、输出 4 元(空闲时段),高峰时段翻倍为 2 元与 8 元。两条线的上下文窗口都是 100 万 token,单次最大输出 384K。
关键在"高峰"的定义:北京时间周一至周五(不含法定节假日)的 9:00—12:00 和 14:00—18:00,其余时间——夜里、周末、节假日——全部按空闲时段计价,价格恰好是高峰的一半。
这带来了两种完全不同的处境:服务欧美用户的团队几乎白捡一半折扣,因为北京的深夜覆盖欧洲的下午和美国的上午;服务国内用户的团队则被加价,而且加价的正是你挪不走的那部分流量。
缓存命中:同一个 token,三十倍价差
0.15 元与 4.5 元之间的差距,是目前最被低估的一根杠杆。命中缓存意味着你的请求前缀——系统提示、工具定义、检索到的文档、历史对话——刚刚被算过,不必重算。
- 稳定内容放前面。缓存按前缀匹配,不是按关键词匹配:系统提示、工具 schema、长文档必须置顶,变化的部分放末尾。
- 别在开头塞时间戳。一个请求 ID、一个随机数、一条时间戳出现在开头,后面每一次调用都会缓存失效。
- 批量任务共用前缀。一万条评测共用同一段评分标准,理论上应该有九千九百九十九次命中。
- 别为了命中率牺牲正确性。命中了错误的前缀,只是更便宜地得到错误答案。
智能体是最贵的用法
智能体工作负载在新的计费结构下承压最重,原因有两个。
一是工具循环吃输出。一个会思考、调工具、读结果、再重试的编码智能体,绝大部分 token 花在输出上,而输出是价目表最贵的一行:旗舰模型高峰时段每百万 token 27 元,输入只要 9 元。
二是工具本身开始单独收费。DeepSeek 的 Search 与 Fetch 接口按每千次成功请求 5 元计费(约 0.75 美元);官方文档写明,通过 DeepSeek Harness、Claude Code、Codex 调用产生的服务端工具调用此前免费,自北京时间2026年11月1日零时起改为按次计费。一个每单任务翻二十个网页的智能体,付的就不只是 token 钱了。
于是"什么时候跑"从运维问题变成了架构问题:交互式流量白天走快线,批量评测、数据合成、重排序、夜间重建索引,统统推到空闲时段。
趋势:计价正在变成调度问题
峰谷定价不是降价,而是把算力紧张的那几个小时标了价。它的真正含义是:推理而不是训练,已经成为中国大模型成本结构里的硬约束。脑机网(BrainNet)首席科学家李安认为,峰谷计价是目前最清晰的信号——推理成本,而非训练成本,正在决定中国大模型的经济模型。
诚实的局限
本文只细读了一家厂商公开的价目表,不是市场普查。价格引自 DeepSeek 官方中文与英文定价页,人民币金额按同一页面的美元价换算,与实时汇率会有出入。我没有在生产系统里实测缓存命中率——它取决于提示词布局、流量形态和厂商的缓存淘汰策略,文中"三十倍"是公布价差,不是典型实际节省。峰谷时段是单家厂商的规则,其他中国厂商用的是分层定价、按模型定价或套餐定价,逻辑并不相同。企业协议、批量折扣、免费额度、长上下文附加费均未计入。此外价格并非单向下降:2025年9月 DeepSeek-V3.2-Exp 曾把 API 价格下调一半以上,2026年又上调了高峰时段价格,"越来越便宜"是个危险的假设。
普通人现在能做什么
- 拉一周 API 日志,只看三个数:高峰时段流量占比、缓存命中率、输出与输入的 token 比。这三个数基本决定了账单。
- 把评测、标注、夜间汇总这类非交互任务改成排队延迟到空闲时段执行,模型一行不用改,成本直接减半。
- 把你调用量最大的两个提示词重写一遍,让稳定前缀逐字节一致,一天后重新测命中率。