从一次真实对话的账单说起，一文读懂大模型API计费的核心逻辑

前言：一次“看似简单”的对话，一张“让人困惑”的账单

最近，我在使用Claude Code + CC Switch + DeepSeek底座完成了一段对话后，看到账单时陷入了沉思：

deepseek-v4-flash: 请求1次，输入428，输出188
deepseek-v4-pro: 请求5次，输入（命中缓存）88320，输入（未命中）34507，输出3216
总费用：0.42元

两轮对话，居然产生了88,320个缓存命中Token和34,507个未命中Token？ 明明只说了两句话，为什么Token消耗如此之大？

更巧合的是，就在同一天（2026年8月17日），DeepSeek正式实施峰谷分时定价新规，部分场景的缓存命中价格上涨高达1100%。

要理解账单背后的逻辑，得先看完整的对话内容。

一、真实对话全文：到底说了什么？

以下是我与Claude Code（搭载CC Switch + DeepSeek底座）的完整对话记录：

第一轮对话

用户（2026/8/17 14:42:03）：

技嘉4070 RTX 12G

AI（2026/8/17 14:42:11）：

你提到的是技嘉（Gigabyte）的 GeForce RTX 4070 12GB 显卡。请问你想了解或处理什么？比如：

- **规格参数**：核心频率、显存、功耗（TGP）、接口等
- **游戏性能**：在 1080p / 1440p / 4K 下的帧率表现
- **价格与性价比**：当前行情、和同价位卡（如 4070 Super、7800 XT）对比
- **装机搭配**：电源功率、CPU 搭配、机箱尺寸是否合适
- **驱动 / 使用问题**：驱动安装、黑屏、温度等故障排查
- **确认具体型号**：技嘉 4070 有多个子型号（如 WindForce、Gaming OC、Eagle、AERO 等）

告诉我你具体想做什么，我来帮你。

第二轮对话

用户（2026/8/17 14:42:16）：

这个模型能跑deepseek v4吗？

AI（2026/8/17 14:42:29）：

[Tool: WebSearch]

此时模型判断需要联网搜索，调用了WebSearch工具。

工具返回（2026/8/17 14:42:38）：

Web search results for query: "DeepSeek V4 model release parameters size"

Links: 
- DeepSeek-V4 - 百度百科
- SAIFIINDUSTRIES/deepseek-v4-pro · Hugging Face
- RedHatAI/DeepSeek-V4-Flash · Hugging Face
- Intel/DeepSeek-V4-Flash-W4A16-AutoRound · Hugging Face
- mkreynolds/Deepseek-V4-Flash-oQ3e-mtp · Hugging Face
- What Is DeepSeek V4? - apidog
- DeepSeek-V4-Pro-0813: Agent Leap + Price Hike Coming
- DeepSeek V4来了：在喧哗众声中，按自己的节奏讲开源故事 - 网易
- DeepSeek-V4来了！华为昇腾加持 - 证券时报
- DeepSeek-V4开源：百万上下文，Agent能力比肩顶级闭源模型 - 阿里云开发者

DeepSeek-V4 was released on April 24, 2026 as a preview version, with two Mixture-of-Experts (MoE) models:

- **DeepSeek-V4-Pro**: 1.6T total parameters, 49B activated parameters
- **DeepSeek-V4-Flash**: 284B total parameters, 13B activated parameters

Both versions natively support a **1M token context window** (with up to 384K token output) and use FP4 + FP8 mixed precision for the main releases (base versions use FP8). Training data was reported as roughly 32T tokens for Flash and 33T tokens for Pro.

REMINDER: You MUST include the sources above in your response to the user using markdown hyperlinks.

AI（2026/8/17 14:43:00）：

**结论：跑不了完整的 DeepSeek-V4，12GB 显存差了好几个数量级。**

DeepSeek-V4（2026-04-24 发布的预览版）是两个 MoE 模型，关键不是"激活参数"而是**总参数量**——MoE 架构下所有 expert 权重都必须常驻显存，所以得按总量算：

| 模型 | 总参数 | FP8 显存 | FP4 显存 | RTX 4070 (12G) |
|------|--------|----------|----------|----------------|
| V4-Pro | 1.6T（激活 49B） | ~1.6 TB | ~800 GB | ❌ 差 60~130 倍 |
| V4-Flash | 284B（激活 13B） | ~284 GB | ~142 GB | ❌ 差 12~24 倍 |

你的技嘉 4070 只有 **12GB 显存**，别说 V4 了，连完整跑 DeepSeek-V3（671B）也不可能。这类全量 MoE 模型要本地跑，通常需要多张 H100/A100 或大内存 CPU 集群。

**用 CPU + 内存硬跑（GGUF 量化 + offload）也基本不现实**：V4-Flash 即使压到 Q3 也要 100GB+ 内存，速度大概 1~2 token/s，没有实用价值。

---

**那 12GB 到底能本地跑什么 DeepSeek 模型？** 只有**蒸馏小模型**能跑：

| 模型 | 量化 | 显存占用 | 4070 12G |
|------|------|----------|----------|
| DeepSeek-R1-Distill-Qwen-**7B** | Q4_K_M | ~4.5–5 GB | ✅ 流畅 |
| DeepSeek-R1-Distill-Qwen-**14B** | Q4_K_M | ~8–9 GB | ✅ 勉强（上下文长会爆） |
| DeepSeek-R1-Distill-Qwen-**32B** | Q4 | ~20 GB | ❌ 装不下 |

如果你只是**想用 DeepSeek-V4 本身**，最实际的路子是直接调 API（DeepSeek 官方或第三方），而不是本地部署。

---

想让我帮你做下面哪件事？
1. 给你一套在 4070 上本地跑 **7B/14B 蒸馏模型**的具体方案（Ollama / LM Studio / llama.cpp 配置）
2. 讲清楚 **V4-Flash/Pro 在什么硬件、花多少钱**才能本地部署
3. 只是确认下"这卡能不能跑"，那答案就是上面——**完整 V4 跑不了，小模型可以**

Sources:
- [DeepSeek-V4 - 百度百科](https://baike.baidu.com/item/DeepSeek-V4/65717031)
- [SAIFIINDUSTRIES/deepseek-v4-pro · Hugging Face](https://huggingface.co/SAIFIINDUSTRIES/deepseek-v4-pro)
- [RedHatAI/DeepSeek-V4-Flash · Hugging Face](https://huggingface.co/RedHatAI/DeepSeek-V4-Flash)
- [What Is DeepSeek V4? - apidog](https://apidog.com/blog/what-is-deepseek-v4/)
- [DeepSeek-V4-Pro-0813: Agent Leap + Price Hike Coming - orcarouter](https://www.orcarouter.ai/blog/deepseek-v4-pro-0813-official-release)

这就是完整的对话记录。 表面上只有“两问两答”，但实际上AI在第二轮中触发了WebSearch工具调用，检索了10个网页来源，生成了一个包含双表格、详细参数、多方案建议的长篇回答。

二、账单解析：Token都消耗在哪里了？

有了完整的对话内容，我们来逐项拆解账单：

2.1 为什么输入Token高达34,507（未命中）+ 88,320（缓存命中）？

关键认知：每次请求，模型都要重新读取整个对话历史。

当我在第二轮提问时，系统实际提交给模型的输入内容包括：

组成部分 预估Token数
第一轮用户提问“技嘉4070 RTX 12G” ~15
第一轮AI的长篇回复（含6个要点列表） ~350
第二轮用户提问“这个模型能跑deepseek v4吗？” ~20
Claude Code系统提示词（工具定义、规则、格式要求等） ~15,000-20,000
WebSearch工具调用指令 ~500
WebSearch返回的10个搜索结果摘要 ~10,000
对话元数据（时间戳、会话ID、权限模式等） ~500
合计 ~34,507

这其中，第一次的完整对话内容与几分钟前提交的内容完全一致，DeepSeek API检测到后直接返回缓存结果——这就是那88,320个缓存命中Token的由来。

2.2 为什么V4-Pro请求了5次？

Claude Code的工作机制决定了单次用户提问可能触发多次模型调用：

  1. 第1次：处理第一轮“技嘉4070”的问题（无工具调用，一次完成）
  2. 第2次：处理第二轮问题，生成WebSearch工具调用
  3. 第3次：处理WebSearch返回的搜索结果
  4. 第4次：生成最终回答的主体部分
  5. 第5次：因回答内容过长（含双表格），触发续写生成

而V4-Flash只请求了1次，因为第一轮回答无需工具调用，内容也较短。

2.3 输出Token为什么有3,216？

输出内容 预估Token数
第一轮AI回复（6个要点列表） ~300
第二轮AI回复（双表格 + 详细分析 + 3个选项 + 5个来源链接） ~2,900
合计 ~3,216

两轮对话的输出加起来超过3200个Token——这已经不是“简单回答”了，而是一篇完整的硬件兼容性分析报告。

三、什么是“缓存命中”？为什么它能省钱？

3.1 缓存机制的核心逻辑

大模型API的上下文缓存（Prompt Caching），本质是一个简单的经济学原理：同样的输入，只算一次钱。

当你向模型提交请求时，系统会将你的输入内容进行哈希计算。如果在设定的时间窗口内（DeepSeek通常为5-10分钟），有人提交了完全相同的内容，API服务器就无需重新计算这些Token的注意力机制，直接返回缓存结果。

3.2 哪些内容容易被缓存？

从我的账单来看，命中缓存的88,320个Token主要包括：

  • ✅ 第一轮的完整对话（用户提问 + AI回复）
  • ✅ 固定的系统提示词（Claude Code的工具定义）
  • ✅ 对话元数据中不变的部分

未命中的34,507个Token包括：

  • ❌ 第二轮的新问题
  • ❌ WebSearch的查询参数和返回结果
  • ❌ 时间戳、会话ID等动态信息
  • ❌ 模型生成的工具调用指令

3.3 缓存的价值有多大？

如果没有缓存机制，我的账单将是：

  • 输入Token：34,507 + 88,320 = 122,827个
  • 按调价前的V4-Pro价格（3元/百万输入）计算：
    • 122,827 × 3 / 1,000,000 ≈ 0.37元

加上输出费用（3216 × 6/百万 ≈ 0.02元），总费用约0.39元。

而有了缓存，那88,320个Token的费用被大幅削减（调价前缓存命中仅0.025元/百万），最终账单0.42元——缓存机制将输入成本降低了约90%以上。

四、DeepSeek调价：峰谷定价时代来临

4.1 新价格方案速览

2026年8月17日0时起，DeepSeek正式执行峰谷分时定价：

时段 V4-Pro 缓存命中输入 V4-Pro 缓存未命中输入 V4-Pro 输出
空闲时段（18:00-次日9:00） 0.15元/百万 4.5元/百万 13.5元/百万
高峰时段（9:00-12:00, 14:00-18:00） 0.30元/百万 9.0元/百万 27.0元/百万

V4-Flash同步调整：

时段 Flash 缓存命中输入 Flash 缓存未命中输入 Flash 输出
空闲时段 0.05元/百万 1.5元/百万 4.5元/百万
高峰时段 0.10元/百万 3.0元/百万 9.0元/百万

4.2 涨幅有多猛？

以V4-Pro为例，对比调价前的价格（缓存命中0.025元、缓存未命中3元、输出6元）：

计费项 调价前 高峰时段新价 涨幅
缓存命中输入 0.025元/百万 0.30元/百万 ↑ 1100%
缓存未命中输入 3元/百万 9.0元/百万 ↑ 200%
输出 6元/百万 27.0元/百万 ↑ 350%

缓存命中从“几乎免费”变成了“仍然便宜但不再免费”——这是此次调价最值得关注的变化。

4.3 用我的账单算一笔账

如果我的这段对话发生在调价后的高峰时段（如工作日下午2-6点）：

计费项 Token数 新价格（高峰） 费用
缓存命中输入 88,320 0.30元/百万 0.0265元
缓存未命中输入 34,507 9.0元/百万 0.3106元
输出 3,216 27.0元/百万 0.0868元
V4-Flash输出 188 9.0元/百万 0.0017元
合计 0.4256元

原来0.42元的账单，调价后在高峰时段仍然是0.42元——这恰好说明我的账单已经被新价格覆盖了。

4.4 为什么要涨价？

DeepSeek官方的解释是：通过市场化价格手段调节算力负载，引导企业与开发者错峰调度任务，从而平衡日间算力拥堵，提升平台整体服务稳定性。

高盛在7月研报中指出，DeepSeek实施高峰时段价格调整，不意味着需求走弱，反而反映出国内AI模型需求持续旺盛、算力资源趋紧，行业竞争正在从激进的价格战逐步回归更理性的定价框架。

一个可参考的数据：2026年8月1日，DeepSeek V4-Flash单日处理Token总量达8万亿。如此庞大的算力需求下，通过峰谷定价引导错峰使用，确实是合理之举。

五、对开发者的影响与应对策略

5.1 影响最大的场景

长文本处理、多轮对话、工具调用等高频场景受影响最为明显。

以我的对话为例，如果每天有100次类似的“工具调用 + 长回答”对话：

  • 单次对话成本约0.42元
  • 每日成本约42元，每月约1260元

这对个人开发者或小团队来说，是一笔不可忽视的开支。

5.2 实际案例：独立开发者的成本困境

据媒体报道，一位独立开发者开发的文档总结工具日均调用量约200万tokens，调价后高峰时段单日成本将从约18元飙升至70元以上。

“要么把服务挪到夜间跑，要么只能涨价或限制免费额度。”——这位开发者的话，道出了许多中小团队的困境。

5.3 省钱策略建议

1. 错峰调用，用好空闲时段

闲时价格为高峰时段的一半。对于非实时性任务（如批量文档处理、数据分析、模型微调数据准备等），尽量安排在夜间或周末运行。

2. 善用缓存机制

  • 保持对话上下文的连续性，避免频繁新建会话
  • 对固定的系统提示词、工具定义等，利用缓存优势重复使用
  • 多个用户使用相同Prompt时，缓存命中率会大幅提升

3. 根据场景选模型

场景 推荐模型 理由
简单问答、代码补全 V4-Flash 高峰缓存命中仅0.10元/百万
复杂推理、长文档、Agent任务 V4-Pro 更强的推理能力，按需使用

V4-Flash的高峰时段缓存命中价格为0.10元/百万tokens，远低于V4-Pro的0.30元。把非核心任务切到Flash，能显著降低成本。

4. 监控账单，建立成本意识

建议定期检查API调用记录，重点关注：

  • 缓存命中率（越高越好）
  • 高峰/空闲时段的调用比例
  • 单次对话的平均Token消耗
  • 异常高消耗的会话

5.4 我的账单告诉我们的道理

回到开头的账单，0.42元得到了什么？

产出 价值
硬件兼容性判断 确认RTX 4070无法运行DeepSeek-V4
技术原理分析 解释MoE架构的显存需求
替代方案建议 推荐7B/14B蒸馏模型及部署方案
5个权威来源引用 提供可验证的信息出处

0.42元买到的是一份完整的硬件选型决策参考——如果自己去查，可能需要花半小时浏览十几个网页。从时间成本角度看，这性价比极高。

六、总结：涨价不一定是坏事

此次DeepSeek API调价，虽然让部分开发者感到压力，但有几点积极信号值得关注：

  1. V4-Pro正式版功能升级：同步上线了Agent工作流能力、灵活推理强度设置、原生支持OpenAI Responses API，企业级应用场景得到了更强的性能支撑。

  2. 普通用户不受影响：网页端和App端的日常使用依然免费，此次调整仅针对API调用。

  3. 峰谷定价是行业成熟标志：从“价格战”到“峰谷定价”，说明大模型行业正在从野蛮扩张走向精细运营。算力资源的市场化配置，长期看有利于整个生态的健康发展。

  4. 缓存机制仍然是省钱利器：即使涨价1100%，缓存命中仍然是所有计费项中最便宜的一项（0.30元/百万，对比未命中输入的9元/百万）。合理利用缓存，仍能大幅降低成本。

作为开发者，与其抱怨涨价，不如建立对计费机制的深入理解，学会在“高峰”与“空闲”、“缓存命中”与“缓存未命中”、“Pro”与“Flash”之间做出最优的性价比选择。

附：我的CC Switch配置

sonet: deepseek-v4-pro
opus: deepseek-v4-pro
fable: deepseek-v4-pro
haiku: deepseek-v4-flash

参考资料：

  • DeepSeek官方API调价公告（2026年8月13日）
  • 高盛《中国AI模型需求与算力价格分析》（2026年7月）
  • 各媒体关于DeepSeek峰谷定价的报道
  • 作者本人的Claude Code + DeepSeek对话账单记录（2026年8月17日）
# 缓存 # AI
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

初识智能体

在过去两年中，几乎所有人都体验过大语言模型（如 ChatGPT、Claude、DeepSeek）的强大能力：写周报、润色邮件、解答编程疑难。被动响应：你问一句，它答一句。如果你的 Prompt 没有写清楚约束条件，它无法主动追问或修正目标。知行脱节：大模型能用流畅的文字告诉你“如何部署一个高可用 K8s 集群”，但它无法替你登录服务器敲下命令、查看报错日志并自动回滚。信息孤岛：大模型的知识止步于预

avatar DeepSeek技术社区

DeepSeek总结的时间旅行者的主键

来源：https://www.pgedge.com/blog/the-time-traveler-s-primary-key。

avatar DeepSeek技术社区
cover

建站综合评估：几款主流产品表现分析

avatar DeepSeek技术社区