核验说明（审核版）：本文官方价格已在本环节实时抓取自 DeepSeek API 官方定价页（页面版权 © 2026；该版本与《财经》报道的 2026-08-17 生效的"峰谷分时计价"一致）。第三方实测数据来自公开报道并已交叉核对，逐条标注来源、口径与记录日期。历史价格与现行价格分开标注，请勿混用。厂商口径一律以 ⚑ 标注。
① 一分钟速览
- 官方价是"报价单"，不是"账单"：输入/输出配比、缓存命中率、峰谷时段，会让实测成本系统性地偏离单一标价。
- 当前"DeepSeek V4"实际是两个模型：deepseek-v4-pro（V4-Pro-0813） 与 deepseek-flash（V4.1-Flash），二者单价、并发限制都不同。
- 自 2026-08-17 起引入峰谷分时计价：错峰价 = 高峰价的 50%；高峰时段为周一至周五 01:00–04:00、06:00–10:00 UTC（即北京时间 09:00–12:00、14:00–18:00，共 7 小时），不含中国法定节假日，其余时间及周末/节假日全天为错峰。
- 交叉验证结论：把第三方实测的 token 结构代入官方单价，得到的结果与实测账单基本吻合——官方单价本身准确，实测与"标价"的差额几乎全部来自 token 结构（缓存命中率、输出占比）与峰谷时段。
② 一句话类比
官方定价像菜单上的"每道菜标价"，实测成本像你拿到手的小票——中间隔了三层折损："重复上的前菜是否免单（缓存命中）""主菜甜点各吃多少（输入/输出配比）""按高峰还是错峰时段结账（分时计价）"。
一、导语：为什么要核对 DeepSeek V4 的推理成本
对要跑量、要压成本的团队来说，官方定价页给的是"单位价格"，而账面上的真实支出取决于"实际消耗结构"。同样的单价，缓存命中率高低不同、输入输出比例不同、落在高峰还是错峰时段，最终单次推理成本能差出数倍。
第三方实测的价值在于：用真实请求"复现账单"，暴露官方标价里看不出来的隐性因素——token 计量口径、缓存是否命中、思考（thinking）模式烧掉的额外 token、峰谷时段等。
本文把成本拆成两条线：厂商口径（官方价格与规则，⚑）与第三方实测（真实请求下的观测值），逐项对照并解释差额从哪来。
二、官方价格口径：先看懂报价单的结构（⚑ 厂商口径，原样引用）
来源：DeepSeek API 官方定价页，本环节实时抓取（页面版权 © 2026）。官方口径要点：
- 计价单位：每 100 万（1M）token；费用 = token 数 × 单价，直接从账户余额扣除，有赠送余额时优先扣赠送余额。
- 两个模型：
deepseek-v4-pro（模型版本 DeepSeek-V4-Pro-0813）与deepseek-flash（模型版本 DeepSeek-V4.1-Flash）。旧名deepseek-v4-flash、deepseek-v4-flash-vision-exp已退役，请求由 V4.1-Flash 承接并按 Flash 价计费。 - 上下文：两者上下文窗口均为 1M token，最大输出 384K token。
- 缓存命中：输入 token 分"缓存命中（cache hit）"与"未命中（cache miss）"两档，命中价远低于未命中价。
- 分时计价：错峰价为高峰价的 50%。高峰时段为周一至周五 01:00–04:00、06:00–10:00 UTC（北京时间 09:00–12:00、14:00–18:00，共 7 小时），不含中国法定节假日；其余时间及周末、节假日全天为错峰。
- 并发限制：flash 2500、v4-pro 500。
关键数据表 1：官方单价（⚑ 每 1M token，美元）
| 模型 | 计费项 | 高峰价 | 错峰价（闲时） |
|---|---|---|---|
| deepseek-flash（V4.1-Flash） | 输入 · 缓存命中 | $0.006 | $0.003 |
| deepseek-flash（V4.1-Flash） | 输入 · 缓存未命中 | $0.30 | $0.15 |
| deepseek-flash（V4.1-Flash） | 输出 | $1.20 | $0.60 |
| deepseek-v4-pro（V4-Pro-0813） | 输入 · 缓存命中 | $0.044 | $0.022 |
| deepseek-v4-pro（V4-Pro-0813） | 输入 · 缓存未命中 | $1.32 | $0.66 |
| deepseek-v4-pro（V4-Pro-0813） | 输出 | $3.96 | $1.98 |
注：官方页原句 "Off-peak rates are half of the peak rates"（错峰价为高峰价的一半）。上表错峰价与高峰价的 50% 关系可直接验算。缓存命中的判定阈值（是否需前缀 ≥ 特定 token 数）官方定价页未展开，第三方（Apidog）转述称"重复前缀自动命中、需逐字节一致"，此细节待以官方缓存文档为准。
历史价格对照（勿与现行价混用）：据 Apidog 2026-04-24 报价快照，V4 发布首日价格为 Flash 输入 $0.14 / 输出 $0.28、Pro 输入 $1.74 / 输出 $3.48（缓存命中 Flash $0.028、Pro $0.145）；据 量子位 2026-04-27，4 月底曾宣布"输入输出 2.5 折 + 缓存命中折上折 1 折"的永久降价。上述均为历史价，8 月 17 日峰谷计价生效后已再次调整。
三、第三方实测方法：一次推理的成本到底怎么算
要比较"官方预测"与"实测"，先要统一"一次推理成本"的定义。常见口径包括：
- token 计量：输入、输出 token 分别统计；推理/思考模式产生的 reasoning token 按输出档计费，是隐性大头。
- API 计费口径：按请求计、按 token 计，还是按缓存命中档位计。
- 缓存命中与预热：同一前缀（如固定 system prompt、工具 schema）是否命中缓存，直接决定输入按"命中"还是"未命中"计价；冷启动（未命中）成本远高于热请求。
- 分时与账单粒度：落在高峰还是错峰时段、是否有最小计费单元/取整规则。
统一后的成本公式：
单次推理成本 ≈ 输入(命中)token × 命中单价 + 输入(未命中)token × 未命中单价 + 输出 token × 输出单价
"厂商预测"即用这条公式、代入官方单价算出的理论值；"第三方实测"是真实请求跑完后观测到的实际扣费或折算成本。两者之差，就是计费机制与用量结构共同造成的偏差。
四、第三方实测结果汇总
关键数据表 2：第三方实测值（按来源分列）
| 来源 | 模型 | 测试口径 | token 结构 | 实测成本 | 记录日期 | 状态 |
|---|---|---|---|---|---|---|
| 《财经》杂志·吴俊宇 | V4-Pro | OpenCode 框架跑固定任务（谷歌 24 季报提取 10 项指标入 Excel），涨价前后各 6 次，每次 1 亿 token | 缓存命中 95.9%–97%，未命中输入 1.6%–2%，输出 1.2%–2% | 涨价前 17.5 元/亿；涨价后错峰 50.1 元、高峰 102.2 元（=2.9–5.8 倍） | 2026-08-17 前后 | 现行价 |
| 同上 | V4-Flash | 同上 | 同上（智能体任务典型结构） | 涨价前 6.4 元/亿；涨价后错峰 13.1 元、高峰 25.7 元（=2.0–4.0 倍） | 2026-08-17 前后 | 现行价 |
| 量子位·梦晨 | V4-Pro | Agent 编程任务实测 | 缓存命中约 95%（Pro）/约 91%（Flash） | 3500 万 token：降价前 31.73 元，按降价后新价 5.34 元（省约 83%）；另一次 1300 万 V4-Pro token 实花 2.36 元（命中约 96%） | 2026-04-27 | 历史价 |
| Apidog | Flash/Pro | 发布首日报价快照 + 成本建模 | 缓存命中折扣约 80%（Flash）/92%（Pro） | 发布首日：Flash $0.14 输入 / $0.28 输出；Pro $1.74 输入 / $3.48 输出 | 2026-04-23/24 | 历史价 |
口径提醒：不同来源的"一次推理"定义不同，不可横向直接比大小。上表仅在"同一任务、同一结构"内部比较才有意义。《财经》的口径最接近真实账单（真实扣费）；量子位、Apidog 的数字是历史价，切勿套用到当前峰谷价。
第三方口径的立场提示：量子位（"价格屠夫"等营销话术）与 Apidog（含自家产品导流）带商业/情绪化框架；《财经》为独立媒体实测，相对最中性。本文仅取其中可核验的数字，已去除情绪化表述。
五、成本差异来源分析（含交叉验证）
即便官方价格完全准确，实测与"厂商预测"仍可能出现显著差额，主要来自四方面：
- 缓存命中率：命中价远低于未命中价（V4-Pro 错峰价差约 30 倍、高峰亦 30 倍）。智能体任务命中率通常在 90% 以上，若冷启动（未命中）占比高，账单会被放大。
- 输入/输出长度配比：输出单价远高于输入。长输出场景（代码生成、报告）成本主要由输出决定，官方页"每百万 token"的单一印象容易误导。
- 模型路由/版本差异：旧接口名（
deepseek-v4-flash等）会被路由到 V4.1-Flash；不同版本的 token 化/计价不同，同请求可能产生不同账单。 - 计费粒度与分时：最小计费单元、取整方式、高峰/错峰时段，都会让真实扣费偏离"单价 × 用量"的线性估算。
交叉验证（本文自算，方法透明）：把《财经》实测的 token 结构（命中 95.9%–97%、未命中 1.6%–2%、输出 1.2%–2%）代入官方单价，按 1 亿 token 计算：
- V4-Pro：错峰预测区间约 $5.6–$7.4，高峰约 $11.1–$14.8；《财经》实测 50.1 元 / 102.2 元（按 7.0–7.2 元/美元折合约 $7.0–$7.2 / $14.2–$14.6），落在预测区间内，两者吻合。
- V4-Flash：错峰预测约 $1.3–$1.8、高峰约 $2.5–$3.6；《财经》实测 13.1 元 / 25.7 元（约 $1.8–$1.9 / $3.6–$3.7），基本吻合、略偏区间上沿（与该场景输出占比偏高一致）。
结论：官方单价是准的；实测与标价之间的"差额"不是计价错误，而是 token 结构与峰谷时段的函数。 这也意味着，成本预测的关键不是怀疑标价，而是准确预估自己业务的命中率与输出占比。
六、对开发者与企业的启示
- 成本预算：用公式拆解而非单一单价；先估输入/输出 token 量与缓存命中率，再代入命中/未命中、高峰/错峰各档单价。
- 场景选型：输入重、输出轻（分类、抽取）优先看输入价，可用 Flash；输出重、推理重（写作、复杂代码）才上 Pro，并优先关注输出价与 reasoning token。
- 降本实践：
- 固定并复用 system prompt / 工具 schema / RAG 上下文，抬高缓存命中率（这是最大杠杆，命中价可低至未命中的约 1/30）；
- 控制输出长度（max_tokens、要求精炼），慎开高思考档（reasoning token 按输出价计费）；
- 把批量/可延后任务挪到错峰时段（半价）；
- 定期回看账单，对比"厂商预测 vs 实测"，发现路由或计费异常。
七、结论与后续跟踪
- 官方口径适用场景：单位成本测算、跨模型比价、理解定价页规则。
- 实测口径适用场景：真实账单预测、容量规划、降本优化。
- 两者不是"谁对谁错"，而是"理论价"与"落地价"的关系；偏差本身就是要持续监控的指标。
待更新数据点：① 官方缓存命中判定的精确阈值（前缀长度、逐字节一致性）需以官方缓存文档核实；② 6 月底"V4 正式版涨价"报道（量子位）的具体范围本文未逐一核对，需补充；③ 各家实测的思考（thinking）模式 token 膨胀系数与对应成本；④ 官方页面的具体更新日期戳（当前仅能确认 © 2026 与峰谷计价版本）。
