Build a Reliable DeepSeek Cost Estimator for V4-Flash and V4-Pro

“在生产中这实际上会花费多少？”是任何工程经理在批准DeepSeek迁移之前首先询问的问题。一个好的DeepSeek成本估算器会通过三个数字来回答这个问题，而不是一个：缓存命中输入、缓存未命中输入和输出令牌——每个请求都分别定价。如果桶分配错误，你的预测可能会相差一个数量级，尤其是在你混淆了V4-Flash和V4-Pro层级时，这两个层级在列表上的输出大约相差12倍（在2026-05-31之前V4-Pro 75%促销期间为3倍）。本文将介绍截至2026年4月25日的确切费率，每个调用估算背后的数学原理，以及你在批准预算前应该压力测试的假设。

DeepSeek成本估算器实际上需要计算的内容

DeepSeek按每百万令牌计费API，但单个请求消耗的令牌分布在 三个不同的桶中每个都按照自己的速度进行。在简略预测中，跳过这三个中的任何一个都是最常见的错误。

• 缓存命中输入 tokens — DeepSeek的上下文缓存已经见过的提示前缀部分。三者中最便宜的。
• 缓存未命中输入 tokens — 模型需要从头开始处理的全新输入。这包括即使系统提示已缓存的新用户消息。
• 输出令牌 — 模型生成的所有内容，包括任何 reasoning_content 在思考模式下发出的。

The current generation is DeepSeek V4，于2026年4月24日作为预览版发布，有两种开源版本：DeepSeek-V4-Pro，一个包含160亿参数的模型，和DeepSeek-V4-Flash，一个更精简的2840亿参数的兄弟版本。两者都暴露了相同的功能集，包括100万个token的上下文窗口和最多384K个输出token。定价——以及因此你的估计——完全取决于你选择的哪个层级。

DeepSeek V4截至2026年4月的定价

已通过官方DeepSeek定价文档验证，并由独立追踪器证实。deepseek-v4-flash的费用为每100万个缓存命中输入token 0.0028美元（自2026年4月26日起降低了10倍，从0.0028美元降至0.0028美元），每100万个缓存未命中输入token 0.14美元，每100万个输出token 0.28美元。deepseek-v4-pro的定价为每100万个token 0.0145美元/1.74美元/3.48美元；到2026年5月31日15:59 UTC为止的75%促销折扣将价格降至0.003625美元/0.435美元/0.87美元。

在任何估算器中值得注意的一个细微差别：无论你处于思考模式还是非思考模式，价格都是相同的。模型ID设定了费率；推理模式只是改变了你以该费率消耗多少token。处于思考模式的调用仅仅产生更多的输出token，因为推理跟踪与最终答案一起计费。

如果您正在维护一个仍然指向旧版ID的集成，您有一个截止日期。注意：DeepSeek Chat 和 DeepSeek Reasoner 将于 2026 年 7 月 24 日 15:59（UTC 时间）完全退役且不可访问。（目前路由到 DeepSeek V4 Flash 非思考/思考模式）。修复方法只需一行代码。 model= swap; the base_url stays the same.

估算公式

每次调用估算都是相同的三个步骤。选择一个层级，输入令牌计数，求和。

调用成本 = (cache_hit_tokens   × hit_rate    / 1_000_000)
          + (cache_miss_tokens  × miss_rate   / 1_000_000)
          + (output_tokens      × output_rate / 1_000_000)

对于月度支出，进行乘法运算 调用成本 由您的调用量决定。困难的部分不是算术——而是预测缓存命中率。DeepSeek 的缓存是自动的：缓存命中率定价是自动的。每个针对同一账户的具有重复前缀的请求都能受益；您无需进行选择或设置任何连接。前缀必须至少有 1,024 个标记长，并且必须字节对字节匹配。如果您的提示具有长且稳定的共同前缀，您的命中将占主导地位。如果每个调用都是唯一的，您将支付几乎所有内容的未命中率。

一个简单的Python草图

The DeepSeek API is OpenAI-compatible. Chat requests hit POST /chat/completions, the OpenAI-compatible endpoint, against https://api.deepseek.com。您还可以将 Anthropic SDK 指向相同的基 URL。以下是对 V4-Flash 的最小 Python 调用示例：

from openai import OpenAI

client = OpenAI(base_url="https://api.deepseek.com", api_key="...")

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": SYSTEM_PROMPT},  # cached after first call
        {"role": "user",   "content": user_msg},
    ],
    temperature=1.3,   # general conversation
    max_tokens=1024,
)

usage = resp.usage  # has prompt_tokens, completion_tokens, prompt_cache_hit_tokens, etc.

The usage 每个响应中的对象是估计器的真实来源：它分别报告缓存命中和缓存未命中比例，因此您可以对实际流量进行校准，而不是猜测。该 API 是无状态的——您必须在每个请求中重新发送对话历史——这也是为什么缓存如此重要的原因：重新发送的历史是下一次轮次中触发的缓存。

工作示例：每月100万次调用

假设一个具有稳定的 2,000 个标记系统提示（跨调用缓存）的代理，一个 200 个标记的用户消息（未缓存，因为它每次都变化），以及一个 300 个标记的响应。在一个月内运行该工作负载一百万次。

V4-Flash — 默认推荐

V4-Pro — 前沿级

相同的工作负载，在 2026 年 5 月 31 日之前 75% 的 V4-Pro 促销期间，大约有 3 倍的花费差距（一旦列表费率恢复，差距将扩大十倍）。这个差距是任何估计师应该揭示的最重要数字，因为它直接告知路由问题： 您实际上需要V4-Pro来完成这项任务吗，还是V4-Flash就可以？ DeepSeek自身的框架在这里很有帮助。对于代理使用，Pro是正确的模型。对于聊天和推理工作负载，Flash与Pro非常接近，因此在价格性能权衡中通常更倾向于它。

大多数估算师都会忽略的隐藏项目

三种类型的令牌消耗经常使预测大幅增加。

1. 思维模式输出膨胀。 当您设置 reasoning_effort="high" with extra_body={"thinking": {"type": "enabled"}}时， reasoning_content alongside the final contentAPI返回 reasoning_effort="max" requires max_model_len >= 393216 。这两者都计入计费输出。
2. 会话历史。 由于API是无状态的，每个多轮消息都必须重新发送之前的轮次。到第十轮时，输入桶的大小可以是用户实际消息的五到十倍。缓存可以缓解这一点，但仅限于字节对字节重复的情况。
3. JSON模式重试次数。 JSON模式旨在返回有效的JSON，但不保证。计划偶尔出现空响应和重新提示；包括“json”一词以及一个小示例模式，并设置 max_tokens 足够高以避免截断。重试按全额计费。

推荐的温度设置以匹配DeepSeek的文档

温度本身不会改变你的账单，但它会以确实会影响账单的方式改变输出长度分布。

自建估算器与使用我们的估算器相比

你有三种合理的路径。如果你的流量可预测，电子表格就有效：每行一个工作负载类型，三列对应三个桶，乘以调用量。一个与你的 usage 日志更准确，因为它读取实际的缓存命中率而不是猜测。并且我们的托管 DeepSeek pricing calculator 相关联的小型Python脚本以UI形式处理V4-Flash/V4-Pro的分割和缓存前缀折扣。将它们中的任何一个与 DeepSeek token counter 在调用API之前获取准确的输入大小。

峰时折扣值得关注，因为它们曾经是主要的优化杠杆。现在它们不再有效——DeepSeek于2025年9月5日停止了夜间50%/75%折扣，并且没有为V4恢复此折扣。不要对它们进行建模。

对你的预测进行合理性检查

• 你是否说明了层级？ “DeepSeek将花费$X”而没有提及Flash或Pro是一个红旗。
• 你是否列出了三个桶？ 除非你的缓存命中率真正为0%，否则单行的“输入×速率”是错误的。
• 你是否考虑了每次调用中的用户消息？ 即使在有完全缓存的系统提示下，新的用户内容也是未命中的。
• 您是否使用2倍输出倍数进行了压力测试？ 思维模式推理通常会将输出令牌计数翻倍或三倍。
• 您是否在承诺预算当天验证了与官方定价页面的比率？ V4处于预览阶段，DeepSeek保留调整的权利。

这在你的DeepSeek工具链中的位置

成本估算是一个更大工作流程中的一个节点。在预测之前，你需要准确的令牌计数；在预测之后，你需要将预测结果与实际使用日志进行验证。有用的相关阅读： DeepSeek API pricing 参考标准比率表，该 DeepSeek context caching 指南涵盖了影响您命中率的成败的词前缀规则，以及 DeepSeek API best practices 对于结构变化（首先是静态内容，然后是确定性的前缀）以最大化缓存命中。如果你在层级之间进行选择，请参考： DeepSeek V4-Flash and DeepSeek V4-Pro 模型页面详细介绍了功能差异。要获取完整的可用 DeepSeek tools and utilities清单，中心列表包括了从令牌计数器到状态检查器的一切。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.