DeepSeek Token Counter: How to Measure Prompt Size and API Cost

您即将向`deepseek-v4-pro`发送一份30,000字的合同，在运行之前您需要了解两件事：它是否适合上下文窗口，往返成本是多少？这正是DeepSeek令牌计数器的工作——它将原始文本转换为API计费和收费的相同单位，因此您可以调整提示以适应1,000,000个令牌的上下文，预测每次调用的花费，并避免意外截断。本指南将介绍官方离线分词器、第三方网页计数器、每次聊天完成返回的实时`usage`块，以及如何将这些数字转换为V4-Flash和V4-Pro上的实际美元金额。到那时，您将拥有一个可以今天粘贴到脚本中的工作流程。

深寻（DeepSeek）令牌计数器实际统计的内容

令牌是模型看到的文本块，也是DeepSeek计费的单位。令牌是模型用来表示自然语言文本的基本单位，也是DeepSeek用于计费的单位——它们可以直观地理解为“字符”或“单词”，通常一个中文词、一个英文词、一个数字或一个符号算作一个令牌。令牌计数器将模型的分词器应用于您的文本，并返回一个整数。相同的字符串在不同的模型上可能会产生不同的计数，因为每个分词器都有不同的词汇表，所以针对GPT或Claude校准的计数器只能为DeepSeek提供一个近似值。

在您调用之前进行计数的两个原因：

• 适配检查。 DeepSeek V4系列两个等级都提供了100万个token的上下文窗口，输出限制在384,000个token。如果您的提示和预期回复超过这个预算，请求将失败或截断。
• 成本预测。 V4-Flash的输出费率为每百万token 0.28美元；V4-Pro的输出费率在2026-05-31前的75%促销期间为0.87美元（标价3.48美元）。10倍的价格差异使得猜测变得昂贵。

DeepSeek本身坦诚地表示，估计只是估计。由于不同模型使用的分词方法不同，转换比率可能有所变化，每次实际处理的token数量基于模型的返回值，您可以从使用结果中查看。换句话说：发送前估计，发送后核对。

深度搜索token的四种计数方法

适合的工具取决于您是在绘制提示、编写批量作业脚本，还是审计完成的账单。

1. 官方离线分词器

DeepSeek发布了一个可下载的分词器演示。您可以在以下zip包中运行演示分词器代码，以计算输入/输出的token使用情况。在CI或预提交钩子中使用它来标记超过阈值的提示。对于V4而言，最干净的方法是随权重一起提供的Hugging Face词汇表：

以下Python代码片段使用V4-Pro分词器来计数聊天风格的消息列表，反映了模型将在线路上看到的内容：

from transformers import 自动分词器
from encoding_dsv4 import encode_messages

tokenizer = 自动分词器.from_pretrained("deepseek-ai/DeepSeek-V4-Pro")

messages = [
    {"role": "system", "content": "You are a careful legal assistant."},
    {"role": "user", "content": "Summarise the attached contract."},
]

prompt = encode_messages(messages, thinking_mode="non-thinking")
n_tokens = len(tokenizer.encode(prompt))
print(n_tokens)

此模式直接来源于模型卡片。DeepSeek提供了一个专门的编码文件夹，其中包含Python脚本和测试用例，展示了如何将消息编码成与OpenAI兼容的格式并输入到模型中，以及如何解析模型的文本输出。同样的方法适用于；只需交换模型ID。如果您需要周围API配置的逐步说明，请参阅 deepseek-ai/DeepSeek-V4-Flash;只需交换模型ID。如果您需要周围API配置的逐步说明，请参阅 DeepSeek Python integration 教程涵盖了项目布局、环境变量和错误处理。

2. 基于网络的深度搜索token计数器

几种浏览器工具提供粘贴并计数的工作流程，用于简单的估计。它们适用于一次性提示草稿，但有两个注意事项：V4（于2026年4月24日发布）的词汇表可能尚未在所有第三方工具中实时更新，并且大多数计数器不应用V4聊天模板，因此多轮对话会因一个小固定开销而低估。将结果视为下限，而不是上限。

3. 权威性数字——API usage 字段

Chat requests hit POST /chat/completions, the OpenAI-compatible endpoint at https://api.deepseek.com。每个响应都包含一个 usage 块是计费的真实来源。DeepSeek API参考定义了六个字段：使用对象是DeepSeek聊天完成响应中的核心会计块，目前定义了completion_tokens、prompt_tokens、prompt_cache_hit_tokens、prompt_cache_miss_tokens、total_tokens和completion_tokens_details.reasoning_tokens。

• prompt_tokens ——总输入令牌。它等于prompt_cache_hit_tokens + prompt_cache_miss_tokens。
• prompt_cache_hit_tokens ——重用了缓存前缀的输入令牌（低费率）。
• prompt_cache_miss_tokens ——没有重用缓存前缀的输入令牌（全费率）。
• completion_tokens — 输出模型生成的令牌。
• completion_tokens_details.reasoning_tokens ——当思考模式开启时，这是用于推理跟踪的完成令牌的一部分。API返回 reasoning_content alongside the final content，并且这些令牌将按照标准输出费率计费。
• total_tokens — 提示和完成的总和。

实用规则：在发送之前进行估计，但在收到响应后进行会计。记录完整的分解——而不仅仅是 total_tokens — 否则，您将失去解释账单的缓存命中信号。

4. Python：解析 usage 每次调用

使用OpenAI SDK和DeepSeek的基础URL的最小日志辅助工具：

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Hello"}],
)

u = resp.usage
print({
    "prompt_tokens": u.prompt_tokens,
    "cache_hit": u.prompt_cache_hit_tokens,
    "cache_miss": u.prompt_cache_miss_tokens,
    "completion_tokens": u.completion_tokens,
    "total": u.total_tokens,
})

For the wire-level shape of every 字段, see the DeepSeek API documentation。如果您从JavaScript调用，该 DeepSeek Node.js integration 指南展示了与OpenAI Node SDK相同的模式。

从token计数到美元成本

一旦您有 prompt_cache_hit_tokens, prompt_cache_miss_tokens and completion_tokens数学计算是机械的——但您必须应用正确的费率表。截至2026年4月，V4-Flash和V4-Pro的费率非常不同：

在您承诺预算之前确认费用——预览窗口的价格可能会变动。 official DeepSeek pricing page 在您提交预算之前确认费用——预览窗口的价格可能会变动。

实例A——V4-Flash，每天1百万次调用

假设一个2,000个token的系统提示符在调用间缓存，200个token的用户消息（每个调用不缓存），以及300个token的回复。对于一百万次调用：

• Cached input: 2,000 × 1,000,000 = 2,000,000,000 tokens × $0.0028/M = $5.60
• Uncached input: 200 × 1,000,000 = 200,000,000 tokens × $0.14/M = $28.00
• Output: 300 × 1,000,000 = 300,000,000 tokens × $0.28/M = $84.00
• Total: $117.60

实例B——V4-Pro，相同的工作负载

• Cached input: 2,000,000,000 × $0.0145/M = $29.00
• Uncached input: 200,000,000 × $1.74/M (list) = $348.00
• Output: 300,000,000 × $3.48/M (list) = $1,044.00
• Total: $1,421.00 at list (currently $355.25 during the 75% V4-Pro promo through 2026-05-31)

以下两点容易让大多数团队出错。首先，不要跳过未缓存的输入行——即使系统提示符已缓存，每个新的用户消息都会对该前缀产生新的未命中，直到模型之前见过。其次，不要在一个计算中混合不同级别的费率；选择V4-Flash或V4-Pro并坚持下去。如果您想自动化计算，请 DeepSeek pricing calculator 遍历两层，并带有可编辑的输入，以及 DeepSeek cost estimator 处理月度预测。

为思维模式计数token

思考模式是V4模型上的一个请求参数，而不是一个单独的模型ID。设置为最大努力推理。然后模型在答案之前发出推理跟踪；API返回 reasoning_effort="high" with extra_body={"thinking": {"type": "enabled"}}, or reasoning_effort="max" for max-effort reasoning. The model then emits a reasoning trace before the answer; the API returns reasoning_content alongside the final content，推理令牌按标准输出费率计费。

令牌计数有两个实际影响：

1. 预留更多的输出预算。 推理跟踪通常运行数千个令牌。对于思考最大工作负载，将 max_tokens 至少设置为384K，并确保您的上下文窗口大小相应。
2. 查看 completion_tokens_details.reasoning_tokens. 对于难题，推理与最终内容的高比例是正常的；对于简单查询，高比例意味着您应该退回到非思考模式。

Legacy IDs deepseek-chat and deepseek-reasoner still work and currently route to deepseek-v4-flash, but they retire on 2026-07-24 at 15:59 UTC; migration is a one-line model= 不交换，否 base_url 更改。该 DeepSeek context caching 指南解释了前缀重用如何在生产中与令牌计数交互。

常见计数错误

• 使用 GPT 令牌化器为 DeepSeek。 词汇表不同；预期有 5-15% 的漂移，非英语文本更多。
• 忘记聊天模板开销。 角色、特殊token和消息分隔符都会消耗token。在原始消息字符串中计数会低估。
• 忽略缓存分割。 如果您只记录 total_tokens，您无法判断您的账单之所以高是因为提示符过长还是因为缓存没有成功。
• 混合模型速率。 以 V4-Flash 速率计算 V4-Pro 工作负载是输出上的 10 倍错误。
• 跳过 max_tokens 使用 JSON 模式。 JSON 模式旨在返回有效的 JSON，但不保证；截断的输出是无效输出。

关于周围管道（认证、速率限制、JSON模式注意事项）的更多信息，请参阅 DeepSeek tools and utilities hub and the DeepSeek API best practices guide.

实用工作流程

1. 在任何文本编辑器中草拟提示。
2. 通过离线分词器（Hugging Face 自动分词器 使用V4-Pro或V4-Flash仓库）来估计提示大小。
3. 使用您选择的层级的费率卡和预期的输出大小来估算项目成本。
4. 发送单个真实调用；捕获整个 usage 块。
5. 对比估计值与实际值；调整您的预测乘数。

每个提示模板做一次，您就不会再对每月账单感到惊讶了。

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.