DeepSeek API全面涨价：按时段计费+即将上调幅度

DeepSeek API全面涨价：按时段计费+即将上调幅度 | 前端进阶之旅

Full translation

完整中文译文

开场：两条公告，两个方向，同一天

8 月 6 日，AI API 市场罕见地出现了"分屏"一幕。OpenAI 宣布 GPT-5.6 Luna 将成为 ChatGPT 免费版的默认模型，免费用户可享受无限量文本对话。就在同一天，DeepSeek 发布通知称"近期拟全面上调 DeepSeek API 服务价格，涨幅相对较大，请提前做好使用规划。"过去一年，开发者一直处于单向叙事的叙事中：AI API 价格只会下跌。7 月 30 日，OpenAI 将 Luna 的 API 价格下调 80%（至输入 $0.20/M、输出 $1.20/M）。DeepSeek 本身也凭借 V4-Flash 以 $0.14/M 输入的价格将"接近前沿智能"推向了地板价。如今，这场价格战的始作俑者成了第一个明确宣布大幅涨价的前沿模型提供商。单向下调价格的时代已经结束，价格开始双向波动。

公告背后的三个信号

信号一：分时定价率先登场，将 GPU 稀缺性直接写入价格。 全面涨价并非孤立行动。DeepSeek 此前已宣布了高峰/低谷机制：每天两个时段（北京时间 9:00-12:00 和 14:00-18:00），API 价格翻倍——输入（未命中缓存）从 $0.14/M 涨至 $0.28/M，缓存输入从 $0.0028/M 涨至 $0.0056/M，输出从 $0.28/M 涨至 $0.56/M（已公告，尚未生效）。其逻辑类似于电力市场的拥堵定价：不是对每次请求收取相同费用，而是将高峰 GPU 负载的稀缺性直接转嫁给调用方。OpenAI、Anthropic 和 Google 仍按模型和 token 数量定价，不分时段；DeepSeek 是第一个跨越这条线的前沿模型提供商。

信号二：即便大幅涨价后，价格差距依然巨大。 根据 Artificial Analysis 的标准化任务加权成本评估：

V4-Flash 与 Fable 5 之间大约存在 100 倍的成本差距。除非调整幅度达到数倍极端水平，否则涨价后 DeepSeek 大概率仍会处于全球价格区间的低端。但对于每月结算账单的工程团队来说，问题不在于绝对数字，而在于不确定性：涨价百分比未知、生效日期未知——这两个未知本身就是一种架构风险。

信号三：缓存差价是最大的可控变量。 注意 DeepSeek 价格表中常被忽视的细节：缓存输入 $0.0028/M 对比未命中缓存的输入 $0.14/M——50 倍的差距。同样的模式也出现在 Qwen3.8-Max 上（隐式缓存 $0.25/M 对比全新输入 $2/M，8 倍差距）。当基础价格开始波动时，prompt 前缀的稳定性比 prompt 长度更有价值。由此我们可以推导出双向价格时代的三个层次的 cost engineering：

缓存工程（Cache Engineering）：将 system prompt、tool definitions 和 few-shot 示例固定为稳定前缀，所有动态内容追加在尾部，最大化缓存命中率；
时间窗口调度（Time-Window Scheduling）：将批量评估、数据合成、离线索引等任务移至低谷时段，高峰期只保留在线流量；
价格感知路由（Price-Aware Routing）：将"使用哪个模型"从代码常量提升为路由策略，这样价格变动触发的是配置更新而非重构。

实践篇：将价格公告转化为配置变更

第三层最为重要。如果你的代码库里到处硬编码某家供应商的 endpoint 和模型名称，那么每次价格公告都意味着新一轮评估、代码修改和回归测试。如果所有调用都通过统一接口，模型选择在某一处收敛，那么切换只是一行字符串的修改。这正是 model gateway 的用武之地。wrouter.ai 提供统一的 OpenAI 兼容接口：接口稳定，只需维护一套 SDK 和一套认证路径而非多套；模型目录完整，DeepSeek、Qwen、GPT、Claude、Kimi 等主流模型均可通过同一 endpoint 调用；账单统一，一张发票即可并排比较各模型的真实加权成本——涨价生效之日，你可以立即看到成本曲线变化并立即完成切换。

from openai import OpenAI

client = OpenAI(
    base_url="https://wrouter.ai/v1",
    api_key="YOUR_WROUTER_KEY",
)

# Price-aware tiered routing: when prices move, edit this table only
MODEL_TIERS = {
    "bulk":     "deepseek-v4-flash",   # batch jobs, run off-peak
    "everyday": "gpt-5.6-terra",       # everyday workloads
    "hard":     "claude-fable-5",      # hard reasoning, on demand
}

def ask(task_tier: str, prompt: str):
    return client.chat.completions.create(
        model=MODEL_TIERS[task_tier],
        messages=[{"role": "user", "content": prompt}],
    )

假设 DeepSeek 的涨价落地，你的批量层加权成本翻倍超过了某个阈值：在上面代码中，你只需把映射到"bulk"的值改为另一个模型 ID，其他什么都不用动。这就是配置变更与架构重写的区别。

DeepSeek 的公告未必是坏消息——它标志着行业开始认真对待推理的真正成本。但对开发者的信息很明确：价格现在是一个双向波动的变量，而非只向下滑动的曲线。把模型选择变成可配置的路由，把账单变成并排报告，下次"涨幅相对较大"的公告发布时，你就能先喝完咖啡再动手。如果你还没有构建多模型调用层，wrouter.ai 的统一接口是一个不错的起点。

BigGo: DeepSeek Signals Significant API Price Hike — https://finance.biggo.com/news/f409d164-bcb9-49a7-9d6b-c8c4db98cf7f

IBTimes: DeepSeek Announces Peak-Hour API Pricing for V4-Flash — https://www.ibtimes.sg/deepseek-announces-peak-hour-api-pricing-v4-flash-signaling-shift-demand-based-ai-costs-91661

OpenAI: Improving GPT-5.6 Sol in ChatGPT and expanding GPT-5.6 Luna for free users — https://openai.com/index/improving-gpt-5-6-sol-in-chatgpt/

OpenAI: Advancing the price-performance frontier with GPT-5.6 — https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

DataNorth: DeepSeek releases DeepSeek V4-Flash-0731 — https://datanorth.ai/news/deepseek-releases-deepseek-v4-flash-0731