DeepSeek涨价Claude Code烧钱：Dev成本控制三招

DeepSeek 涨价、Claude Code 成本飙升：越南开发团队该怎么办？

Originally published on NextFuture

这个月的 Claude Code 账单突然飙到几千美元，而 DeepSeek——你曾经用来省钱的那个便宜 API——刚刚宣布全面涨价。如果团队还是把所有任务都默认用 Opus 模型，成本会持续攀升却无人察觉。本文指出 3 个具体抓手，帮助你在这个月内控制住 AI 成本，从选模型到自托管 LLM 全覆盖。

涨价信号：DeepSeek 不再是永远的最低价 API

DeepSeek 刚刚发布公告："plans to raise DeepSeek API service pricing across the board soon; a relatively large increase is expected"。此前 DeepSeek 曾经把 V4-Flash 打到 $0.14/M input token——这是市场上最低价之一。更值得注意是，DeepSeek 已经公布了分时段定价机制：在两个高峰时段（北京时间 9-12 点和 14-18 点），input token 价格从 $0.14/M 翻倍到 $0.28/M，output 从 $0.28/M 涨到 $0.56/M。cached input（$0.0028/M）和 cache-miss input（$0.14/M）之间的差距高达 50 倍——这意味着如何设计 prompt prefix 来优化缓存，现在比选哪个便宜模型更重要。

Claude Code：失控的话账单轻松破 1500 EUR/月

根据一份面向 CTO/团队负责人的指南，10 人团队如果无节制地使用 Claude Code，可能"drain €1.500+ monthly"。这份文档显示 Sonnet 和 Opus 的价差大约是 5:1，所以选模型是影响成本最大的杠杆。按平均水平使用量（每天 40 次调用，每次 4000 input token、800 output token，每月 22 个工作日），10 人团队每月消耗约 1800-2200 万 token——按 Sonnet 价格，费用在 180-300 EUR/月；同样用量切到 Opus，账单就涨到 900-1500 EUR/月。Anthropic Console 支持设置 hard cap（超出阈值直接阻断 API 调用）和 soft warning（达到预算 70% 时提醒）——这两个控制手段不需要改变开发者的日常工作方式。

自托管 Llama 3.3 70B：省钱但要清楚 trade-off

另一份指南描述了通过 vLLM 配合 dynamic LoRA routing 部署 Llama 3.3 70B 的方案，使用 DigitalOcean 一台月费 $12 的 GPU Droplet（NVIDIA H100）或 $10 的（L40S）。作者声称系统能处理 50+ 并发请求，500K token inference 测试只花了不到 $1。相比 Claude Opus 的 $15/M input token，作者算出自托管系统的成本约 $0.11/M input token——这个"135x cheaper"的数字来自个人博客的自行测量，未经独立 benchmark，只能作为大容量且数据不太敏感的工作负载的参考信号，不能拿来替代日常工作中全部使用 Claude Code 的场景。

本周应该做的 3 件事

去 Anthropic Console 查看最近 2-4 周每个 API key 的用量，在 CLAUDE.md 里把 Sonnet 设为默认模型，Opus 只用于复杂推理任务。

去 Anthropic Console 查看最近 2-4 周每个 API key 的用量，在 CLAUDE.md 里把 Sonnet 设为默认模型，Opus 只用于复杂推理任务。

设置月度预算的 hard spend cap，并配合 70% 的 soft alert——防止 automated loop/agent mode 运行时间过长导致 token 意外暴涨。

设置月度预算的 hard spend cap，并配合 70% 的 soft alert——防止 automated loop/agent mode 运行时间过长导致 token 意外暴涨。

如果团队有大容量的批量/离线工作负载（data synthesis、offline indexing），可以先尝试自托管 Llama 或把 batch job 迁移到 DeepSeek 的非高峰时段，再决定是否要把全部 production 流量切过去。

如果团队有大容量的批量/离线工作负载（data synthesis、offline indexing），可以先尝试自托管 Llama 或把 batch job 迁移到 DeepSeek 的非高峰时段，再决定是否要把全部 production 流量切过去。

This article was originally published on NextFuture. Follow us for more fullstack & AI engineering content.

For further actions, you may consider blocking this person and/or reporting abuse