DeepSeek-API-Preise 2026: Kosten bei Cache-Hit und Cache-Miss

By TokuseTokuse
KIAPIDeepSeekKostenoptimierung

DeepSeek hat einen Preis, der für die Budgetplanung fast zu niedrig erscheint: $0.003 für eine Million Eingabe-Tokens mit Cache-Hit. Das ist der aktuelle Listenpreis für deepseek-flash außerhalb der Spitzenzeiten. Das erklärt, warum immer mehr Teams DeepSeek für umfangreiche Zusammenfassungen, Extraktion, Klassifizierung und Entwicklerautomatisierung testen.

Tokuse testen: Kostenloses Konto erstellen und die erste Anfrage über einen einzigen OpenAI-kompatiblen Endpunkt senden.

Die entscheidende Frage ist nicht, ob die beworbene Zahl niedrig ist. Entscheidend ist, welcher Traffic diese Zahl erreicht, welcher Traffic den vollen Eingabepreis zahlt und wie viel Ausgabe der Dienst zurückliefert. Eine kleine Veränderung dieser drei Verhältnisse kann eine Monatsrechnung um ein Mehrfaches verschieben.

Dieser Leitfaden verwendet die öffentlichen Preise von DeepSeek, verifiziert am 9. November 2026. Preise können sich ändern; prüfen Sie daher die offizielle Preisseite, bevor Sie ein Budget festlegen.

DeepSeek-API-Preise pro Million Tokens im Jahr 2026

DeepSeek gibt Preise pro eine Million Tokens an:

Modell Eingabe, Cache-Hit Eingabe, Cache-Miss Ausgabe Kontext
deepseek-flash außerhalb der Spitzenzeiten $0.003 $0.15 $0.60 1M
deepseek-flash Spitzenzeit $0.006 $0.30 $1.20 1M
deepseek-v4-pro außerhalb der Spitzenzeiten $0.022 $0.66 $1.98 1M
deepseek-v4-pro Spitzenzeit $0.044 $1.32 $3.96 1M

Tokuse routet diese Modelle. Die Tabelle zeigt die offiziellen Listenpreise von DeepSeek; die Gruppenpreise von Tokuse können abweichen. Den tatsächlich zu zahlenden Tarif finden Sie auf der Tokuse-Preisseite.

Spitzenzeiten sind Montag bis Freitag von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC, ausgenommen chinesische Feiertage. Jede andere Stunde wird zum Preis außerhalb der Spitzenzeiten abgerechnet. Die aktuellen Modellmetadaten nennen außerdem ein Kontextfenster von 1 Mio., bis zu 384K Ausgabe-Tokens, JSON-Ausgabe, Tool-Aufrufe, die Responses API, eine Anthropic-kompatible API und Bildverständnis für deepseek-flash.

Der Cache-Hit-Preis ist 50-mal niedriger als der Cache-Miss-Preis außerhalb der Spitzenzeiten. Diese Lücke ist der wichtigste Kostenhebel.

Ein durchgerechnetes Beispiel mit 100 Mio. Tokens

Nehmen wir an, eine Batch-Workload verbraucht 100 Mio. Eingabe-Tokens und erzeugt 10 Mio. Ausgabe-Tokens. Neunzig Prozent der Eingabe sind ein stabiler System-Prompt, ein Schema, eine Richtlinie oder ein Dokumentpräfix, das DeepSeek cachen kann.

Kostenbestandteil Tokens Tarif Kosten
Cache-Hit-Eingabe 90M $0.003 / 1M $0.27
Cache-Miss-Eingabe 10M $0.15 / 1M $1.50
Ausgabe 10M $0.60 / 1M $6.00
Summe außerhalb der Spitzenzeiten $7.77

Dieselbe Anfragemischung kostet zu Spitzenpreisen $15.54. Die Ausgabe dominiert nun die Rechnung, obwohl das Eingabevolumen zehnmal größer ist.

Das Cache-Verhalten hat spürbare Auswirkungen. Bei 100 Mio. Eingabe-Tokens und 10 Mio. Ausgabe-Tokens verändern sich die Eingabekosten außerhalb der Spitzenzeiten wie folgt:

Cache-Hit-Rate Cache-Hit-Kosten Cache-Miss-Kosten Ausgabekosten Gesamt
0% $0.00 $15.00 $6.00 $21.00
50% $0.15 $7.50 $6.00 $13.65
90% $0.27 $1.50 $6.00 $7.77
99% $0.30 $0.15 $6.00 $6.45

Die Schlussfolgerung ist eindeutig. Stabile Präfixe beibehalten, Ausgaben klein halten und flexible Arbeit außerhalb der Spitzenzeiten verschieben.

Fünf Stellschrauben, die die tatsächliche Rechnung verändern

1. Das wiederverwendbare Präfix stabil halten

Setzen Sie Systemanweisungen, Ausgabeschemas, Richtlinientexte und große wiederverwendbare Dokumente an den Anfang des Prompts. Die wechselnde Frage, Benutzerdaten und Zeitstempel gehören hinter dieses Präfix. Kleine Änderungen innerhalb eines langen Präfixes können den Cache ungültig machen und den Traffic vom Tarif von $0.003 auf den Tarif von $0.15 verschieben.

2. Kurze und lange Ausgabeaufträge trennen

Auf deepseek-flash kosten Ausgabe-Tokens viermal so viel wie Cache-Miss-Eingabe-Tokens und 200-mal so viel wie Cache-Hits. Fordern Sie einen strukturierten Datensatz, eine begrenzte Antwort oder eine Zusammenfassung mit Wortlimit an. Definieren Sie bei der JSON-Extraktion das Schema und verwenden Sie es wieder.

3. Einfache Arbeit an Flash routen

Verwenden Sie deepseek-flash für Klassifizierung, Extraktion, Routine-Zusammenfassungen und Agent-Schritte mit hohem Volumen. Behalten Sie deepseek-v4-pro für Aufgaben vor, bei denen die zusätzliche Fähigkeit das Ergebnis verändert. Ein Modell-Alias im Gateway macht diesen Wechsel zu einer Routing-Änderung statt zu einem Anwendungs-Deployment.

4. Nicht dringende Arbeit außerhalb der Spitzenzeiten bündeln

Die Tarife außerhalb der Spitzenzeiten betragen die Hälfte der Spitzenpreise. Content-Indexierung, nächtliche Berichte, erneutes Einbetten und Backfills können in der Regel außerhalb der Spitzenfenster laufen. Die Ersparnis durch die Zeitplanung summiert sich mit Cache- und Ausgabesteuerung.

5. Die Cache-Hit-Rate messen, nicht nur die Token-Anzahl

Ein Dashboard, das nur die Gesamtzahl der Tokens meldet, verbirgt die wichtigste Variable. Verfolgen Sie Eingabe-Tokens getrennt nach Cache-Hit und Cache-Miss, Ausgabe-Tokens pro Anfrage, Volumen zu Spitzen- und Nebenzeiten, Wiederholungen, Routenänderungen und Kosten pro erfolgreicher Aufgabe.

DeepSeek mit einem OpenAI-kompatiblen API-Gateway

Ein Gateway wird nützlich, wenn der Produktionsverkehr mehr als ein Modell verwendet. Die Anwendung ruft einen einzigen OpenAI-kompatiblen Endpunkt und einen Modell-Alias auf. Das Gateway verwaltet Anbieter-Zugangsdaten, Routing, Budgets, Nutzungsprotokolle, Wiederholungen und Fallback-Richtlinien.

Tokuse führt derzeit deepseek-flash und deepseek-v4-pro im öffentlichen Modellkatalog und stellt eine OpenAI-kompatible API bereit. Eine minimale Client-Konfiguration sieht so aus:

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["TOKUSE_API_KEY"],
    base_url="https://tokuse.com/v1",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[
        {
            "role": "system",
            "content": "Return a compact JSON object. Do not add commentary.",
        },
        {
            "role": "user",
            "content": "Extract the product name, price, and billing period.",
        },
    ],
    response_format={"type": "json_object"},
    max_tokens=300,
)

print(response.choices[0].message.content)

Bewahren Sie den Schlüssel serverseitig auf. Protokollieren Sie Anfrage-IDs, Modellname, Token-Zahlen, Latenz, Status und cachebezogene Nutzungsfelder. Schwärzen Sie Prompts und Antworten standardmäßig.

Vor dem Umzug des Produktionsverkehrs testen

Führen Sie einen zweiwöchigen Pilotversuch mit einem festen Evaluierungsset durch. Vergleichen Sie Qualität, Ausgabe-Tokens, Cache-Hit-Rate, Latenz, Wiederholungen und Kosten pro erfolgreicher Aufgabe mit der aktuellen Route. Beginnen Sie mit kundenunabhängiger Arbeit. Verschieben Sie jeweils eine Aufgabe mit hohem Volumen, sobald die Ergebnisse stabil sind.

Der Preisvorteil von DeepSeek ist real, und die Lücke wird größer, wenn Cache-Hits und Ausgabesteuerung zusammenwirken. Teams, die ihn nutzen, behandeln Routing und Messung als Teil des Produkts und nicht als Abrechnungsbericht, den sie am Monatsende öffnen.

Tokuse ist ein einheitliches KI-API-Gateway und Admin-Dashboard für Teams, die mehrere Modelle über einen einzigen OpenAI-kompatiblen Endpunkt testen, routen und überwachen möchten. Tokuse-Konto erstellen, um den aktuellen Modellkatalog zu prüfen und einen Testschlüssel einzurichten.

Verwandte Kosten- und Migrationsleitfäden

Quellen

Die Preisangaben sind eine Schätzung auf Basis der offiziellen Listenpreise und kein Angebot für eine bestimmte Workload. Prüfen Sie aktuelle Tarife, Spitzenzeitfenster, Modellverfügbarkeit und Ihre eigene Token-Zusammensetzung, bevor Sie eine Kaufentscheidung treffen.

FAQ

Wie viel kostet die DeepSeek-API 2026 pro 1 Mio. Tokens?

Der Listenpreis hängt vom Modell, dem Spitzenzeitfenster und der Cache-Hit-Rate ab. deepseek-flash reicht von $0.003 pro 1 Mio. Cache-Hit-Eingabe-Tokens außerhalb der Spitzenzeiten bis $1.20 pro 1 Mio. Ausgabe-Tokens zu Spitzenzeiten. deepseek-v4-pro reicht von $0.022 pro 1 Mio. Cache-Hit-Eingabe-Tokens bis $3.96 pro 1 Mio. Ausgabe-Tokens zu Spitzenzeiten. Siehe die Tabelle oben und die Tokuse-Preisseite.

Wann gelten die DeepSeek-Spitzenzeiten?

Spitzenpreise gelten Montag bis Freitag von 01:00–04:00 und 06:00–10:00 UTC, ausgenommen chinesische Feiertage. Jede andere Stunde wird zum Tarif außerhalb der Spitzenzeiten abgerechnet.

Wie viel können Cache-Hits bei einer Workload mit 100 Mio. Tokens sparen?

Im obigen Beispiel ergibt eine Cache-Hit-Rate von 90 % eine Rechnung außerhalb der Spitzenzeiten von $7.77 statt $21.00 ohne Cache-Hits. Halten Sie wiederverwendbare Präfixe stabil, um Traffic vom Cache-Miss-Tarif zum Cache-Hit-Tarif zu verschieben.

Kann ich DeepSeek mit dem OpenAI SDK verwenden?

Ja. Richten Sie das OpenAI SDK auf https://tokuse.com/v1 und verwenden Sie einen DeepSeek-Modell-Alias. Siehe den Leitfaden zur OpenAI-kompatiblen Einrichtung und testen Sie Streaming, Tool-Aufrufe und Token-Abrechnung vor dem Produktivbetrieb.