Giá API DeepSeek 2026: chi phí cache hit và cache miss
DeepSeek có mức giá trông gần như quá thấp để lập kế hoạch: $0.003 cho một triệu token đầu vào cache hit. Đó là giá niêm yết hiện tại của deepseek-flash ngoài giờ cao điểm. Điều này giải thích vì sao ngày càng nhiều đội ngũ thử DeepSeek cho tóm tắt khối lượng lớn, trích xuất, phân loại và tự động hóa cho nhà phát triển.
Dùng thử Tokuse: Tạo tài khoản miễn phí và gửi yêu cầu đầu tiên qua một endpoint tương thích OpenAI.
Câu hỏi hữu ích không phải là con số nổi bật có thấp hay không. Mà là loại lưu lượng nào chạm được con số đó, loại nào phải trả mức giá đầu vào đầy đủ, và dịch vụ trả về bao nhiêu đầu ra. Chỉ một thay đổi nhỏ trong ba tỷ lệ này có thể khiến hóa đơn tháng thay đổi vài lần.
Hướng dẫn này dùng giá công khai của DeepSeek được kiểm tra ngày 9 tháng 11 năm 2026. Giá có thể thay đổi, vì vậy hãy kiểm tra trang giá chính thức trước khi cam kết ngân sách.
Giá API DeepSeek trên một triệu token năm 2026
DeepSeek niêm yết giá trên một triệu token:
| Mô hình | Đầu vào, cache hit | Đầu vào, cache miss | Đầu ra | Ngữ cảnh |
|---|---|---|---|---|
deepseek-flash ngoài giờ cao điểm |
$0.003 | $0.15 | $0.60 | 1M |
deepseek-flash giờ cao điểm |
$0.006 | $0.30 | $1.20 | 1M |
deepseek-v4-pro ngoài giờ cao điểm |
$0.022 | $0.66 | $1.98 | 1M |
deepseek-v4-pro giờ cao điểm |
$0.044 | $1.32 | $3.96 | 1M |
Tokuse định tuyến các mô hình này. Bảng hiển thị giá niêm yết chính thức của DeepSeek; giá nhóm của Tokuse có thể khác. Xem trang giá Tokuse để biết mức giá bạn sẽ trả.
Giờ cao điểm là 01:00–04:00 và 06:00–10:00 UTC, từ thứ Hai đến thứ Sáu, trừ ngày lễ công cộng của Trung Quốc. Mọi giờ khác được tính theo mức giá ngoài giờ cao điểm. Siêu dữ liệu hiện tại của mô hình cũng liệt kê cửa sổ ngữ cảnh 1M, tối đa 384K token đầu ra, đầu ra JSON, gọi công cụ, Responses API, API tương thích Anthropic và hỗ trợ hình ảnh cho deepseek-flash.
Giá cache hit thấp hơn 50 lần so với giá cache miss ngoài giờ cao điểm. Khoảng cách đó là đòn bẩy chi phí chính.
Ví dụ 100 triệu token đã tính sẵn
Giả sử một khối lượng công việc theo lô dùng 100M token đầu vào và tạo ra 10M token đầu ra. Chín mươi phần trăm đầu vào là một system prompt ổn định, schema, chính sách hoặc tiền tố tài liệu mà DeepSeek có thể cache.
| Thành phần chi phí | Token | Đơn giá | Chi phí |
|---|---|---|---|
| Đầu vào cache hit | 90M | $0.003 / 1M | $0.27 |
| Đầu vào cache miss | 10M | $0.15 / 1M | $1.50 |
| Đầu ra | 10M | $0.60 / 1M | $6.00 |
| Tổng ngoài giờ cao điểm | $7.77 |
Cùng hỗn hợp yêu cầu đó ở mức giá giờ cao điểm tốn $15.54. Giờ đây đầu ra chiếm phần lớn hóa đơn, dù khối lượng đầu vào lớn gấp mười lần.
Hành vi cache có ảnh hưởng đáng kể. Với 100M token đầu vào và 10M token đầu ra, chi phí đầu vào ngoài giờ cao điểm thay đổi như sau:
| Tỷ lệ cache hit | Chi phí cache hit | Chi phí cache miss | Chi phí đầu ra | Tổng |
|---|---|---|---|---|
| 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 |
Kết luận rất rõ ràng. Giữ tiền tố ổn định, giữ đầu ra ngắn và chuyển công việc linh hoạt ra ngoài giờ cao điểm.
Năm biện pháp kiểm soát thay đổi hóa đơn thực tế
1. Giữ tiền tố tái sử dụng ổn định
Đặt hướng dẫn hệ thống, schema đầu ra, văn bản chính sách và tài liệu tái sử dụng lớn ở đầu prompt. Giữ câu hỏi thay đổi, dữ liệu người dùng và dấu thời gian sau tiền tố đó. Những chỉnh sửa nhỏ bên trong một tiền tố dài có thể vô hiệu hóa cache và chuyển lưu lượng từ mức $0.003 sang mức $0.15.
2. Tách công việc đầu ra ngắn và dài
Token đầu ra đắt gấp bốn lần token đầu vào cache miss trên deepseek-flash và gấp 200 lần cache hit. Hãy yêu cầu một bản ghi có cấu trúc, một câu trả lời có giới hạn hoặc một bản tóm tắt có giới hạn từ. Với trích xuất JSON, hãy định nghĩa schema và tái sử dụng nó.
3. Định tuyến công việc dễ cho Flash
Dùng deepseek-flash cho phân loại, trích xuất, tóm tắt thường ngày và các bước agent khối lượng lớn. Dành deepseek-v4-pro cho những tác vụ mà năng lực bổ sung làm thay đổi kết quả. Một alias mô hình trong gateway biến việc chuyển đổi này thành thay đổi định tuyến thay vì triển khai lại ứng dụng.
4. Chạy theo lô công việc không khẩn cấp ngoài giờ cao điểm
Giá ngoài giờ cao điểm bằng một nửa giá giờ cao điểm. Lập chỉ mục nội dung, báo cáo ban đêm, tạo lại embedding và backfill thường có thể chạy ngoài khung giờ cao điểm. Khoản tiết kiệm từ lịch chạy cộng dồn với kiểm soát cache và đầu ra.
5. Đo tỷ lệ cache hit, không chỉ số lượng token
Bảng điều khiển chỉ báo tổng token sẽ che giấu biến quan trọng nhất. Hãy theo dõi token đầu vào tách theo cache hit và cache miss, token đầu ra mỗi yêu cầu, khối lượng giờ cao điểm và ngoài giờ cao điểm, số lần thử lại, thay đổi tuyến và chi phí cho mỗi tác vụ thành công.
DeepSeek với gateway API tương thích OpenAI
Gateway trở nên hữu ích khi lưu lượng production dùng nhiều hơn một mô hình. Ứng dụng gọi một endpoint tương thích OpenAI và một alias mô hình. Gateway chịu trách nhiệm về thông tin xác thực nhà cung cấp, định tuyến, ngân sách, nhật ký sử dụng, thử lại và chính sách dự phòng.
Tokuse hiện niêm yết deepseek-flash và deepseek-v4-pro trong danh mục mô hình công khai và cung cấp API tương thích OpenAI. Thiết lập client tối thiểu trông như sau:
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)
Giữ khóa trên máy chủ. Ghi lại ID yêu cầu, tên mô hình, số lượng token, độ trễ, trạng thái và các trường sử dụng liên quan đến cache. Ẩn prompt và phản hồi theo mặc định.
Kiểm thử trước khi chuyển lưu lượng production
Chạy thử nghiệm hai tuần với một bộ đánh giá cố định. So sánh chất lượng, token đầu ra, tỷ lệ cache hit, độ trễ, số lần thử lại và chi phí cho mỗi tác vụ thành công với tuyến hiện tại. Bắt đầu với công việc không hướng tới khách hàng. Chuyển từng tác vụ khối lượng lớn một khi kết quả đã ổn định.
Lợi thế giá của DeepSeek là thật, và khoảng cách càng lớn khi cache hit và kiểm soát đầu ra cùng hoạt động. Các đội ngũ tận dụng được điều này sẽ coi định tuyến và đo lường là một phần của sản phẩm, không phải báo cáo hóa đơn mở vào cuối tháng.
Tokuse là gateway AI API hợp nhất và bảng quản trị cho các đội ngũ muốn thử nghiệm, định tuyến và giám sát nhiều mô hình từ một endpoint tương thích OpenAI. Tạo tài khoản Tokuse để xem danh mục mô hình hiện tại và thiết lập khóa thử nghiệm.
Hướng dẫn liên quan về chi phí và di chuyển
- Thử nghiệm giá DeepSeek giờ cao điểm và ngoài giờ cao điểm
- Máy tính chi phí DeepSeek
- Giá và thiết lập Doubao Seed 2.1
- Hướng dẫn thiết lập DeepSeek tương thích OpenAI
Nguồn
Giá là ước tính theo giá niêm yết chính thức, không phải báo giá cho một khối lượng công việc cụ thể. Hãy xác thực mức giá hiện tại, khung giờ cao điểm, tính khả dụng của mô hình và hỗn hợp token của bạn trước khi đưa ra quyết định mua.
Câu hỏi thường gặp
API DeepSeek tốn bao nhiêu cho 1M token trong năm 2026?
Giá niêm yết phụ thuộc vào mô hình, khung giờ cao điểm và tỷ lệ cache hit. deepseek-flash dao động từ $0.003 cho 1M token đầu vào cache hit ngoài giờ cao điểm đến $1.20 cho 1M token đầu ra vào giờ cao điểm. deepseek-v4-pro dao động từ $0.022 cho 1M token đầu vào cache hit đến $3.96 cho 1M token đầu ra vào giờ cao điểm. Xem bảng ở trên và trang giá Tokuse.
Giờ cao điểm của DeepSeek là khi nào?
Giá giờ cao điểm áp dụng từ thứ Hai đến thứ Sáu, 01:00–04:00 và 06:00–10:00 UTC, trừ ngày lễ công cộng của Trung Quốc. Mọi giờ khác được tính theo mức giá ngoài giờ cao điểm.
Cache hit có thể tiết kiệm bao nhiêu với khối lượng 100M token?
Trong ví dụ ở trên, tỷ lệ cache hit 90% tạo ra hóa đơn $7.77 ngoài giờ cao điểm thay vì $21.00 khi không có cache hit. Hãy giữ tiền tố tái sử dụng ổn định để chuyển lưu lượng từ mức giá cache miss sang mức giá cache hit.
Tôi có thể dùng DeepSeek với SDK OpenAI không?
Có. Trỏ SDK OpenAI tới https://tokuse.com/v1 và dùng alias mô hình DeepSeek. Xem hướng dẫn thiết lập tương thích OpenAI và kiểm thử streaming, gọi công cụ và hạch toán token trước khi lên production.