DeepSeek: Spitzen- vs. Nebenzeitpreise – echte Ersparnisse

By TokuseTokuse
KIAPIDeepSeekKosten

Der Listenpreis von DeepSeek ändert sich an einem normalen Wochentag zweimal. Dasselbe Modell, dieselben Tokens und dasselbe Cache-Verhalten können um 10:00 Uhr Pekinger Zeit doppelt so viel kosten wie um 20:00 Uhr. Das ist zuerst ein Planungsproblem und erst danach ein Problem der Modellauswahl.

Kurze Antwort: Spitzenzeiten sind werktags von 09:00–12:00 und 14:00–18:00 Uhr Pekinger Zeit, ausgenommen chinesische gesetzliche Feiertage. Alles andere wird zum halben Spitzenpreis abgerechnet. In der folgenden Workload kosten dieselben 200 Mio. Eingabe- und 40 Mio. Ausgabe-Tokens zu Spitzenzeiten ¥887.36 und außerhalb der Spitzenzeiten ¥443.68. Wenn Sie die Routing-Schicht nicht selbst bauen möchten, erstellen Sie ein Tokuse-Konto und nutzen Sie einen einzigen OpenAI-kompatiblen Endpunkt für beide DeepSeek-Modelle; die Basis-URL lautet https://tokuse.com/v1.

Der offizielle Zeitplan

DeepSeek veröffentlicht Preise in CNY pro Million Tokens. Die aktuellen Preise für Flash und V4 Pro sind:

Modell Token-Typ Spitzenzeit Nebenzeit
deepseek-flash Cache-Hit-Eingabe ¥0.04 ¥0.02
deepseek-flash Cache-Miss-Eingabe ¥2.00 ¥1.00
deepseek-flash Ausgabe ¥8.00 ¥4.00
deepseek-v4-pro Cache-Hit-Eingabe ¥0.30 ¥0.15
deepseek-v4-pro Cache-Miss-Eingabe ¥9.00 ¥4.50
deepseek-v4-pro Ausgabe ¥27.00 ¥13.50

Das Spitzenzeitfenster ist Montag bis Freitag von 09:00–12:00 und 14:00–18:00 Uhr Pekinger Zeit. Wochenenden und chinesische gesetzliche Feiertage sind ganztägig Nebenzeit. Die Mittagspause von 12:00–14:00 Uhr ist ebenfalls Nebenzeit.

Die Workload, die ich berechnet habe

Ich habe eine modellierte Workload statt gemessenem Produktionsverkehr verwendet, damit die Arithmetik reproduzierbar ist:

  • 200 Mio. Eingabe-Tokens und 40 Mio. Ausgabe-Tokens pro Monat.
  • 40 % der Eingabe-Tokens treffen den Prompt-Cache.
  • 80 % der Eingabe- und Ausgabe-Tokens gehen an Flash, 20 % an V4 Pro.
  • Keine Wiederholungen, keine fehlgeschlagenen Anfragen und keine Bild- oder Audio-Tokens.

Das teilt sich so auf:

Modell Cache-Hit-Eingabe Cache-Miss-Eingabe Ausgabe
deepseek-flash 64M 96M 32M
deepseek-v4-pro 16M 24M 8M

Zum offiziellen Listenpreis betragen die monatlichen Kosten:

Modell Spitzenzeit Nebenzeit
deepseek-flash ¥450.56 ¥225.28
deepseek-v4-pro ¥436.80 ¥218.40
Gesamt ¥887.36 ¥443.68

Die 50 % Unterschied kommen von der Tageszeit, nicht von einem günstigeren Modell oder einem cleveren Prompt. Dieselbe Workload außerhalb des Spitzenfensters zu verschieben, ist der größte einzelne Hebel in diesem Modell.

Wohin das Geld tatsächlich fließt

Die Ausgabe-Tokens dominieren die Rechnung außerhalb der Spitzenzeiten. Die Flash-Ausgabe kostet ¥128 für 32 Mio. Tokens, die Pro-Ausgabe ¥108 für 8 Mio. Tokens. Zusammen sind das ¥236 der ¥443.68 Gesamtsumme außerhalb der Spitzenzeiten. Cache-Hits sind günstiger, aber nicht die Hauptgeschichte: Bei 40 % Cache-Hits beträgt die Ersparnis gegenüber der Abrechnung jedes Eingabe-Tokens zum Cache-Miss-Tarif außerhalb der Spitzenzeiten etwa ¥62.72 für Flash und ¥69.60 für Pro.

Das ist wichtig, weil Cache-Hit-Raten leicht überschätzt werden. Stabile System-Prompts und wiederverwendete RAG-Präfixe können hohe Trefferraten erreichen. Long-Tail-Benutzer-Prompts liegen oft bei 30–40 %, und manche Workloads treffen den Cache überhaupt nicht. Wenn Ihre gemessene Trefferrate 20 % statt 40 % beträgt, rechnen Sie die Zahlen neu, bevor Sie eine Ersparnis versprechen.

Die Routing-Regeln, die überlebt haben

Ich würde vier Regeln beibehalten, und keine davon erfordert ein neues Modell.

  1. Batch-Jobs außerhalb von 09:00–12:00 und 14:00–18:00 Uhr Pekinger Zeit verschieben. Nächtliche Indexierung, Massenklassifizierung und Berichtserstellung sind die am leichtesten zu verlagernden Workloads.
  2. Interaktiven Traffic standardmäßig auf Flash lassen. Eskalieren Sie nur dann zu V4 Pro, wenn ein Bewertungsschritt fehlschlägt, nicht weil die Anfrage wichtig aussieht.
  3. Das Prompt-Präfix stabil halten. Die wechselnde Benutzerfrage ans Ende stellen, den festen System-Prompt oder das abgerufene Dokument an den Anfang. Ein Zeitstempel am Anfang jeder Anfrage zerstört den Cache.
  4. Latenzempfindlichen Traffic nicht nur wegen des Rabatts verschieben. Messen Sie die p95-Latenz vor und nach der Änderung; eine günstigere Anfrage, die eine Produktfrist verpasst, ist nicht günstiger.

Die Prüfung, die ich verwende

Diese Python-Funktion verwendet nur die Standardbibliothek. Sie beantwortet zwei Fragen: Liegt die aktuelle Zeit in einem Spitzenfenster, und was kostet eine Token-Mischung zu diesem Zeitpunkt?

from datetime import datetime
from zoneinfo import ZoneInfo

PRICES = {
    "deepseek-flash": {
        "peak": {"cache_hit": 0.04, "input": 2.0, "output": 8.0},
        "off_peak": {"cache_hit": 0.02, "input": 1.0, "output": 4.0},
    },
    "deepseek-v4-pro": {
        "peak": {"cache_hit": 0.30, "input": 9.0, "output": 27.0},
        "off_peak": {"cache_hit": 0.15, "input": 4.5, "output": 13.5},
    },
}


def is_peak(now: datetime) -> bool:
    local = now.astimezone(ZoneInfo("Asia/Shanghai"))
    if local.weekday() >= 5:  # Saturday or Sunday
        return False
    hour = local.hour
    return 9 <= hour < 12 or 14 <= hour < 18


def cost(model: str, cache_hit: int, cache_miss: int, output: int, peak: bool) -> float:
    price = PRICES[model]["peak" if peak else "off_peak"]
    return (
        cache_hit * price["cache_hit"]
        + cache_miss * price["input"]
        + output * price["output"]
    ) / 1_000_000


if __name__ == "__main__":
    tz = ZoneInfo("Asia/Shanghai")
    print(is_peak(datetime(2026, 11, 10, 10, 0, tzinfo=tz)))  # True, Tuesday
    print(is_peak(datetime(2026, 11, 10, 13, 0, tzinfo=tz)))  # False, lunch
    print(is_peak(datetime(2026, 11, 14, 10, 0, tzinfo=tz)))  # False, Saturday
    print(cost("deepseek-flash", 64_000_000, 96_000_000, 32_000_000, False))

Die letzte Zeile gibt 225.28 aus, was dem obigen Flash-Wert außerhalb der Spitzenzeiten entspricht.

Was das Modell nicht abdeckt

Die Spitzenzeitprüfung kennt keine chinesischen gesetzlichen Feiertage. Ein Feiertag an einem Wochentag wird als Spitzenzeit behandelt, was die Kosten überzeichnet. Wenn das relevant ist, fügen Sie einen Feiertagskalender hinzu und behandeln Sie diese Daten als Nebenzeit.

Die Preise sind der offizielle CNY-Listenpreis zum Zeitpunkt der Erstellung. Sie können sich ändern. Die Cache-Hit-Annahme ist der Teil, den ich zuerst messen würde; eine Trefferrate von 40 % ist eine modellierte Eingabe, keine Garantie. Auch das Modellverhalten unterscheidet sich zwischen Flash und Pro, sodass eine Routing-Regel, die Geld spart, aber die Antwortqualität verändert, keine Ersparnis ist.

Die Arithmetik lässt sich leicht reproduzieren. Beginnen Sie mit Ihren echten Token-Zahlen, führen Sie sie durch den DeepSeek-Kostenrechner und prüfen Sie dann, ob der Batch-Anteil Ihrer Workload außerhalb des Spitzenfensters verschoben werden kann. Die Integrationsleitfäden für Continue, Cline, LangChain, Cursor, Dify, Open WebUI und das OpenAI Node.js SDK verwenden alle dieselbe Basis-URL, sodass die Routing-Änderung außerhalb des Anwendungscodes bleibt. Produktupdates werden im Changelog festgehalten.

Verwandte Kosten- und Migrationsleitfäden