Tarifs de pointe et hors pointe de DeepSeek : de vraies économies

By TokuseTokuse
IAAPIDeepSeekCoûts

Le tarif catalogue de DeepSeek change deux fois par jour ouvré. Le même modèle, les mêmes tokens et le même comportement de cache peuvent coûter deux fois plus cher à 10:00 heure de Pékin qu'à 20:00. C'est un problème de planification avant d'être un problème de choix de modèle.

Réponse courte : les heures de pointe sont du lundi au vendredi, de 09:00 à 12:00 et de 14:00 à 18:00 heure de Pékin, hors jours fériés légaux chinois. Tout le reste est facturé à la moitié du tarif de pointe. Dans la charge de travail ci-dessous, les mêmes 200 M de tokens d'entrée et 40 M de tokens de sortie coûtent ¥887.36 en heures de pointe et ¥443.68 hors heures de pointe. Si vous préférez ne pas construire vous-même la couche de routage, créez un compte Tokuse et utilisez un seul point de terminaison compatible OpenAI pour les deux modèles DeepSeek ; l'URL de base est https://tokuse.com/v1.

Le calendrier officiel

DeepSeek publie ses prix en CNY par million de tokens. Voici les tarifs actuels de Flash et V4 Pro :

Modèle Type de token Pointe Hors pointe
deepseek-flash Entrée cache hit ¥0.04 ¥0.02
deepseek-flash Entrée cache miss ¥2.00 ¥1.00
deepseek-flash Sortie ¥8.00 ¥4.00
deepseek-v4-pro Entrée cache hit ¥0.30 ¥0.15
deepseek-v4-pro Entrée cache miss ¥9.00 ¥4.50
deepseek-v4-pro Sortie ¥27.00 ¥13.50

La fenêtre de pointe est du lundi au vendredi, de 09:00 à 12:00 et de 14:00 à 18:00 heure de Pékin. Les week-ends et les jours fériés légaux chinois sont hors pointe toute la journée. La pause déjeuner de 12:00 à 14:00 est également hors pointe.

La charge de travail que j'ai chiffrée

J'ai utilisé une charge de travail modélisée plutôt qu'un trafic de production mesuré, afin que l'arithmétique soit reproductible :

  • 200 M de tokens d'entrée et 40 M de tokens de sortie par mois.
  • 40 % des tokens d'entrée touchent le cache de prompts.
  • 80 % des tokens d'entrée et de sortie vont à Flash, 20 % à V4 Pro.
  • Aucune nouvelle tentative, aucune requête échouée, aucun token image ou audio.

Cela se répartit ainsi :

Modèle Entrée cache hit Entrée cache miss Sortie
deepseek-flash 64M 96M 32M
deepseek-v4-pro 16M 24M 8M

Au tarif catalogue officiel, le coût mensuel est de :

Modèle Pointe Hors pointe
deepseek-flash ¥450.56 ¥225.28
deepseek-v4-pro ¥436.80 ¥218.40
Total ¥887.36 ¥443.68

L'écart de 50 % vient de l'horloge, pas d'un modèle moins cher ni d'une invite astucieuse. Déplacer la même charge de travail en dehors de la fenêtre de pointe est le plus grand levier de ce modèle.

Où va réellement l'argent

Les tokens de sortie dominent la facture hors heures de pointe. La sortie Flash coûte ¥128 pour 32 M de tokens, et la sortie Pro coûte ¥108 pour 8 M de tokens. Ensemble, elles représentent ¥236 sur le total hors pointe de ¥443.68. Les cache hits sont moins chers, mais ce n'est pas l'essentiel : à 40 % de cache hits, l'économie par rapport à la facturation de chaque token d'entrée au tarif cache miss est d'environ ¥62.72 pour Flash et ¥69.60 pour Pro aux tarifs hors pointe.

C'est important car les taux de cache hit sont faciles à surestimer. Des invites système stables et des préfixes RAG réutilisés peuvent atteindre des taux élevés. Les invites utilisateur de longue traîne se situent souvent autour de 30 à 40 %, et certaines charges de travail ne touchent jamais le cache. Si votre taux mesuré est de 20 % au lieu de 40 %, refaites les calculs avant de promettre une économie.

Les règles de routage qui ont survécu

Je conserverais quatre règles, et aucune ne nécessite un nouveau modèle.

  1. Déplacer les tâches par lots en dehors de 09:00–12:00 et 14:00–18:00 heure de Pékin. L'indexation nocturne, la classification en masse et la génération de rapports sont les charges de travail les plus faciles à décaler.
  2. Garder le trafic interactif sur Flash par défaut. N'utilisez V4 Pro que lorsqu'une étape d'évaluation échoue, et non parce que la requête semble importante.
  3. Gardez le préfixe de l'invite stable. Placez la question utilisateur variable à la fin et l'invite système fixe ou le document récupéré au début. Un horodatage en tête de chaque requête détruit le cache.
  4. Ne déplacez pas le trafic sensible à la latence uniquement pour profiter de la remise. Mesurez la latence p95 avant et après le changement ; une requête moins chère qui manque une échéance produit n'est pas moins chère.

Le contrôle que j'utilise

Cette fonction Python n'utilise que la bibliothèque standard. Elle répond à deux questions : l'heure actuelle se situe-t-elle dans une fenêtre de pointe, et combien coûte un mélange de tokens à ce moment-là ?

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))

La dernière ligne affiche 225.28, ce qui correspond au chiffre Flash hors pointe ci-dessus.

Ce que le modèle ne couvre pas

Le contrôle de pointe ne connaît pas les jours fériés légaux chinois. Un jour férié en semaine sera traité comme une pointe, ce qui surestime le coût. Si cela compte, ajoutez un calendrier des jours fériés et traitez ces dates comme hors pointe.

Les prix sont le tarif catalogue officiel en CNY au moment de la rédaction. Ils peuvent changer. L'hypothèse de cache hit est la partie que je mesurerais en premier ; un taux de 40 % est une donnée modélisée, pas une garantie. Le comportement des modèles diffère aussi entre Flash et Pro : une règle de routage qui économise de l'argent mais change la qualité de la réponse n'est pas une économie.

L'arithmétique est facile à reproduire. Partez de vos nombres réels de tokens, passez-les dans le calculateur de coût DeepSeek, puis vérifiez si la partie par lots de votre charge de travail peut sortir de la fenêtre de pointe. Les guides d'intégration pour Continue, Cline, LangChain, Cursor, Dify, Open WebUI et le SDK OpenAI Node.js utilisent tous la même URL de base, de sorte que le changement de routage reste hors du code applicatif. Les mises à jour produit sont consignées dans le journal des modifications.

Guides connexes sur les coûts et la migration