Preços do DeepSeek em horário de pico e fora dele: economia real

By TokuseTokuse
IAAPIDeepSeekCustos

O preço de tabela do DeepSeek muda duas vezes em um dia útil normal. O mesmo modelo, os mesmos tokens e o mesmo comportamento de cache podem custar o dobro às 10:00, horário de Pequim, do que às 20:00. Isso é um problema de agendamento antes de ser um problema de escolha de modelo.

Resposta curta: O horário de pico é de segunda a sexta, das 09:00 às 12:00 e das 14:00 às 18:00, horário de Pequim, exceto feriados oficiais chineses. Todo o resto é cobrado pela metade da tarifa de pico. Na carga de trabalho abaixo, os mesmos 200M tokens de entrada e 40M de saída custam ¥887.36 em pico e ¥443.68 fora de pico. Se você preferir não construir a camada de roteamento sozinho, crie uma conta Tokuse e use um único endpoint compatível com OpenAI para os dois modelos DeepSeek; a URL base é https://tokuse.com/v1.

O calendário oficial

A DeepSeek publica preços em CNY por milhão de tokens. Os preços atuais do Flash e do V4 Pro são:

Modelo Tipo de token Pico Fora de pico
deepseek-flash Entrada com acerto de cache ¥0.04 ¥0.02
deepseek-flash Entrada com falha de cache ¥2.00 ¥1.00
deepseek-flash Saída ¥8.00 ¥4.00
deepseek-v4-pro Entrada com acerto de cache ¥0.30 ¥0.15
deepseek-v4-pro Entrada com falha de cache ¥9.00 ¥4.50
deepseek-v4-pro Saída ¥27.00 ¥13.50

A janela de pico é de segunda a sexta, das 09:00 às 12:00 e das 14:00 às 18:00, horário de Pequim. Fins de semana e feriados oficiais chineses são fora de pico o dia todo. O intervalo de almoço das 12:00 às 14:00 também fica fora do pico.

A carga de trabalho que calculei

Usei uma carga de trabalho modelada em vez de tráfego de produção medido, para que a aritmética seja reproduzível:

  • 200M tokens de entrada e 40M tokens de saída por mês.
  • 40% dos tokens de entrada acertam no cache de prompt.
  • 80% dos tokens de entrada e saída vão para o Flash, 20% para o V4 Pro.
  • Sem retentativas, sem solicitações com falha e sem tokens de imagem ou áudio.

Essa carga se divide em:

Modelo Entrada com acerto Entrada com falha Saída
deepseek-flash 64M 96M 32M
deepseek-v4-pro 16M 24M 8M

Com o preço oficial de tabela, o custo mensal é:

Modelo Pico Fora de pico
deepseek-flash ¥450.56 ¥225.28
deepseek-v4-pro ¥436.80 ¥218.40
Total ¥887.36 ¥443.68

A diferença de 50% vem do relógio, não de um modelo mais barato nem de um prompt inteligente. Mover a mesma carga de trabalho para fora da janela de pico é a maior alavanca individual deste modelo.

Para onde o dinheiro realmente vai

Os tokens de saída dominam a conta fora de pico. A saída do Flash custa ¥128 por 32M tokens, e a saída do Pro custa ¥108 por 8M tokens. Juntas, são ¥236 dos ¥443.68 do total fora de pico. Os acertos de cache são mais baratos, mas não são a história principal: com 40% de acertos, a economia em relação a cobrar cada token de entrada pela tarifa de falha de cache é de cerca de ¥62.72 para o Flash e ¥69.60 para o Pro nas tarifas fora de pico.

Isso importa porque as taxas de acerto de cache são fáceis de superestimar. Prompts de sistema estáveis e prefixos RAG reutilizados podem atingir taxas altas. Prompts de usuário de cauda longa costumam ficar em torno de 30–40%, e algumas cargas nunca acertam o cache. Se a taxa medida for 20% em vez de 40%, refaça os números antes de prometer economia.

As regras de roteamento que sobreviveram

Manteria quatro regras, e nenhuma delas exige um modelo novo.

  1. Mova trabalhos em lote para fora de 09:00–12:00 e 14:00–18:00, horário de Pequim. Indexação noturna, classificação em massa e geração de relatórios são as cargas mais fáceis de deslocar.
  2. Mantenha o tráfego interativo no Flash por padrão. Mude para o V4 Pro apenas quando uma etapa de avaliação falhar, não porque a solicitação parece importante.
  3. Mantenha o prefixo do prompt estável. Coloque a pergunta variável do usuário no final e o prompt de sistema fixo ou o documento recuperado no início. Um timestamp no topo de cada solicitação destrói o cache.
  4. Não mova tráfego sensível à latência só para aproveitar o desconto. Meça a latência p95 antes e depois da mudança; uma solicitação mais barata que perde um prazo de produto não é mais barata.

A verificação que uso

Esta função Python usa apenas a biblioteca padrão. Ela responde a duas perguntas: o horário atual está dentro de uma janela de pico, e quanto custa uma mistura de tokens naquele momento?

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))

A última linha imprime 225.28, que corresponde ao valor do Flash fora de pico acima.

O que o modelo não cobre

A verificação de pico não conhece os feriados oficiais chineses. Um feriado em dia de semana será tratado como pico, o que superestima o custo. Se isso importar, adicione um calendário de feriados e trate essas datas como fora de pico.

Os valores seguem a tabela oficial em CNY no momento da escrita. Eles podem mudar. A premissa de acerto de cache é a parte que eu mediria primeiro; uma taxa de 40% é uma entrada modelada, não uma garantia. O comportamento do modelo também difere entre Flash e Pro, então uma regra de roteamento que economiza dinheiro mas muda a qualidade da resposta não é economia.

A aritmética é fácil de reproduzir. Comece com suas contagens reais de tokens, passe-as pela calculadora de custos do DeepSeek e depois verifique se a parte em lote da sua carga pode sair da janela de pico. Os guias de integração para Continue, Cline, LangChain, Cursor, Dify, Open WebUI e o SDK OpenAI para Node.js usam a mesma URL base, então a mudança de roteamento fica fora do código da aplicação. As atualizações de produto ficam registradas no changelog.

Guias relacionados de custos e migração