Giá DeepSeek giờ cao điểm và ngoài giờ cao điểm: tiết kiệm thực tế

By TokuseTokuse
AIAPIDeepSeekChi phí

Giá niêm yết của DeepSeek thay đổi hai lần trong một ngày làm việc bình thường. Cùng một mô hình, cùng số token và cùng hành vi cache có thể tốn gấp đôi vào lúc 10:00 giờ Bắc Kinh so với 20:00. Đây là bài toán lập lịch trước khi là bài toán chọn mô hình.

Trả lời ngắn: Giờ cao điểm là các ngày làm việc 09:00–12:00 và 14:00–18:00 giờ Bắc Kinh, trừ ngày lễ chính thức của Trung Quốc. Mọi khung giờ khác được tính bằng một nửa giá giờ cao điểm. Trong khối lượng công việc dưới đây, cùng 200M token đầu vào và 40M token đầu ra tốn ¥887.36 vào giờ cao điểm và ¥443.68 ngoài giờ cao điểm. Nếu bạn không muốn tự xây lớp định tuyến, hãy tạo tài khoản Tokuse và dùng một endpoint tương thích OpenAI cho cả hai mô hình DeepSeek; URL gốc là https://tokuse.com/v1.

Lịch chính thức

DeepSeek công bố giá bằng CNY trên một triệu token. Giá hiện tại của Flash và V4 Pro là:

Mô hình Loại token Giờ cao điểm Ngoài giờ cao điểm
deepseek-flash Đầu vào cache hit ¥0.04 ¥0.02
deepseek-flash Đầu vào cache miss ¥2.00 ¥1.00
deepseek-flash Đầu ra ¥8.00 ¥4.00
deepseek-v4-pro Đầu vào cache hit ¥0.30 ¥0.15
deepseek-v4-pro Đầu vào cache miss ¥9.00 ¥4.50
deepseek-v4-pro Đầu ra ¥27.00 ¥13.50

Khung giờ cao điểm là thứ Hai đến thứ Sáu, 09:00–12:00 và 14:00–18:00 giờ Bắc Kinh. Cuối tuần và ngày lễ chính thức của Trung Quốc là ngoài giờ cao điểm cả ngày. Giờ nghỉ trưa 12:00–14:00 cũng ngoài giờ cao điểm.

Khối lượng công việc tôi đã tính giá

Tôi dùng khối lượng công việc mô phỏng thay vì lưu lượng production đo được, để phép tính có thể tái lập:

  • 200M token đầu vào và 40M token đầu ra mỗi tháng.
  • 40% token đầu vào trúng bộ nhớ đệm prompt.
  • 80% token đầu vào và đầu ra đi đến Flash, 20% đến V4 Pro.
  • Không thử lại, không yêu cầu thất bại và không có token hình ảnh hoặc âm thanh.

Phân bổ như sau:

Mô hình Đầu vào cache hit Đầu vào cache miss Đầu ra
deepseek-flash 64M 96M 32M
deepseek-v4-pro 16M 24M 8M

Với giá niêm yết chính thức, chi phí hàng tháng là:

Mô hình Giờ cao điểm Ngoài giờ cao điểm
deepseek-flash ¥450.56 ¥225.28
deepseek-v4-pro ¥436.80 ¥218.40
Tổng ¥887.36 ¥443.68

Chênh lệch 50% đến từ đồng hồ, không phải từ mô hình rẻ hơn hay prompt khéo léo. Chuyển cùng khối lượng công việc ra ngoài khung giờ cao điểm là đòn bẩy lớn nhất trong mô hình này.

Tiền thực sự đi đâu

Token đầu ra chiếm phần lớn hóa đơn ngoài giờ cao điểm. Đầu ra Flash tốn ¥128 cho 32M token, và đầu ra Pro tốn ¥108 cho 8M token. Cộng lại là ¥236 trong tổng ¥443.68 ngoài giờ cao điểm. Cache hit rẻ hơn, nhưng không phải câu chuyện chính: với 40% cache hit, khoản tiết kiệm so với việc tính mọi token đầu vào theo giá cache miss là khoảng ¥62.72 cho Flash và ¥69.60 cho Pro ở mức giá ngoài giờ cao điểm.

Điều đó quan trọng vì tỷ lệ cache hit rất dễ bị đánh giá quá cao. System prompt ổn định và tiền tố RAG tái sử dụng có thể đạt tỷ lệ cao. Prompt người dùng đuôi dài thường rơi vào khoảng 30–40%, và một số khối lượng công việc không bao giờ trúng cache. Nếu tỷ lệ đo được là 20% thay vì 40%, hãy tính lại các con số trước khi hứa hẹn tiết kiệm.

Những quy tắc định tuyến còn trụ lại

Tôi sẽ giữ bốn quy tắc, và không quy tắc nào cần mô hình mới.

  1. Chuyển công việc theo lô ra ngoài 09:00–12:00 và 14:00–18:00 giờ Bắc Kinh. Lập chỉ mục qua đêm, phân loại hàng loạt và tạo báo cáo là những khối lượng dễ chuyển nhất.
  2. Mặc định giữ lưu lượng tương tác trên Flash. Chỉ nâng cấp lên V4 Pro khi một bước đánh giá thất bại, không phải vì yêu cầu trông quan trọng.
  3. Giữ tiền tố prompt ổn định. Đặt câu hỏi thay đổi của người dùng ở cuối và system prompt cố định hoặc tài liệu truy xuất ở đầu. Một dấu thời gian ở đầu mỗi yêu cầu sẽ phá hủy cache.
  4. Không chuyển lưu lượng nhạy cảm độ trễ chỉ để bắt khuyến mãi. Đo độ trễ p95 trước và sau khi thay đổi; một yêu cầu rẻ hơn nhưng trễ hạn sản phẩm thì không rẻ hơn.

Cách kiểm tra tôi dùng

Hàm Python này chỉ dùng thư viện chuẩn. Nó trả lời hai câu hỏi: thời điểm hiện tại có nằm trong khung giờ cao điểm không, và một hỗn hợp token tốn bao nhiêu tại thời điểm đó?

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))

Dòng cuối in ra 225.28, khớp với con số Flash ngoài giờ cao điểm ở trên.

Những gì mô hình không bao quát

Việc kiểm tra giờ cao điểm không biết ngày lễ chính thức của Trung Quốc. Một ngày lễ rơi vào ngày làm việc sẽ bị coi là giờ cao điểm, khiến chi phí bị ước tính cao. Nếu điều đó quan trọng, hãy thêm lịch ngày lễ và coi những ngày đó là ngoài giờ cao điểm.

Giá là giá niêm yết chính thức bằng CNY tại thời điểm viết bài. Chúng có thể thay đổi. Giả định cache hit là phần tôi sẽ đo trước tiên; tỷ lệ 40% là đầu vào mô phỏng, không phải bảo đảm. Hành vi mô hình cũng khác nhau giữa Flash và Pro, nên một quy tắc định tuyến tiết kiệm tiền nhưng thay đổi chất lượng câu trả lời thì không phải là tiết kiệm.

Phép tính rất dễ tái lập. Bắt đầu với số token thực tế của bạn, đưa chúng qua máy tính chi phí DeepSeek, rồi kiểm tra xem phần theo lô của khối lượng công việc có thể chuyển ra ngoài khung giờ cao điểm không. Các hướng dẫn tích hợp cho Continue, Cline, LangChain, Cursor, Dify, Open WebUI và OpenAI Node.js SDK đều dùng cùng URL gốc, nên thay đổi định tuyến nằm ngoài mã ứng dụng. Cập nhật sản phẩm được ghi trong changelog.

Hướng dẫn liên quan về chi phí và di chuyển