DeepSeek 高峰与低谷定价：一次路由成本实验

DeepSeek 的价格在普通工作日会变两次。同一个模型、同样多的 token、同样的缓存命中，上午 10 点和晚上 8 点的账单可能差一倍。这首先是调度问题，其次才是选模型的问题。

先说答案： 高峰时段是北京时间周一至周五的 09:00–12:00 和 14:00–18:00，中国法定节假日除外；其余时间都按高峰价的一半计费。下面这组 2 亿输入、4000 万输出的月度负载，按高峰价算要 ¥887.36，挪到低谷时段只要 ¥443.68。如果不想自己维护路由层，可以创建 Tokuse 账号，用一个 OpenAI 兼容端点接入这两个 DeepSeek 模型，base URL 是 https://tokuse.com/v1。

官方时段和价格

DeepSeek 官方价格以人民币 / 百万 tokens 计。当前 Flash 和 V4 Pro 的价格是：

模型	Token 类型	高峰	低谷
deepseek-flash	缓存命中输入	¥0.04	¥0.02
deepseek-flash	缓存未命中输入	¥2.00	¥1.00
deepseek-flash	输出	¥8.00	¥4.00
deepseek-v4-pro	缓存命中输入	¥0.30	¥0.15
deepseek-v4-pro	缓存未命中输入	¥9.00	¥4.50
deepseek-v4-pro	输出	¥27.00	¥13.50

高峰时段是周一至周五的 09:00–12:00、14:00–18:00，北京时间。周末和中国法定节假日全天都是低谷，12:00–14:00 午休也是低谷。

我计算的负载

这里用的是建模数据，不是生产环境的实测流量，便于复核：

每月 2 亿输入 tokens、4000 万输出 tokens。
输入 tokens 的 40% 命中缓存。
输入和输出 tokens 中，80% 走 Flash，20% 走 V4 Pro。
不计重试、失败请求、图片和音频 tokens。

拆分后是：

模型	缓存命中输入	缓存未命中输入	输出
deepseek-flash	6400 万	9600 万	3200 万
deepseek-v4-pro	1600 万	2400 万	800 万

按官方标价，月度成本是：

模型	高峰	低谷
deepseek-flash	¥450.56	¥225.28
deepseek-v4-pro	¥436.80	¥218.40
合计	¥887.36	¥443.68

这 50% 的差异来自时钟，不是换模型，也不是换了更好的提示词。把这批负载挪出高峰窗口，是这个模型里最大的单项杠杆。

钱花在哪里

低谷账单里，输出 tokens 占了大头。Flash 的 3200 万输出是 ¥128，Pro 的 800 万输出是 ¥108，两项合计 ¥236，占 ¥443.68 的 53%。

缓存命中确实便宜，但不是主故事。按 40% 命中率算，相比把所有输入都按未命中价收费，低谷时 Flash 大约省 ¥62.72，Pro 省 ¥69.60。

缓存命中率很容易被高估。固定的 system prompt、复用的 RAG 前缀可以把命中率做得很高；长尾用户问题经常只有 30–40%，有些场景根本命中不了。如果你测出来是 20% 而不是 40%，先把数字重算一遍，再对外承诺节省比例。

留下来的四条路由规则

把批处理任务挪出 09:00–12:00 和 14:00–18:00。夜间索引、批量分类、报表生成最容易挪。
交互流量默认走 Flash。只有评测步骤不通过时才升级到 V4 Pro，不要因为“看起来重要”就升级。
保持 prompt 前缀稳定。把会变的用户问题放末尾，固定的 system prompt 或检索文档放前面。每个请求开头塞一个时间戳，缓存基本就没了。
不要为了蹭折扣去挪延迟敏感流量。改之前测 p95，改之后再测；错过产品时限的便宜请求并不便宜。

我使用的时段判断

下面这段 Python 只用标准库，回答两个问题：现在是不是高峰，以及给定 token 结构在当前时段要多少钱。

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:  # 周六、周日
        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，周二
    print(is_peak(datetime(2026, 11, 10, 13, 0, tzinfo=tz)))  # False，午休
    print(is_peak(datetime(2026, 11, 14, 10, 0, tzinfo=tz)))  # False，周六
    print(cost("deepseek-flash", 64_000_000, 96_000_000, 32_000_000, False))

最后一行输出 225.28，和上面的 Flash 低谷数字一致。

这个模型没有覆盖的部分

时段判断不认识中国法定节假日。工作日里的节假日会被当成高峰，成本会算高。如果这点重要，接一个节假日日历，把那些日期按低谷处理。

价格是写作时的官方人民币标价，之后可能调整。缓存命中率是建模输入，不是保证；我建议先用自己的真实 token 结构测一遍。Flash 和 Pro 的输出质量也不一样，省了钱但改变了答案质量，不算节省。

数字很容易复现。拿你真实的 token 数量，先跑一遍 DeepSeek 成本计算器，再看批处理部分能不能挪出高峰窗口。Continue、Cline、LangChain、Cursor、Dify、Open WebUI 和 OpenAI Node.js SDK 的接入指南都使用同一个 base URL，路由调整不需要改业务代码。产品更新记录在更新日志。