DeepSeek 同一批请求，账单少七成

9 月 10 日，DeepSeek 把一封信塞进了每个 API 用户的邮箱：v4.1 Flash 上线，四天后，所有发给 deepseek-v4-pro 的请求会被强制路由过去，按 Flash 的价格收费。

HN 上那条讨论帖，五天里攒了 1011 分、576 条评论。有意思的是，评论区的焦点不在"新模型多强"，而在两件更小的事：它到底有多便宜，以及自己手头的机器能不能跑。

这篇只算第一件事。你的账单结构，在这一周里被整个重排了。

先看那张没人细看的价格表

DeepSeek 官方定价页（api-docs.deepseek.com/quick_start/pricing）在 9 月 10 日之后已经换血。写完这篇文章时，页面缓存里还能看到旧表残留，但生效的新价目是：

计费项	v4-pro（已路由消失）	v4.1-flash（现价，非峰）
输入 / 缓存命中	$0.022 / 1M	$0.003 / 1M
输入 / 缓存未命中	$0.66 / 1M	$0.15 / 1M
输出	$1.98 / 1M	$0.60 / 1M
并发上限	500	2500

非峰窗口是 UTC 01:00–04:00 和 06:00–10:00 之外的时间（工作日），价格减半。

DeepSeek 官方定价页：deepseek-flash 与 deepseek-v4-pro 价目对照（缓存命中 $0.003 vs $0.022，输出 $0.60 vs $1.98）

四行数字，两个结论：

第一，缓存命中输入从 $0.022 降到 $0.003，是 7.3 倍。注意旧 v4-flash 的命中价是 $0.007——新架构把"重复发送的系统提示词、工具 schema、知识片段"这一档打成接近于零。eesel 那篇定价分析的说法是"比未命中便宜 50 倍"，这是第一张表里最值钱的信号。

第二，输出从 $1.98 降到 $0.60，是 3.3 倍。输出历来是大头。9 月 14 日中午之后，你根本不用改代码——只要你的代码里还写着 deepseek-v4-pro，后端已经在按 $0.60 这一档给你出账。

用我自己的用量算一遍

拿一个我自己的真实场景：InsightNxt 的亚马逊评论批量分析。

这个模块的形态很典型：每天一次批处理，每条任务的输入大约 8K tokens（其中 7K 是固定的 prompt 模板 + schema，不到 1K 是真的评论原文），输出 800 tokens 左右的结构化 JSON。一天大约 2000 条任务。

如果跑在非峰窗口，一个月（30 天）的账：

按 v4-pro 旧价：

输入未命中部分：8K × 2000 × 30 = 480M tokens × $0.66 = $317
输出部分：800 × 2000 × 30 = 48M tokens × $1.98 = $95
合计约 $412/月。这还没算缓存命中收益（v4-pro 时代我几乎没做 prefix 缓存，因为 $0.022 的命中价省不了几个钱）。

按 v4.1-flash 现价（非峰）：

输入未命中：因为 7K/8K 的 prompt 是固定的，只要调度器把同模板请求排在一起，命中率可以做到很高。保守按 80% 命中算：
- 命中部分：480M × 0.8 × $0.003 = $1.2
- 未命中部分：480M × 0.2 × $0.15 = $14.4
输出：48M × $0.60 = $28.8
合计约 $44/月。

$412 → $44。差不多九成。哪怕完全不碰缓存、按全未命中算，也是 480M × $0.15 + 48M × $0.60 ≈ $101，还是旧价的四分之一。

这个场景下，价格表里那个"缓存命中 $0.003"不是装饰数字——它等于在告诉你：你那个懒得做 prefix 缓存的批处理，现在做一次缓存设计的回报率是过去的 7 倍。

账单上有三个不写在价格表里的新变量

价格表只告诉你单价。真实账单会被三件事重新塑形。

1. 峰/非峰第一次变得值得调度

peak 是 $0.30 输入 / $1.20 输出，非峰正好一半。按我上面的用量：全跑在非峰约 $44，全跑在峰值约 $88。一个月差 $44。

这个绝对值不大，但比值是 2:1。以前所有的模型调度策略里，"几点跑批"从来不进成本公式——现在它进了。UTC 01:00–04:00 和 06:00–10:00 是峰，对应北京时间 09:00–12:00 和 14:00–18:00。也就是说，你在工作时间跑批，付的是双倍价；挂到凌晨的 cron 跑，自动半价。

Daily collect 的采集任务、InsightNxt 的评论批处理，过去都挂在凌晨三点，纯属巧合踩在了非峰。现在这条巧合值得写进运维文档，变成显式策略。

2. reasoning effort 是一个 1-100 的成本旋钮

v4.1 Flash 原生支持一个连续可调的推理强度参数，1 到 100。所有官方 benchmark 都是在 effort=100、max 档下跑的——那是它"超过 V4 Pro"的成绩单。但日常大部分任务根本用不到 100。

eesel 的分析里点了一句很实在的：默认 thinking 模式开着，reasoning tokens 全部按输出价计费。一条返回 200 token 答案的请求，背后可能烧了几千 token 的隐藏推理。你要是不调，你按 $0.60/1M 算的"输出预算"可能差一个数量级。

反过来，这也是机会：Tier-1 客服分流、评论标签这类低推理任务，把 effort 压到 10-20，成本可以贴着标题价走；硬任务再上 80-100。同一个端点，可以当两个价位的模型用。

3. 本地部署的近似成本也变了

HN 576 条评论里，最热门的那条也是在算账——petu 贴的明细：

552B in ~FP4, 306GB.
196B of FP8 Engrams, another 204GB, not necessary to keep in RAM.
KV cache sees another 4x size reduction, just 900MB for 1M.

结论：想跑出像样的速度，大约需要 384GB 显存——"三块 Spark 或者四卡 RTX PRO 6000"。另一位 mixermachine 回帖说他已经在单块 6000 96GB 上用 4-bit 量化 + 32GB 内存跑起来了，代价是 KV cache 只剩约 30 万 token 的上下文。

对绝大多数人，这仍然不是"家里能跑"的模型。但它把门槛从"一百万的机房"压到了"一台开发者年薪的工作站"——benjiro29 在帖子里算的是 €80,000，正好约等于一名开发者一年的成本。自部署什么时候划算的问题，第一次有了可以认真算的表。

HN 讨论页：petu 的显存明细（552B FP4 306GB / 196B Engram 204GB / KV cache 900MB→384GB 需求）与「quad 6000 = €60k，约一个开发者年薪」算账串

别急着庆祝：两个还没兑现的东西

DeepSeek 官方的说法是多家测试表明 v4.1 Flash 在性能、成本、速度、总耗时四个维度全面超过 V4 Pro。但 orcarouter 那篇跟踪文章（9/10）指出一个值得记住的细节：发布当天，Artificial Analysis 还没有给出独立测量，Hugging Face 页面上还挂着"未被任何推理服务商部署"的标签。"入门款打赢上一代 1.6T 旗舰"这个说法，目前是厂商口径，没有第三方审计。

模型卡里那张对比表也印证了这一点：Terminal-Bench 2.1、DeepSWE、CyberGym、AutomationBench，v4.1 Flash 确实领先 Opus-5.0 和 GPT-5.6 Sol；但 Terminal-Bench 3.0/4.0、ProgramBench、SEC-Bench Pro，Opus/GPT 仍然在前面。它赢在"老一代的编码 harness"，还没赢下"新一代的难任务"。 如果你 agent 体系的瓶颈恰好在新难任务上，别看到 7 折价格就立刻全迁——先跑自己的 eval。

HF 模型卡 frontier 对比表：DS-V4.1-Flash 在 Terminal-Bench 2.1/DeepSWE/CyberGym 领先，Opus-5.0 仍领跑 Terminal-Bench 3.0/4.0 与 ProgramBench

读者动作清单

以下每件事都能在 30 分钟内做完：

全局搜你的硬编码。git grep -E '"deepseek-(v4-pro|v4-flash)"'——这个字符串现在指向的是新模型、新价格。把 model name 挪进环境变量里最省事；顺带按照 9/14 那篇的清单核一遍 eval 基线（那篇管"模型是谁"，这篇管"账单多少"，两步缺一不可）。
把你 9 月的批处理账单导出，按新价目重算一遍。输入命中/未命中拆开、输出单列、标注请求发生在峰还是非峰。如果每月量级在百万 token 以上，"把批任务挪到非峰 + 打开 prefix 缓存"这两件事的回报，大概率比你最近任何一个 prompt 优化都大。
选 3 条核心 prompt，测一次 reason effort 的价格-质量曲线。同一条任务，effort=20 和 effort=100 各跑三次，记录输出 token 数和答案质量。你的账单上很可能藏着一个"五倍推理费换 2% 质量"的旋钮，把它找出来。
非峰调度显式化。打开你的 crontab 或 job scheduler，确认批任务的运行窗口落在 UTC 04:00–06:00 或 10:00–次日 01:00（工作日），并把这个约束写进 README——否则下次有人把任务挪到"白天方便看日志"，你的账单会静默翻倍。

最后

我九月刚开始用这套新的成本结构重算 InsightNxt 的月度账单时，第一反应是"是不是哪里算错了"。

没算错。输入便宜了 4.4 倍，输出便宜了 3.3 倍，缓存命中便宜了 7 倍，并发翻了五倍——这四个数字乘在一起，就是"同一批请求，账单少七成"。

这次真正值得记住的不是"DeepSeek 又降价了"，而是成本模型第一次变成了可以主动设计的东西：缓存放哪、几点跑批、推理开多大、什么任务用什么模型档。这张表的每一个维度，都是一个旋钮。过去这些旋钮锁在厂商手里；这一周开始，有一半被递到了你手上。

会用的人，账单会继续降。不会用的人，只是被动收到了一张七折券——然后在明年模型换代的时候，再一次发现账单整体重排，而自己连旋钮在哪都不知道。

—— 完 ——

数据来源（备查，不进正文）：

官方公告：api-docs.deepseek.com/news/news260910（9/10 发布；9/14 04:00 UTC 起 v4-pro 强制路由；非峰=峰半价）
官方定价页：api-docs.deepseek.com/quick_start/pricing（r.jina.ai 缓存与 web 搜索摘要双源核验；v4-pro: $0.022/$0.66/$1.98 非峰；v4.1-flash: $0.003/$0.15/$0.60 非峰）
HF 模型卡：huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash（CED 架构、8B/16B 激活、890B/token KV cache、frontier 对比表、MIT）
HN 主帖：news.ycombinator.com/item?id=49639090（Algolia 核验 1011 分 / 576 comments / 2026-09-10；petu 显存明细、mixermachine 6000 单卡实测、benjiro29 €80k 成本类比）
HN 预热帖 49624603：417 分 / 218 评论（含 DeepSeek 官方通知原文与价格生效时间）
第三方分析：eesel.ai/blog/deepseek-v4-1-flash-pricing（峰/非峰窗口、reasoning token 计费陷阱、缓存命中 50 倍价差）；deepinfra.com/deepseek-ai/DeepSeek-V4.1-Flash（第三方托管价 $0.20/$0.60，并发佐证）
审慎来源：orcarouter.ai/blog/deepseek-v4-1-new-base-model（发布当日无 Artificial Analysis 独立测量、HF"未部署"标签）