DeepSeek 又一次打破了定价的惯性——直接将之前75%的促销折扣变成了永久价格。5月22日，团队宣布原定于2026年5月31日15:59 UTC到期的DeepSeek-V4-Pro七五折优惠不再回滚。促销价格正式成为永久挂牌价。输入（Input）价格降至每百万tokens $0.435，输出（Output）降至 $0.87，缓存命中（cache hits）降至 $0.003625。下面，我们来拆解哪些发生了变化、哪些保持不变，以及每位API开发者本周应该重新思考的事情。 - DeepSeek-V4-Pro API定价现已永久固定为原挂牌价的1/4：输入 $0.435/MTok，输出 $0.87/MTok，缓存命中 $0.003625/MTok。 - 原定于2026年5月31日结束的75%促销折扣现已成为常规费率。不回滚，无意外到期。 - V4-Pro的输出价格现在比GPT-5.5便宜约34倍，同时在大多数编程和推理基准测试中达到了GPT-5.5约95%的水平。 - 缓存命中价格为 $0.003625/MTok，在标题降价的基础上又削减了90%——这是一个被低估的细节。长system prompts在前缀部分现在几乎是免费的。 - 如果你上个季度是针对GPT-5.5或Claude Opus 4.7定价AI功能的，那么本周的构建成本逻辑已经变了。 ## 为什么这很重要 LLM的定价通常只朝一个方向移动：缓慢下降，并附带大量脚注。DeepSeek跳过了脚注。团队在5月份运行了激进的促销，观察到开发者流量攀升，并决定锁定价格，而不是让其反弹。这是一个关于中国前沿模型经济走向的结构性信号，而非一次性噱头。 如果你正在交付任何在核心路径中调用LLM的产品（自动补全、检索增强聊天、代码审查、Agent循环），每百万输出tokens $3.48和$0.87之间的差距将直接体现在你本月的账单上。假设每天交付5000万个输出tokens（对于任何拥有一定用户量的Agent来说，这是一个现实的负载），新价格将使你每月的LLM账单从大约$5,200降至$1,300。这省下的是一个销售人员的薪水，或者一整年的GPU算力额度。 在本文的其余部分，你将看到完整的全新价格表、与GPT-5.5和Claude Opus 4.7的正面交锋、大多数文章忽略的缓存命中计算、三个真实的账单场景，以及关于今天是否迁移的五步决策框架。 ## 变化内容：公告解读 DeepSeek的官方定价通知很短，但每一行都改变了一个数字。有三个事实值得关注： 1. **75%的折扣是永久性的。** 原定于2026年5月31日15:59 UTC结束的促销本应在6月1日恢复到发布时的挂牌价。现在不会了。促销费率即为新的挂牌费率，追溯至发布之日并无限期延续。 2. **降价仅适用于V4-Pro。** DeepSeek-V4-Flash的价格为$0.14 / $0.28每百万tokens，已经非常便宜。此次降价的是前沿级别的模型V4-Pro。 3. **缓存命中定价降至发布时的1/10，自2026年4月26日12:15 UTC起生效。** 这是独立于75%标题降价之外的另一项变动，且两者叠加。结果是：缓存命中价格为$0.003625/MTok，这是2026年市场上最低的第一方前沿模型缓存价格。 综合来看，该公告表明：DeepSeek愿意吸收核心模型的毛利以留住开发者的注意力。缓存命中的举措则表明：他们希望你专门在V4-Pro上构建Agent和长上下文工具。两项举措都指向同一个策略：先赢得推理工作负载，稍后再实现平台变&现。 ## 全新永久价格表 每100万tokens的定价（美元），立即生效且永久化： | Token类型 | 原挂牌价 | 现永久价 | 降幅 | |-----------|---------|---------|------| | 输入 (cache miss) | $1.74 | $0.435 | 75% | | 输入 (cache hit) | $0.0145 | $0.003625 | 75% | | 输出 | $3.48 | $0.87 | 75% | 表格中隐藏的几个要点： - 输出价格的下降对账单影响最大，因为在模型进行推理或编写代码的任何Agent循环中，输出tokens都占据主导地位。 - 缓存命中行看起来很小，是因为绝对数字极小。节省的关键在于比例。输入未命中与输入命中的比例约为120:1。一个设计良好的system prompt如果能达到90%的缓存命中率，那么输入成本几乎可以忽略不计，这是任何拥有稳定脚手架的Agent的关键突破。 - 这些费率仅适用于API。DeepSeek的网页端聊天对个人用户仍然免费。 ## V4-Pro 与 GPT-5.5、Claude Opus 4.7 及 Gemini 3.5 Flash 的对比 有趣的对比不是V4-Pro与过去的自己，而是与目前市面上其他前沿模型的对比。 | 模型 | 输入 ($/MTok) | 输出 ($/MTok) | SWE-bench Pro | |------|-------------|-------------|--------------| | DeepSeek-V4-Pro (新) | $0.435 | $0.87 | 55.4% | | GPT-5.5 | $5.00 | $30.00 | 58.6% | | Claude Opus 4.7 | $3.00 | $15.00 | ~62% | | Gemini 3.5 Flash | ~$1.50 | ~$9.00 | ~48% | | DeepSeek-V4-Flash | $0.14 | $0.28 | ~42% | 请记住两个数字：在最耗费成本的输出tokens上，DeepSeek-V4-Pro比GPT-5.5便宜34倍，比Claude Opus 4.7便宜17倍。在基准测试方面，根据DataCamp的对比，V4-Pro在大多数公开的编程和推理评估中，与GPT-5.5的差距仅在3到7个百分点之内。 如果你的工作负载对延迟有一定容忍度，且在这个微小的质量区间内是可以接受的，那么迁移就是一个只有唯一答案的数学题。对于那些最后5分基准测试成绩至关重要的工作负载（Agent工具可靠性、长期规划、硬核数学），V4-Pro仍然可以作为推测解码（speculative-decoding）或批判模式（critic pattern）中的草稿模型，以降低成本。 ## 大多数文章忽略的缓存命中视角 每个人都在引用$0.87的输出价格。很少有人解释$0.003625的缓存命中输入价格对系统设计意味着什么。 当请求的前缀与最近的先前请求（约30分钟窗口内）在字节级完全一致时，DeepSeek的prompt cache就会命中。对于聊天Agent和检索流水线，前缀通常是你的system prompt加上工具定义和指令脚手架。这通常有4,000到10,000个tokens在不同轮次之间保持不变。 具体例子：假设你的助手使用6,000 tokens的system prompt，每天处理100,000轮对话，平均用户消息为200输入tokens，平均响应为800输出tokens。 - 无缓存命中：100,000轮 × 6,200输入tokens × $0.435 / 1,000,000 = 仅输入成本每天$269.70。 - 90%的system prompt tokens命中缓存：同样的100,000轮，支付200 × $0.435加上6,000 × (0.9 × $0.003625 + 0.1 × $0.435)每百万tokens。计算结果约为每天$32。输入成本降低了88%。 这绝不是舍入误差。这是模型从“奢侈品”变为“可持续支出”的分水岭。在实际Agent中获取缓存命中的三种模式： - **固定前缀（Pin the prefix）**：将system prompt、工具schema和few-shot示例放在每个请求开头的单个块中。不要在前缀中插入特定于会话的文本。 - **对动态上下文进行排序或哈希**：如果你附加了检索到的片段，请对它们进行稳定排序，或者对请求进行哈希处理，并将相同的哈希路由到同一个节点。微小的指纹偏移都会导致缓存失效。 - **运行预热调用**：在Agent启动时，发送一个带有完整前缀的请求，以便在用户流量到达之前将其存入供应商的缓存中。 ## 你本周应该做什么 迁移决策并不是非黑即白的。它取决于你运行的是哪种LLM工作负载。一个五步框架： 1. **衡量当前的输出/输入比。** 如果你80%的token预算花在输出上（任何Agent、代码生成器或内容工具），V4-Pro带来的节省将非常巨大。如果你80%花在输入上（长文档RAG），一旦缓存命中生效，节省虽然较小但依然可观。 2. **在真实工作负载上运行100个样本评估。** 不要迷信公开基准测试。从生产流量中提取100条追踪记录，使用相同的prompt在V4-Pro和你当前的模型上运行，并使用你自己的标准进行评分。大多数团队发现V4-Pro对于70%到85%的流量来说已经“足够好”。 3. **按路由进行模式匹配。** 将那70%到85%的流量路由到V4-Pro，并在处理极端难题时保留你的高级模型。仅这一项改变就能在几乎不降低质量的情况下节省70%以上的成本。 4. **锁定缓存前缀。** 审计你的system prompts。任何随请求变化的内容（时间戳、用户ID、会话ID）都应该放在用户消息中，而不是system prompt中。移动它们。 5. **在上线前设置回归测试。** 用你的生产流量录制一组黄金响应，然后针对V4-Pro重放并对比输出，确保tool-call格式和语义一致性。一个可靠的测试套件可以在格式偏移进入生产环境之前捕获它们。 ## V4-Pro 与 2026 年其他降价举措的对比 DeepSeek并不是唯一降价的实验室。2026年的LLM市场正处于明显的利润压缩阶段： - OpenAI O3在今年早些时候降价80%。 - Kimi K2进行了激进的重新定价，以与DeepSeek的V3层级竞争。 - Anthropic Claude在Opus定价上保持不变，但推出了更便宜的Haiku和Sonnet层级。 V4-Pro的降价是今年最激进的，因为它针对的是前沿能力带，而不是廉价层级。这就是为什么这次公告重塑了市场，而其他公告没有。 ## 构建成本逻辑已改变 DeepSeek不仅仅是降低了价格，他们重画了曲线。低于1美元的输出定价拥有前沿能力现在是基准，而不是特例，市场的其他参与者将会做出回应。如果你一直因为成本原因推迟某项LLM功能，你上个季度估算的2026年预算可能比实际需求高出了4倍。 接下来的三个步骤： - 根据上述框架审计你排名前三的LLM工作负载，并选择一个在本周进行迁移。 - 锁定你的缓存前缀。无论你使用哪种模型，这都是一个低成本的赢点。 - 建立回归测试套件，这样下一次降价（肯定还会有的）发生时，你只需要几个小时而不是几周就能完成评估。