DeepSeek降价60%，为什么只降缓存命中，输出价仍是原来的两倍？

本文属于「算力账本」系列。上一篇算的是峰谷差价，这一篇看同一张价目表上的三条线为什么没有一起动。

9月10日中午12点，DeepSeek Flash系列的新价格生效，媒体标题清一色是“最高降价60%”。

这个数字没有错。缓存命中的闲时价，从每百万Token 5分钱降回2分钱，正好60%。但打开完整价目表，另外两条线降得远没有这么多：缓存未命中输入从1.5元降到1元，降了三分之一；输出从4.5元降到4元，只降了一成出头。而在8月17日之前，输出价是2元。

输入价退回了原点，输出价至今仍是原来的两倍。

如果只是算力整体便宜了，三条线为什么会走出60%、33%和11%三种幅度？如果只是竞争压力，降价的同时为什么还保留峰谷计费？答案不在GPU价格里，而在一次推理的三个阶段里。三条价格线各降各的，等于把一次推理中哪段最贵、哪段最便宜，直接写在了账单上。

一、不到一个月，计费政策改了四次

先把时间线摆正，这不是“同一个模型两个月内涨了又降”。

三组数字依次对应缓存命中输入、缓存未命中输入、缓存未命中输出，单位都是元/百万Token。

四次调整里，只有两次动了单价。更关键的是9月10日代码里的模型名可以一个字不改，后面的模型已经换了。V4 Flash和V4 Flash Vision Exp已经下线，deepseek-v4-flash等旧名称只是被临时路由到V4.1 Flash，按Flash价格计费。

第四次调整发生得更快。9月10日的发布稿原本宣布，9月14日12点后deepseek-v4-pro的请求将全部路由到V4.1 Flash并按Flash计费；但截至9月12日，API价格页已经加了一条说明：应用户需求，9月14日后继续提供V4 Pro，计费方式不变。一个路由计划在生效前就被撤回了。

这个插曲本身就是一个提醒：模型路由、服务期限和价格，现在都属于动态配置。接入之后，得继续盯着。

顺带说一句，8月17日那次涨价，官方公告没有解释原因。“算力紧张、要集中资源训新模型”的说法来自官方小助手的回复和媒体转述，属二手口径，本文不把它当结论用。

二、三条价格线，对应推理链上的三笔账

把三个时期的Flash价格放在一起：

先说清楚“最高降价60%”的口径：比较的是9月10日前后的闲时缓存命中价。如果拿原来的高峰价0.1元和现在的闲时价0.02元比，能得到80%，但那同时换了计费时段和价格版本，不是同口径。以后看降价新闻，先问一句：跟哪个价比的？

三条线降幅不同，和V4.1 Flash的结构变化正好对得上。

DeepSeek在发布说明里把降价原因说得很直接：新架构能以更低的成本服务更多用户。DeepSeek官方给了四个数字：模型总参数552B，输入激活8B，输出激活16B；KV Cache对HBM的需求降到上一代的1/4，对SSD的需求降到1/8，相对初代模型累计缩小437倍。

这里先插一句本号的老话：参数量不等于算力。上一代V4 Flash总参数284B、每Token激活13B；V4.1 Flash总参数翻了近一倍到552B，激活参数却降到8B（输入）和16B（输出）。模型变大了，跑起来反而更便宜。这四个数字拆开看，正好对应三条价格线。

缓存命中：降60%

命中缓存时，重复的前缀不用重新算，平台主要承担的是把之前存下来的KV Cache从SSD或HBM里读出来、再接着往下算。这段成本的大头是存储，不是计算。

V4.1 Flash变化最大的恰好就是缓存。技术报告的架构叫Causal Encoder-Decoder，40层被拆成20层因果编码器和20层解码器，解码器的全局KV Cache不再由每一层自己算，而是从编码器最后一层的隐状态投影出来；再配合一个叫SWA Bounded Replay的设计，滑动窗口注意力的缓存不再持久化到SSD，只在需要时回放最近的窗口重建。两件事叠起来，需要长期保存的KV Cache缩到了上一代的大约1/8。

缓存体积缩得最狠，缓存命中价降得最多，方向一致。发布说明还专门提到，Agent场景中缓存命中的费用往往占比较高——这条线是明着降给Agent用户的。

不过有一个边界要划清：这个方向有官方材料支撑，但不能把资源比例直接换算成利润表。DeepSeek没有公布每百万Token的真实运营成本，HBM降到1/4，不等于缓存价格必须降到1/4。

缓存未命中：降33%

没命中，输入就要完整过一遍prefill。V4.1的输入激活从13B降到8B，而且在这个结构里，提示词Token只需要走完编码器那20层，不必再过解码器，prefill的计算量大致砍了一半。但这段计算是跳不掉的——省得少，降得也少。

输出：只降11%

输出进入decode阶段，模型逐个生成Token，每生成一个都要再读一遍参数和已有缓存。V4.1在这一阶段激活16B参数，是输入阶段的两倍。“非对称”这三个字的设计意图，就是把算力省在输入端、留给输出端。

输出价从4.5元降到4元，只回撤了一小步。和8月17日前相比，闲时输出价仍是两倍，高峰价是四倍。这说明decode仍然是整条推理链上最难压的一段。

哪条价格线降得最多，就说明哪部分成本改善得最明显。三条线不是一份精确的内部成本表，但比“最高降价60%”更接近你最终要付的钱。

三、模型价格的三个开关

之前在本号中峰谷定价的文章说过，AI价格正在从一个固定数字变成一套调度规则。这次三条线的差异化变化，可以把这套规则拆成三个开关。

开关一：一次请求吃掉多少资源

prefill计算、KV Cache占用的HBM和SSD、decode持续的时间、并发时的调度效率，都会进入服务成本，而模型架构直接决定这些量。V4.1的四个官方数字描述的就是这一层。从目前的一手资料看，新架构是这次降价最有力的直接解释。

开关二：算力在什么时间被占用

峰谷价解决的是集群利用率问题。工作日白天接近满载时，多一个请求可能意味着排队或扩容；夜间和周末有空闲容量时，多处理一批任务的新增成本很低。GPU的买入价没变，利用率变了，平台愿意接受的价格就会变。

8月23日把周末全天划成闲时，就是对着真实负载曲线在调规则——周末请求少，没必要用高峰价把人赶走。而这次降价之后，峰谷机制被保留了下来，工作日9:00至12:00、14:00至18:00仍按高峰价计费。这本身是一个信号：吞吐压力没有因为换了模型就消失。

开关三：平台想让流量去哪里

Flash承接高频、规模化、价格敏感的请求，Pro面向复杂任务。价格除了回收成本，还在决定用户把流量送到哪个模型。

这次只动Flash，Pro的价格没改；旧Flash下线但保留调用别名，是一次平滑迁移；原计划把Pro请求也导向Flash，随后又撤回。动作串起来看，产品分流的方向很清楚——把绝大多数调用推到新Flash上——但分流的节奏还在调整。

竞争压力也放在这个开关里。8月涨价之后，有第三方比价认为在普通短上下文场景下，Flash已经不是最便宜的选择，这可能影响了DeepSeek愿意把多少成本下降让出来。但官方没有把这次降价归因于竞品，竞争只能作为市场背景。

四、谁是这次的主开关

把候选原因和证据放在一张表里：

我的判断是：这次调价最直接的开关，是新架构带来的单位服务成本下降，尤其是KV Cache的压缩；峰谷价被保留，说明吞吐问题还在；竞争决定DeepSeek愿意让出多少，但现有公开资料不足以给它定权重。

一句话概括：

成本决定能不能降，吞吐决定哪个时段不能降，产品定位决定降给哪个模型、哪类Token。

五、下一个该退的，是输出价

前面拆DSpark那篇讲过，推测解码是专门用来提升decode吞吐的技术，V4 Flash 0731也带着DSpark模块。这次输入价已经明显回落，输出价只退了一小步，正好给了一个可以持续观察的指标：

Flash的闲时输出价什么时候回到2元，就是decode那一段成本真正松了的信号。

但这个信号不能替代吞吐测试。输出价格还会受竞争、产品分层和高峰利用率影响，不能因为单价降了，就反推decode性能一定提高了多少。

六、你的账单到底能降多少

公式很简单：

1

总费用 = 命中量 × 命中价 + 未命中量 × 未命中价 + 输出量 × 输出价

跨了峰谷时段，就分两段各算一遍。下面三个场景全部按闲时价计算，单位是元。

场景一：长上下文Agent，降约30%

假设每天1000万Token输入，命中率95%，输出20万Token。

1
2

9月10日前：9.5×0.05 + 0.5×1.5 + 0.2×4.5 = 2.125
9月10日后：9.5×0.02 + 0.5×1   + 0.2×4   = 1.49

命中率已经95%，实际降幅仍远低于60%——因为账单里的大头从来不是命中的那部分，而是没命中的和输出的。

场景二：内容生成，降约15%

假设100万Token输入，命中率30%，输出100万Token。

1
2

9月10日前：0.3×0.05 + 0.7×1.5 + 1×4.5 = 5.565
9月10日后：0.3×0.02 + 0.7×1   + 1×4   = 4.706

输出越多，整体降幅越接近输出价那条11%的线。

场景三：离线批处理，降约65%

沿用场景一的用量，但之前跑在工作日高峰，现在挪到夜里或周末：

1
2

9月10日前高峰：2.125 × 2 = 4.25
9月10日后闲时：1.49

这是唯一能超过60%的情况——降价和错峰叠在一起。这里比的已经不只是单价，还包含从高峰切到闲时的折扣。

一份真实Token结构，重算三版价格

再贴一份实测。我有一个每天定时跑的A股分析Agent，用DeepSeek Flash做分析。之前写缓存计费那篇时，贴过6月14日的后台拆解：命中1667万Token，未命中45万，输出10.9万，当天花了约1元。

下面把同一组用量分别套入三个时期的闲时价，只为隔离单价变化的影响，不冒充9月10日前后的两张实付账单：

1
2
3

8月17日前：0.333 + 0.450 + 0.218 = 1.00
8月17日起：0.834 + 0.675 + 0.491 = 2.00
9月10日起：0.333 + 0.450 + 0.436 = 1.22

8月那轮涨价会让同样的调用结构从1元变成2元，这次回落到1.22——比涨价前多出的那0.22元，几乎全部来自输出。97%的命中率，也不等于整张账单能降60%。命中率、输入输出比例和请求时段，必须放在一起算。

七、开发者现在该做的四件事

一，单独维护一张带生效日期的价格表。一个月改四次的东西，不要写死在代码或年度预算里；历史账单也要按调用发生时的价格算。

二，日志里把三类Token分开记。只有一个总Token数，既还原不了费用，也看不出优化该落在哪一段。

三，可延迟任务排到闲时和周末。场景三已经算过了，这是唯一能拿到60%以上降幅的办法，而且不改模型能力。

四，比较任务总成本，不只比每百万Token报价。任务成功率、输出长度、响应时间、失败重试次数、缓存命中率，哪一项都可能把单价差抹平。

最后补一条容易被忽略的风险：模型名还能调，不代表后面还是那个模型。旧Flash模型名已经指向V4.1 Flash，Pro的路由计划宣布了又撤。对结果稳定性有要求的业务，需要记录实际模型版本，路由或模型更新后重跑一遍回归测试。

写在最后

不到一个月四次计费调整，把大模型API定价背后的几笔账摊开了。

新架构改变一次请求需要多少计算和缓存，峰谷规则改变请求在什么时间进入集群，产品定位决定流量被送到哪个模型。GPU价格只是成本背景之一，解释不了缓存命中降60%、未命中降33%、输出只降11%这组不对称的变化。

上一篇说价格表正在变成一套调度规则。这一篇可以再加一句：它也正在变成一块仪表盘，指针指向的是后台那些你看不见的HBM、SSD和GPU时间。

下一次价格变化发生时，可以先看究竟动了哪条线。没有跟着一起变的那条，往往更有信息量。

顺便预告一下，V4.1 Flash那个“输入激活8B、输出激活16B”的非对称结构，够单独拆一篇「术语解构」。

如果这篇对你有帮助，点个「在看」，把公众号设为星标，或者在评论区聊聊你的账单在9月10日前后变了多少。

资料边界说明

文中价格与产品状态核对于2026年9月12日，发稿前请再次核对DeepSeek API价格页。按来源可信度分层如下：

一手来源（官方）

• DeepSeek官网《DeepSeek V4.1 Flash：更强、更快、更普惠》，2026年9月10日：deepseek.com/news/deepseek-v4-1-flash/
• DeepSeek API价格页（含V4 Pro继续提供的说明）：api-docs.deepseek.com/zh-cn/quick_start/pricing
• DeepSeek开放平台公告：8月17日调价、8月23日周末规则、9月10日调价
• DeepSeek-V4.1-Flash模型卡与技术报告：huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
• DeepSeek-V4-Flash模型卡（284B/13B、DSpark模块）：huggingface.co/deepseek-ai/DeepSeek-V4-Flash

实现方与工程博客

• vLLM Recipes对DeepSeek-V4-Flash和DSpark的说明：recipes.vllm.ai

第三方媒体

• 观察者网，2026年8月17日，DeepSeek涨价报道两篇
• 新浪科技，2026年9月9日，《DeepSeek官宣flash系列模型降价 最高直降60%》
• MarkTechPost，2026年9月10日，V4.1 Flash架构解读（“prefill计算量大致减半”出自此处）

二手口径与社区（不作为结论依据）

• 8月17日涨价原因“算力紧张、集中研发新模型”：官方小助手回复经媒体转述
• 涨价后的竞品比价：devtk.ai第三方分析
• 用户讨论：知乎、B站、LINUX DO

本账号已发文章

• 《同一个问题，上午9点问比凌晨贵一倍：DeepSeek峰谷定价的算力账》
• 提示词缓存计费篇，《同一份材料，为什么第二次交给AI只收1/10？缓存计费拆解》
• KV Cache篇，《KV Cache：每读1个token，就要交一笔“显存税”》
• DSpark推测解码篇 ，《DeepSeek新出的DSpark，不是让模型更聪明，而是让它说话更快》