Tại sao bảng giá làm giảm hóa đơn thực tế
Một mô hình suy luận như R1 giải quyết vấn đề từng bước trước khi đưa ra câu trả lời cuối cùng. Những bước đó là các token và nhà cung cấp thường tính phí chúng theo tỷ lệ đầu ra. Vì vậy, một yêu cầu trả về câu trả lời 300 token có thể tạo ra hàng nghìn token tổng cộng.
Để giữ cho bài viết này chính xác, không có tỷ lệ DeepSeek nào được in ở đây. Giá của họ thay đổi và một con số cũ kỹ còn tệ hơn là không có. Hãy lấy tỷ lệ đầu vào và đầu ra hiện tại từ trang giá cả chính thức của DeepSeek và sử dụng các công thức bên dưới. Đồng thời kiểm tra xem trang đó mô tả token suy luận như thế nào và liệu API có trả về chúng trong phản hồi hay không.
chi phí cho mỗi yêu cầu = (đầu vào / 1 triệu) x tỷ lệ đầu vào + ((suy luận + câu trả lời) / 1 triệu) x tỷ lệ đầu ra
Yếu tố chưa biết trong công thức đó là thinking. Nó thay đổi tùy theo câu hỏi: các prompt dễ có thể sử dụng vài trăm token, các câu hỏi khó có thể sử dụng hàng nghìn token. Hãy đo lường nó trên các prompt của riêng bạn thay vì đoán.
Hiệu ứng nhân lên, với các con số
Hãy sử dụng tỷ lệ của chúng tôi, $0,50 cho mỗi 1 triệu token đầu ra, làm ví dụ trung tính để phép tính có thể kiểm tra được. Giả sử một yêu cầu có câu trả lời 300 token.
| Token suy luận | Tổng đầu ra | Chi phí đầu ra ở mức $0,50 cho mỗi 1 triệu | So với câu trả lời trực tiếp |
|---|---|---|---|
| 0 (chat trực tiếp) | 300 | $0.00015 | 1x |
| 1,000 | 1,300 | $0.00065 | 4.3x |
| 5,000 | 5,300 | $0.00265 | 17.7x |
| 10,000 | 10,300 | $0.00515 | 34.3x |
Tỷ lệ này không phụ thuộc vào bảng giá. Tại bất kỳ nhà cung cấp nào, 5.000 token suy luận cộng với câu trả lời 300 token là khoảng 17,7 lần đầu ra của câu trả lời trực tiếp 300 token. Nhân nó lên cho một tháng: 100.000 yêu cầu với 5.000 token suy luận mỗi yêu cầu là 530 triệu token đầu ra. Ở mức $0,50 cho mỗi 1 triệu, điều đó sẽ là $265, so với $15 cho cùng 100.000 câu trả lời trực tiếp (30 triệu token).
Các tác vụ cần suy luận và các tác vụ không cần
Các mô hình suy luận kiếm được chi phí của chúng trên các vấn đề có nhiều bước phụ thuộc. Công việc văn bản hàng ngày chủ yếu thiếu cấu trúc đó.
Thường đáng giá với một mô hình suy luận
- Các bài toán và câu đố logic đa bước
- Gỡ lỗi một đoạn mã khó khi nguyên nhân không rõ ràng
- Các tác vụ lập kế hoạch với các ràng buộc tương tác
Thường ổn với mô hình chat đơn giản
- Viết lại, thay đổi giọng điệu và chỉnh sửa theo phong cách dịch thuật
- Trích xuất vào JSON từ một trang văn bản
- Phân loại và gắn thẻ
- Soạn thảo email, nội dung sản phẩm và mô tả
- Nhập vai, tiểu thuyết và nhân vật đồng hành, nơi tốc độ và giọng nói quan trọng hơn logic từng bước có chủ đích
Các tác vụ theo kiểu chat cũng được hưởng lợi từ độ trễ thấp hơn, vì không có giai đoạn suy nghĩ trước token hiển thị đầu tiên. Nếu người dùng của bạn xem phản hồi được truyền phát xuất hiện, điều đó rất quan trọng.
API này cung cấp gì thay thế
Trang web này là một API tương thích OpenAI độc lập. Nó không phải là API chính thức của DeepSeek và không phải là nhà phân phối lại của nó. Nó chạy một mô hình trọng số mở từ một nhà cung cấp độc lập, được tinh chỉnh để trả lời mà không từ chối nội dung cho việc sử dụng người lớn hợp pháp, với ID mô hình uncensored. Không có benchmark nào được công bố ở đây, vì vậy đừng giả định rằng nó phù hợp với một mô hình suy luận chuyên dụng trên các vấn đề khó. Hãy thử nghiệm nó trên các tác vụ của riêng bạn.
Các tỷ lệ là $0,15 cho mỗi 1 triệu token đầu vào và $0,50 cho mỗi 1 triệu token đầu ra, tín dụng trả trước, không có đăng ký. Các yêu cầu thất bại hoặc bị từ chối không bị tính phí và tín dụng không bao giờ hết hạn. Ngữ cảnh là 100.000 token, bao gồm prompt và hoàn thành. Nó hỗ trợ truyền phát, gọi hàm và chế độ JSON. Xem trang giá cả để nạp tiền và nhận bonus.
Ví dụ đã tính cho tháng 100.000 yêu cầu ở trên, với câu trả lời chat trực tiếp: đầu vào 1.000 token mỗi yêu cầu là 100 triệu token x $0,15 = $15, đầu ra 300 token mỗi yêu cầu là 30 triệu x $0,50 = $15, tổng cộng $30.
Thử rẻ trước, nâng cấp khi cần
Một thiết lập hợp lý là gửi phần lớn lưu lượng truy cập đến một mô hình chat chi phí thấp và chỉ nâng cấp các prompt không vượt qua một kiểm tra. Mã bên dưới thử API này trước và chuyển sang client thứ hai chỉ khi xác thực thất bại. Hãy điền URL cơ sở và tên mô hình của nhà cung cấp thứ hai từ tài liệu của nó.
import json, os
from openai import OpenAI
cheap = OpenAI(api_key=os.environ["API_KEY"],
base_url="https://api.deepseekapipricing.com/v1")
# second client: copy base URL and model name from that provider's docs
strong = OpenAI(api_key=os.environ["OTHER_KEY"], base_url=os.environ["OTHER_BASE_URL"])
def answer(question):
r = cheap.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[{"role": "system", "content": "Reply as JSON with keys answer and confidence (0-1)."},
{"role": "user", "content": question}],
)
try:
data = json.loads(r.choices[0].message.content)
if float(data.get("confidence", 0)) >= 0.7:
return data["answer"]
except (ValueError, TypeError):
pass
r2 = strong.chat.completions.create(
model=os.environ["OTHER_MODEL"],
messages=[{"role": "user", "content": question}],
)
return r2.choices[0].message.content
Độ tin cậy tự báo cáo là một tín hiệu yếu, vì vậy hãy sử dụng một bài kiểm tra tốt hơn khi bạn có một bài kiểm tra: kiểm tra lược đồ, kiểm tra đơn vị hoặc quy tắc độ dài. Điểm mấu chốt là chỉ trả tiền cho token suy luận nơi chúng thay đổi kết quả.
Các rào chắn chống hóa đơn bất ngờ
Bất kể mô hình bạn chọn, hãy đặt giới hạn trước khi chạy một lô lớn.
- Giới hạn đầu ra. Đặt
max_tokenstrên mọi lệnh gọi trong vòng lặp. Trên một mô hình suy luận, hãy kiểm tra cách giới hạn tương tác với suy luận, vì một giới hạn quá thấp có thể cắt ngang câu trả lời sau khi bạn đã trả tiền cho phần suy luận. - Kiểm tra với 50 trước. Nhân chi phí đo được với tổng số lượng trước khi triển khai 99.950 còn lại.
- Theo dõi số dư. Tiêu đề
X-Balance-USDtrên API này cho thấy tín dụng còn lại sau mỗi lệnh gọi, vì vậy một tập lệnh có thể tự dừng khi dưới một ngưỡng. - Ghi log sử dụng. Lưu số lượng token prompt và hoàn thành cho mỗi yêu cầu. Một prompt ngoại lệ kích hoạt đầu ra rất dài rất dễ tìm nếu bạn ghi log, và gần như không thể nếu bạn không làm vậy.
Các bước tiếp theo
Để đo chi phí trên dữ liệu của riêng bạn, hãy lấy tín dụng dùng thử $0,50 từ trang khóa API. Nó không cần thẻ, có hiệu lực trong 7 ngày và bao gồm hơn 1.500 lượt chuyển tiếp hội thoại với 800 token đầu vào và 400 token đầu ra ($0,00032 mỗi lượt). Chạy các prompt của bạn qua nó sẽ giúp bạn đánh giá chất lượng nhanh hơn bất kỳ so sánh nào về tốc độ.
Đọc liên quan trên trang web này: trang API DeepSeek V4, hướng dẫn về sử dụng LangChain với một endpoint tương thích và tài liệu API cho chi tiết yêu cầu.

