為何費率表低估了帳單
R1 等推理模型會逐步解決問題後才給出最終答案。這些步驟是 token,供應商通常以輸出費率計費。因此,返回 300 token 答案的請求可能產生數千個 token。
為保持文章準確,本站不列出 DeepSeek 的費率。因為價格會變動,過時的數字比沒有更糟。請從 DeepSeek 官方定價頁面獲取當前的輸入和輸出費率,並使用以下公式。同時檢查該頁面如何描述思考 token,以及 API 是否在回應中返回這些 token。
每次請求成本 = (輸入 / 1M) x 輸入費率 + ((思考 + 答案) / 1M) x 輸出費率
該公式中的未知數是 thinking。它因問題而異:簡單的提示詞可能只需幾百個 token,難的則需數千個。請根據你自己的提示詞進行測量,而非猜測。
倍數效應,以數字說明
使用我們自己的費率,每 1M 輸出 token 為 $0.50,作為中性範例以便驗證算術計算。假設一個請求包含 300-token 的回答。
| 思考 token | 總輸出 | 輸出成本:每 1M token $0.50 | 與直接答案對比 |
|---|---|---|---|
| 0(直接聊天) | 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 |
比例不取決於費率表。在任何供應商處,5,000 個思考 token 加上 300-token 的回答,總輸出量約為 300-token 直接回答輸出量的 17.7 倍。擴展到一個月:100,000 次請求,每次包含 5,000 個思考 token,將產生 530M 個輸出 token。每 1M 為 $0.50 的話,費用為 $265,而同樣 100,000 次直接回答(30M token)僅需 $15。
需要推理的任務與不需要推理的任務
推理模型在具有多個依賴步驟的問題上證明其成本價值。日常文字工作大多缺乏這種結構。
通常值得使用推理模型
- 多步驟數學與邏輯謎題
- 除錯原因不明的棘手程式碼
- 具有互動約束的規劃任務
一般聊天模型通常即可應付
- 重寫、語氣調整與翻譯風格的編輯
- 從文本頁面提取為 JSON
- 分類與標籤
- 撰寫電子郵件、產品文案與描述
- 角色扮演、小說與伴侶角色,其中速度與語氣比深思熟慮的逐步邏輯更重要
聊天類任務也能從較低延遲中受益,因為在第一個可見 token 出現前沒有思考階段。如果你的使用者看著串流回應逐字顯示,這很重要。
此 API 提供的替代方案
此網站為獨立且與 OpenAI 相容的 API。它不是 DeepSeek 的官方 API,也不是其轉售商。它運行由單一獨立供應商提供的一個開放權重模型,經過微調,能在合法成人用途下不拒絕內容地回答問題,模型 ID 為 uncensored。此處未發布任何基準測試,因此不要假設它在難題上的表現能與專門的推理模型相媲美。請在您的自有任務上進行測試。
費率為輸入每 1M token $0.15,輸出每 1M token $0.50,採預付額度,無訂閱制。失敗或被拒絕的請求不會收費,且額度永不過期。上下文視窗為 100,000 token,包含提示詞與補完內容。支援串流輸出、函式呼叫與 JSON 模式。請見 定價頁面 進行儲值與查看獎金。
上述 100,000 次請求月份的範例,使用直接聊天回答:每次輸入 1,000 個 token,總計 1 億 token x $0.15 = $15;每次輸出 300 個 token,總計 3,000 萬 x $0.50 = $15,總計 $30。
先嘗試便宜的,需要時再升級
合理的設定是將大部分流量導向低成本的聊天模型,僅在提示詞未通過檢查時才進行升級。以下程式碼會先嘗試此 API,僅在驗證失敗時才回退至第二個客戶端。請從其文件填入第二個供應商的 Base URL 與模型名稱。
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
自我報告的信心是弱訊號,因此當有更好的測試時請使用:例如結構檢查、單元測試或長度規則。重點是僅在思考 token 能改變結果的地方才付費。
防止意外帳單的防護措施
無論你選擇什麼模型,在運行大批次之前請先設定限制。
- 限制輸出。 在迴圈中的每次呼叫都設定
max_tokens。在推理模型上,檢查限制如何與思考互動,因為過低的限制可能會在你已為思考付費後截斷答案。 - 先測試 50 個。 在啟動其餘 99,950 個之前,將測得的成本乘以總數。
- 監控餘額。 此 API 的
X-Balance-USD標頭會在每次呼叫後顯示剩餘額度,因此腳本可以在低於閾值時自行停止。 - 記錄使用情況。 儲存每次請求的提示詞和完成 token 數量。如果記錄下來,很容易找到觸發極長輸出的異常提示詞;如果不記錄,則幾乎不可能找到。
後續步驟
要根據自有資料計算成本,請前往 API 金鑰頁面 領取 $0.50 的免費試用額度。無需綁定信用卡,有效期為 7 天,可支援超過 1,500 輪對話(每輪包含 800 個輸入 token 與 400 個輸出 token,每輪費用為 $0.00032)。將您的提示詞透過此服務運行,能比任何費率比較更快地驗證品質。
本站相關閱讀:DeepSeek V4 API 頁面、使用 LangChain 搭配相容端點指南,以及請求詳情的 API 文件。

