DeepSeek 将 AI 模型价格上调至四倍，低成本优势面临考验

DeepSeek 正将关键 AI 模型价格上调约四倍，使 Google News 的一则定价头条成为对其核心市场承诺的考验。该公司很大一部分吸引力，来自其能力强大、运行成本远低于竞争性前沿系统的模型。如今，随着开发者将更多工作交由自主智能体处理，这一优势正在收窄。

此次调整适用于 DeepSeek 的直接 API，该 API 允许软件调用其模型，并按处理的 token 用量计费。根据该公司的 API 定价页面，新的高峰和非高峰价格将于 8 月 16 日 16:00 UTC 生效。非高峰用量的价格将为相应高峰价格的一半。

这一变化紧随 DeepSeek V4 Pro 的正式发布及 V4 Flash 的更新。它也扭转了此前折扣政策的方向——这些折扣曾加剧中国 AI 提供商之间的竞争。Anthropic、OpenAI、Google、Moonshot AI 及其他模型开发商如今获得机会，可以在整体工作负载成本上挑战 DeepSeek。

真正的问题并非 DeepSeek 在 token 价格表上是否仍然便宜。买家必须确定，在计入输出长度、智能体重复调用、缓存、可靠性和迁移成本后，其模型是否仍能节省费用。这个计算远比单一的头条倍数更重要。

DeepSeek 调整了什么，以及何时生效

DeepSeek 正以按需求集中时段提高收费的定时价格体系，取代一种异常低廉的费率结构。

该公司当前文档分别列出了 V4 Flash 和 V4 Pro 的条款。Flash 面向高吞吐量工作，而 Pro 则处理要求更高的推理和软件任务。两者均支持思考与非思考模式、工具调用、结构化输出以及 Responses API 格式。

DeepSeek 表示，新价格体系将于 8 月 16 日 16:00 UTC 开始实施。高峰时段为 01:00 至 04:00 UTC，以及 06:00 至 10:00 UTC。其余所有时段均适用非高峰价格。

这些时间窗口大致覆盖亚洲工作日的重要时段，也会对欧洲和北美客户产生不同影响。能够在夜间排队处理任务的团队或可避开最高费率，而交互式应用则无法总是选择用户何时到来。

“四倍”的说法是一个有用的头条概述，但并不同样适用于每个计费类别。Flash 和 Pro、缓存命中与未命中、输出生成，以及两种每日价格安排之间的变化各不相同。有些项目上涨幅度较小，而享受高折扣的缓存输入变化则更大。

这一差异很重要，因为模型账单取决于工作负载的构成。拥有可复用系统提示词的文档助手，其费用不同于反复读取新文件的编程智能体。客户支持工具的表现也不同于定时批量摘要服务。

该公司将这次调整与 V4 的正式发布和资源分配联系起来。其 模型更新日志 称，定时价格旨在鼓励用户将灵活任务移至繁忙时段之外。DeepSeek 将这一计划描述为容量管理，而非放弃低成本推理。

容量管理是可信的解释。AI 推理需要加速器、内存、网络，以及足够的冗余容量来吸收突发流量。提供商必须在维持昂贵冗余、接受更慢响应、限制请求，或通过定价转移需求之间作出选择。

在最新价格表之前，DeepSeek 已经释放过这种做法的信号。6 月的一篇报道提到计划中的高峰时段附加费，并援引该公司改善资源分配和服务稳定性的目标。此前的高峰时段计划比目前文档所列的价格安排更为有限。

这一时机仍然引人注目。V4 Flash 于 7 月底作为低成本编程和智能体模型推出。V4 Pro 则在 8 月中旬正式发布。因此，开发者在同一短周期内同时迎来了模型升级和价格重置。

面向消费者的聊天应用并非此次变化的核心对象。DeepSeek 的 API 文档涉及按量计费的开发者访问，而非其网站或移动应用上的普通对话。读者不应将 API 调整直接解读为消费者订阅主张。

Google News 的读者也应区分来源报道与底层文档。头条强调了这一逆转，而 DeepSeek 的页面界定了受影响的模型、时段和计费类别。两者共同表明，该公司正更广泛地转向需求管理。

为何这次上涨的重要性不止于一张 API 账单

DeepSeek 的价格重置给开发者带来压力，因为 AI 智能体会放大模型调用次数，使微小的工作流变化在整个产品中累积。

一个基础聊天机器人通常发送一次请求并等待一次回答。智能体则可能规划任务、搜索文件、调用工具、检查结果、调整方法，并重复这一循环。每一步都会消耗输入或输出 token。

这一循环改变了模型选择的经济性。更高的费率并不只影响用户可见的最终回答，它会波及工作流内部每个隐藏的规划步骤、失败的工具调用、重复的上下文块和验证环节。

编程智能体尤其能说明这一点。它们可能扫描代码仓库、读取多个文件、提出修改建议、运行测试、研究错误，然后再次编辑代码。一条用户指令可能在系统返回答案之前触发数十次模型交互。

Microsoft 也曾描述企业智能体面临的同类成本压力。该公司将 Copilot Cowork 服务转向按使用量计费，并考虑将 DeepSeek 作为成本更低的模型选项。据一份企业智能体报道称，其测试发现，无限制使用智能体在财务上并不可行。

这也是直接 API 客户最先感受到变化的原因。将 DeepSeek 选作默认引擎的开发者，可能已将成本假设写入产品限制、客户合同和毛利率目标。新的价格安排迫使这些假设重新接受审视。

初创企业面临尤其棘手的选择。将更高成本转嫁给客户可能削弱采用率，自己承担则可能损害利润率。迁移至另一模型需要评估工作，也可能改变延迟、输出质量、工具行为或安全控制。

大型企业拥有更强的议价能力，但也面临更高的运营复杂度。它们的 AI 工作负载通常跨越多个云平台、业务部门和数据司法辖区。替换一个端点可能触发安全审查、采购工作、法律分析和新的性能测试。

非高峰折扣提供了部分出路。团队可将索引、文档分类、评估运行和部分代码分析安排在高峰时段之外。交互式助手、欺诈检查、实时客户支持和实时搜索则无法如此轻易地延后请求。

地域因素又增加了一层复杂性。以 UTC 定义的高峰时段，会在不同市场形成不同的本地激励。拥有全球流量的公司可能根本没有真正安静的窗口，因为一个地区的夜晚正是另一个地区的工作日。

缓存也使影响更加复杂。上下文缓存允许提供商复用此前处理过的提示材料，从而减少重复输入所需的工作量。DeepSeek 历来通过大幅缓存命中折扣，降低稳定提示词和长共享上下文的成本。

不过，缓存节省取决于一致的提示词前缀和提供商特定的实现细节。频繁修改指令或检索新文档的应用，可能获得较低的命中率。因此，理论折扣看起来可能远优于实际账单。

最重要的受压对象并非普通聊天机器人用户，而是围绕 DeepSeek 异常低廉的直接 API 价格构建高频产品的团队。这些团队如今必须决定，调度、缓存或路由能否保住原有的经济性。

Google News 所称的逆转：低价 AI 与可持续 AI 的较量

核心冲突在于 DeepSeek 的低成本市场定位，与为热门、适配智能体的模型提供可靠服务所需的基础设施经济性之间。

DeepSeek 在其早期模型挑战前沿模型开发成本假设后，成为国际市场上低价 AI 的一个参照点。其发布帮助买家相信，有竞争力的推理和编程能力并不需要高价 API 费率。

V4 Flash 延续了这一论点。8 月初的报道将该模型描述为一款性能成本比出众的强大编程选项。更广泛的 AI 价格竞赛还包括 OpenAI 和 Google 的低成本发布，以及来自 Moonshot AI 日益增强的压力。

新价格并未抹去这段历史。它们表明，低训练成本与低推理价格是两种不同的主张。一家公司可以构建高效模型，却仍可能面临紧张的服务容量、不可预测的需求，或创造可持续收入的压力。

推理是在模型训练完成后持续生成答案的成本。每次请求都会使用硬件和配套基础设施。即使底层模型架构高效，更长的推理轨迹、更大的上下文和工具密集型智能体也会加重这一负担。

DeepSeek 的价格安排实际上为即时性赋予了溢价。拥有灵活任务的客户可获得更低的非高峰条款，而需要在拥堵时段获得响应的客户则承担更多容量成本。

这类似于成熟的云计算做法。提供商常对可中断工作负载或预留容量提供折扣，因为可预测的需求更易于服务。DeepSeek 正在公共模型 API 层应用一个相关理念。

这次逆转仍然削弱了一个简单的营销叙事。买家曾被鼓励将模型智能视为迅速商品化的投入。如果一家领先的低成本供应商在需求增长后上调价格，稀缺性并未消失，而是从模型开发转移到了可靠交付。

DeepSeek 的 V4 发布也不仅提供原始文本生成能力。这些模型支持长上下文、工具使用、多种 API 格式和可调节的推理强度。这些能力提高了实用性，但也会鼓励更复杂的应用和更高的消耗。

即使单位费率看起来很有吸引力，能够处理更长任务的模型也可能产生更大的账单。能力更强的智能体通常会继续执行更多步骤。它们的总成本取决于任务完成情况，而不只是一个 token 块的标价。

2026 年发表的研究进一步强化了这一观点。一项研究发现，由于模型在输出长度和成功效率上存在差异，标价可能无法准确反映实际任务成本。作者的成本比较研究主张衡量已完成的工作，而非仅依赖 token 价格。

这一框架让 DeepSeek 的决定不再那么神秘。如果客户仍能以经济的成本完成任务，公司就仍拥有定价权。如果竞争模型能以更少的重试次数或更短的输出完成相同工作，DeepSeek 表面上的折扣就更难站得住脚。

因此，Google News 的报道确实捕捉到了一个真实的逆转，但并不意味着 DeepSeek 的地位彻底崩塌。决定性的比较不再是廉价的 DeepSeek 对阵昂贵的前沿模型，而是可持续的 DeepSeek 对阵日益拥挤的高效替代方案。

这些数字仍留下重要问题未解

一份费率表无法证明 DeepSeek 是否仍是完成可靠生产工作时成本最低的选择。

第一个不确定性是模型质量。DeepSeek 公布了 V4 Pro 和 V4 Flash 的基准测试结果，包括编程、工具使用和智能体评估。其中许多数据来自公司自身测试，或来自其自行选择的配置。

这些结果应以报道口吻表述。它们展示的是 DeepSeek 在特定测试条件下的主张，而非在每个产品中都能保证的表现。内部评估集也使外部人士无法复现所有比较。

开发者需要利用自己的提示词、工具和数据，进行任务级评估。编程基准无法预测其在私有单体仓库上的表现。通用推理分数也无法衡量其是否符合一家公司的客户支持政策。

第二个不确定性是高峰需求下的可靠性。DeepSeek 表示，分时定价有助于更好地分配资源。但客户仍需要证据证明，更高的高峰费率能带来稳定的延迟、吞吐量和可用性。

如果服务质量显著改善，一些团队可能会接受这一调整。一个价格较低但频繁超时或限流的端点，可能因重试和失败的用户会话而造成更高成本。可靠性具有直接的经济价值。

如果性能仍然不稳定，涨价就更难辩护。客户将支付更多费用，却得不到明确的运营收益。这种结果会增强竞争对手的吸引力，尤其是那些提供可预测容量或更强服务承诺的厂商。

第三个不确定性是，实际有多少工作负载能够转移至非高峰时段。分时处理在文档索引、分析和评估中很常见，但面向用户的智能体会在客户需要时运行。

一家北美公司或许会发现 DeepSeek 的部分高峰窗口尚可应对。但全球平台不能简单地要求用户等待更便宜的时段。其流量覆盖多个本地工作日，且往往会出现不可预测的突发流量。

第四个不确定性涉及替代托管。DeepSeek 已发布其部分模型系列的权重，使其他提供商能够托管相关模型。第三方托管可围绕延迟、容量、区域部署和费率形成竞争。

不过，同一个模型名称并不保证同样的服务。不同提供商在量化方式、上下文限制、吞吐量、软件版本和工具支持上都可能不同。迁移工作负载不只是换一个 URL。

一项 2026 年的测量研究将每个托管端点描述为随时间变化的服务对象，而非简单的模型副本。其提供商测量研究发现，不同托管方在可行性、速度和路由结果上存在显著差异。

第五个不确定性是竞争对手的反应。OpenAI、Google、Anthropic、Moonshot AI、Alibaba、ByteDance 及其他供应商都可以迅速调整模型或商业条款。本周做出的比较，可能在迁移完成前就已过时。

Anthropic 代表市场的高端一侧，强调模型质量、安全性和可靠的编程表现。Google 和 OpenAI 可以将模型与更广泛的云平台或开发者平台打包。中国供应商则可在本地部署和效率方面展开激进竞争。

因此，DeepSeek 不能假设客户会因惯性而留下。兼容 OpenAI 的接口降低了部分切换工作量，多模型网关也让更换提供商更加容易。工具行为和评估仍然重要，但测试替代方案的技术成本正持续下降。

持审慎态度的结论很直接。DeepSeek 已说明新条款，但尚未独立证明客户将获得相称价值。采用率、留存率、延迟和已完成任务的经济性，才会构成真正的检验。

开发者与 AI 采购方接下来应关注什么

三个信号将决定 DeepSeek 的涨价是建立可持续定价，还是将工作负载推向竞争模型和第三方托管方。

第一个信号是 8 月 16 日之后的 API 性能。开发者应在两个分时段追踪延迟、错误率、排队情况、并发限制和吞吐量。若能在需求高峰时显著改善服务，这将是为此次调整辩护的最有力依据。

稳定的性能将支持 DeepSeek 关于资源分配的解释。持续的延迟或限流则会削弱这一解释。客户应在数日内比较相同工作负载，因为短期测试可能漏掉反复出现的拥堵。

团队还应记录缓存命中率和推理 token 使用量。这些运营细节能够解释账单为何发生变化。没有这些数据，公司就无法将费率上涨与提示词增长、更长输出或不断扩展的智能体循环区分开来。

第二个信号是工作负载迁移。开发者可能会将批处理任务移出高峰时段，将 V4 Pro 留给困难任务，或把常规请求发送至 Flash。其他人可能采用路由器，根据成本、延迟和所需能力选择模型。

模型路由可降低对单一供应商的依赖。路由器可以将分类任务交给轻量模型，将编程任务交给专用模型，将复杂推理交给高端端点。当某个提供商变慢时，它也可以自动切换。

这种方法也有局限。不同模型的输出需要评估，受监管应用也可能限制更换提供商。团队还必须在各条路由中维持一致的安全规则、工具模式和日志记录。

尽管如此，当一家提供商引入分时费率时，路由会变得更具吸引力。调度器可以将价格视为与质量和延迟并列的另一项实时信号。因此，DeepSeek 的决定可能会加速一个削弱每家模型开发商锁定效应的市场。

显著的工作负载迁移将削弱 DeepSeek 的定价权。有限的切换则表明，模型质量、兼容性或既有集成的重要性超过了新费率。公开流量数据和提供商更新可提供早期线索，尽管企业端的变化可能仍不公开。

第三个信号是未来一到三个月内竞争对手的动作。竞争者可能通过迁移工具、匹配的 API 格式、区域托管或更强的服务保障来争取 DeepSeek 用户。另一家提供商也可能推出自己的高峰时段安排，从而验证 DeepSeek 的做法。

OpenAI 和 Google 有理由捍卫高用量开发者工作负载。Anthropic 可以主张，可靠完成任务足以证明其高端定位的合理性。Moonshot AI 及其他中国实验室则可直接争夺那些曾看重 DeepSeek 成本优势的买家。

竞争者无需在每项基准测试中击败 DeepSeek。他们只需要在考虑重试次数、输出长度、延迟和工程投入后，赢得某一类明确的工作负载。这是一个更窄、但商业上更有用的标准。

开发者应以测量而非忠诚作为回应。针对至少两个替代方案运行具有代表性的任务。记录成功率、总 token 数、完成时间、缓存行为和人工修正工作量，然后计算每个被接受结果的成本。

采购方也应区分计划性需求和交互性需求。批量摘要、索引和评估通常可以移至拥堵较少的时段。面向客户的智能体和实时编程辅助，则需要在用户实际到来时仍保持经济性的模型。

对于知识工作者而言，直接影响没那么明显。面向消费者的访问方式可能保持不变，但支撑工作场所工具的应用将面临更高的推理成本。随着时间推移，这些成本可能影响使用限额、功能可用性和产品打包方式。

Google News 的标题之所以重要，是因为它标志着一个简单的 DeepSeek 叙事走向终结。该公司不能再仅仅依赖“令人惊讶地便宜的挑战者”这一定位。它必须证明，其升级后的模型能够足够可靠地完成有价值的工作，以支撑更高费率。

DeepSeek 的下一批证据将来自生产系统，而非另一张基准测试图表。关注高峰性能是否改善、开发者是否重新路由流量，以及竞争对手是否回应新的费率安排。这些信号将揭示，廉价 AI 是否已经成熟为可持续 AI，还是买家只是选择了离开。