DeepSeek V4.1 Flash 1017:在评测前估算 API 成本
一份可复现的 DeepSeek V4.1 Flash 1017 API 成本估算指南,涵盖高峰与非高峰费率、缓存假设和评测预算。
摘要 · TL;DR
使用高峰时段的未缓存 token 价格制定保守的评测预算,再根据使用记录计算实际成本。本文使用相同工作负载比较已公布的官方费率和 OneMux 费率,并说明缓存和非高峰时段假设何时会改变估算结果。
核心要点
- 对于 300 次调用、每次最多使用 8,000 个输入 token 和 2,000 个输出 token 的评测,按高峰时段未缓存价格计算,已公布官方费率下的 token 预算为 $1.44,已公布 OneMux 费率下为 $0.24336。
- 已公布的每百万 token $0.292 混合价格假设输入与输出比例为 4:1,且输入缓存命中率为 80%;它并非通用 token 价格。
- 将成功的 Search 和 Fetch 请求费用与 token 成本分开计算,并在运行评测前核实当前定价及费率档位适用条件。
- 记录实际 token 用量、缓存读取、重试和请求时间,以便在相同基础上比较后续评测。
文章目录 (9)
从设定上限的评测预算开始
为了可重复地评测 DeepSeek V4.1 Flash 1017,应首先按计划的最大调用次数以及高峰时段未缓存费率制定预算。将缓存命中和非高峰时段运行作为单独情景,而不是预先认定可以节省的费用。
例如,100 个测试用例各运行三次,每次调用最多使用 8,000 个输入 token 和 2,000 个输出 token,按高峰费率计算的 token 预算为已公布官方费率下 $1.44,或已公布 OneMux 费率下 $0.24336。这些数字不包括工具费用和超出 300 次调用计划的任何调用。这些是示例计算,并非付费测试结果。
本文发布方 OneMux 通过兼容 OpenAI 的 API 提供模型访问。下文将其已公布的目录与 LLMLearner 费率表进行比较;这一比较不能证明模型质量,也不能保证特定工作负载能够适用缓存费率或时段费率。
费率表与计费假设
OneMux 目录快照的采集时间为 2026 年 11 月 13 日 18:30:05 UTC。提供的 LLMLearner 费率表注明生效日期为 2026 年 10 月 17 日。下表价格以美元计,单位为每百万 token;制定预算前请核实当前条款。
| 时段 | 官方输入 | 官方输出 | OneMux 输入 | OneMux 输出 | 已公布的 OneMux 与官方价格之比 |
|---|---|---|---|---|---|
| 高峰 | $0.30 | $1.20 | $0.0507 | $0.2028 | 0.169 |
| 非高峰 | $0.15 | $0.60 | $0.02535 | $0.1014 | 0.169 |
已公布的比例是价格倍数,不应作为额外折扣再应用于 OneMux 价格。OneMux 模型页面提供了这些分档目录价格。
| 缓存输入读取 | 官方价格,每百万 token | OneMux 价格,每百万 token |
|---|---|---|
| 高峰 | $0.006 | $0.001014 |
| 非高峰 | $0.003 | $0.000507 |
LLMLearner 将高峰时段描述为工作日 UTC 01:00–04:00 和 06:00–10:00,不含中国法定节假日;非高峰费率为高峰费率的一半。OneMux 目录将工作日相同的时间标为高峰,其他时间标为非高峰,但所提供的目录说明未明确节假日例外规则。请核实适用服务商当前的时段及节假日规则,包括跨越时段边界的请求如何计费。
缓存输入并非免费。表中列出的是缓存读取价格;它并未说明缓存适用条件、缓存写入费用或任何其他未列出的费用。未知费用应视为未知,而不是零。
制定可重复的测试计划
使用以下示例计划比较不同运行结果,避免将工作负载变化误认为价格或质量差异:
- 建立一组固定的 100 个代表性用例,包括短输入和长输入、预期格式用例、含糊请求,以及正确回答应说明所提供信息不足的用例。
- 保存每个用例的输入、预期行为和评分说明。分别评估正确性和格式;看似有效的回答不一定正确。
- 每个用例运行三次,计划共调用 300 次。记录每次调用的模型标识符、提示词版本、生成设置、时间戳、响应和报告的用量。
- 在端点支持这些控制项的情况下,为每次调用设置 8,000 token 的输入上限和 2,000 token 的输出上限。如果端点无法强制执行输入上限,请在发送前验证输入。确认服务商计入哪些输出 token,包括适用情况下的非可见 token。
- 基础预算的总尝试次数上限设为 300 次,包括重试。如果失败的尝试需要补跑,应将其计入该上限,或在继续之前单独批准重试额度。
这些是测试设计限额,并不意味着模型或 API 会自动强制执行支出上限。达到尝试次数上限或独立监控的预算上限时,应停止运行。在依赖任何特定控制项之前,请查阅端点和参数文档。
计算保守的 token 预算
按计划的最大规模计算,300 次调用最多产生 240 万个输入 token 和 60 万个输出 token。假设所有输入均未缓存,且所有调用均按高峰费率计费:
| 项目 | 用量 | 官方费用计算 | OneMux 费用计算 |
|---|---|---|---|
| 输入 | 240 万 token | 2.4 × $0.30 = $0.72 | 2.4 × $0.0507 = $0.12168 |
| 输出 | 60 万 token | 0.6 × $1.20 = $0.72 | 0.6 × $0.2028 = $0.12168 |
| token 总成本 | 300 万 token | $1.44 | $0.24336 |
如果预留额外 10% 的额度,用于增加高峰时段未缓存调用,且额外调用的最大 token 配额相同,那么 token 预算将增至官方费率下 $1.584 或 OneMux 费率下 $0.267696。这是预留额度,并非对重试频率的预测。任何已知的非 token 费用均应另行计入。
比较工作负载前先了解混合价格
LLMLearner 报告的混合价格约为每百万 token $0.292,假设输入与输出比例为 4:1,80% 的输入由缓存提供,并采用官方高峰费率。只有这些假设与实际工作负载相符时,该数字才有参考价值。
对于其示例中的月度助手工作负载——10,000 个请求,每个请求包含 8,000 个输入 token 和 2,000 个输出 token——计算如下:
- 输入共 8,000 万 token:其中 1,600 万未缓存,6,400 万已缓存。
- 官方高峰输入成本为 16 × $0.30 加上 64 × $0.006,即 $5.184。
- 官方高峰输出成本为 20 × $1.20,即 $24.00。
- 1 亿 token 的总成本为 $29.184,通常显示为 $29.18。未经四舍五入的混合费率为每百万 token $0.29184。
- 按已公布的 OneMux 高峰费率和相同用量计算,输入成本为 $0.876096,输出成本为 $4.056,总计 $4.932096。
如果所有输入均未缓存,相同工作负载按官方高峰 token 费率计算为 $48.00,按 OneMux 高峰 token 费率计算为 $8.112。这一差异说明,仅基于 token 总量的报价可能产生误导。同样,如果所有调用都转移到符合条件的非高峰时段,上述特定 token 估算值将减半;混合时段安排则需要分别计算高峰和非高峰小计。
计入工具费用并核对运行结果
LLMLearner 表示,自 11 月 1 日起,Search 和 Fetch 各自的费用均为每 1,000 次成功请求 $0.75,另计 token 费用。例如,按照所述条款,300 次成功的 Search 请求加上 300 次成功的 Fetch 请求,将增加 $0.225 + $0.225 = $0.45。这些工具和费用是否适用于特定端点或服务商,需要单独核实;提供的 OneMux 目录并未确认其可用性或收费情况。
运行结束后,用报告的未缓存输入、缓存读取输入和输出用量替换计划的最大值。按适用时段档位拆分用量,再加上已确认的工具费用和其他费用。保留失败尝试的记录,并与服务商账单核对:失败请求不一定免费。
为了公平地重复评测,应保持相同的用例、限额、设置和评分规则。在报告成本时,同时说明缓存行为或运行时段的任何变化。仅凭价格无法判断响应是否满足测试用例的要求。
结论
使用高峰时段未缓存费用计算来审批设有上限的测试,再用实测用量解释最终账单。高缓存命中率和非高峰时段估算可用于有价值的敏感性检查,但均不能替代对适用条件的核实和实际用量记录。
来源
- LLMLearner:DeepSeek-V4.1-Flash-1017 定价——官方费率假设、时段、缓存读取、工具费用和示例工作负载。
- OneMux:DeepSeek V4.1 Flash 1017 模型页面——已公布的 OneMux 模型及分档定价;快照采集于 2026 年 11 月 13 日。
已公布价格快照
采集自 OneMux 已公布目录,时间为 2026-11-13T18:30:05.872Z。价格保留网站上的计费单位;这不是实时基准测试。分档、缓存或基于时段的计费可能有所不同。未知值不等于零。
| 模型 | 官方输入 | 官方输出 | OneMux 输入 | OneMux 输出 | 已公布价格比例 |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | $0.3 | $1.2 | $0.0507 | $0.2028 | 0.169 |
当前 OneMux 价格。只有在输入/输出及计费单位一致时,才应比较工作负载成本;各档位条件请参阅对应模型页面。
常见问题
进行 300 次调用的 DeepSeek V4.1 Flash 1017 评测需要多少钱?
按已公布的高峰费率计算,如果每次调用都使用 8,000 个未缓存输入 token 和 2,000 个输出 token,官方费率下的 token 成本为 $1.44,OneMux 费率下为 $0.24336。不包括工具费用和任何额外尝试。
每百万 token $0.292 的混合价格适用于所有工作负载吗?
不适用。该价格假设输入与输出 token 比例为 4:1,80% 的输入由缓存提供,并采用官方高峰费率。token 比例、缓存读取量或时段档位不同,混合价格也会不同。
Search 和 Fetch 是否包含在 token 价格中?
提供的 LLMLearner 费率表将两者单独列出:自 11 月 1 日起,各自按每 1,000 次成功请求 $0.75 收费。请向所用端点或服务商核实其可用性和适用费用。
相关文章
指南
Hy3 API 成本估算:制定可复现的评测预算
通过明确 token 限额、缓存假设、测试用例和可复现的计算方法,估算 Hy3 评测成本。
指南
DeepSeek V4.1 Flash API 成本:可复现的评测预算
通过明确的 token 用量假设、时段费率、缓存场景和可重复测试用例,估算 DeepSeek V4.1 Flash 评测成本。
指南
GPT 6.2 Sol API 成本:可复现的评估预算
根据明确的 token 假设、上下文分档价格、缓存示例和可重复的测试限额,估算 GPT 6.2 Sol 评估成本。
指南
GPT 6.2 Astra API 成本估算:需人工审批的客服工单分诊
估算需人工审批的客服工单分诊流程中 GPT 6.2 Astra 的 token 成本,并提供价格分档和缓存示例。