8 月 6 日，DeepSeek 在开放平台公告：计划近期整体上调 API 服务定价，预计涨幅较大。此前一天，平台刚发布过容量不足的提示；再往前看，OpenCode 平台披露其 8 月 1 日单日 Token 用量已达 8 万亿。曾经把输入价格打到 1 元/百万 Token 的"价格屠夫"，现在被自己的流量压得开始算账了。
具体数字上，DeepSeek 目前已在执行峰谷定价，V4-Pro 高峰时段的输出价格达到 12 元/百万 Token。回看它的定价史——2024 年 4 月降到行业地板价，去年 9 月再降一半以上，今年 4 月还有过 2.5 折促销——这轮转向基本宣告了"白菜价 API"时代的结束。对个人开发者和中小团队来说，抱怨没有意义，把调用层的浪费挤掉，才是自己说了算的事。下面七件事按见效速度排序，照着做一遍，大多数项目的账单能降三到七成。
一、先算清账：你的 Token 都花在哪了
优化前先量化。给每次 API 调用加一行日志，记录输入、输出、缓存命中三类 Token：
// 每次调用后记录 usage
function logUsage(model, usage, latencyMs) {
const { prompt_tokens, completion_tokens, prompt_cache_hit_tokens } = usage;
console.log(JSON.stringify({
ts: Date.now(), model,
in: prompt_tokens,
cached: prompt_cache_hit_tokens ?? 0,
out: completion_tokens,
latency: latencyMs,
}));
}
跑一两天就能看出结构。通常会发现三个大头：重复的长 system prompt（每次都原样发）、无限追加的对话历史（越聊越贵）、冗长的模型输出（废话按输出价收费，而输出通常是输入价的 2-4 倍）。知道钱花在哪儿，后面的动作才有针对性。
二、上下文瘦身：别再把整个聊天记录塞进去
对话历史是账单膨胀的第一元凶。三个做法按成本从低到高：
- 滑动窗口：只保留最近 6-10 轮完整对话，更早的丢弃；
- 摘要压缩：历史超过窗口后，让模型把旧对话压成 200 字摘要，之后只带摘要继续；
- System prompt 审计：把提示词里"示例越多越好"的习惯改掉——每个 few-shot 示例都在每次请求里重复计费，保留 2 个最有代表性的即可。
如果你的应用用了 RAG，同样原则：检索结果取 top 3-5 条、每条截断到必要长度，而不是把十篇文档全文灌进上下文。上下文从 8K 压到 2K，这一项就是四倍的差距。
三、用满 Prompt 缓存：公共前缀放前面
DeepSeek 等主流厂商对缓存命中的输入 Token 单独低价计费（今年 4 月还专门下调过缓存价）。缓存机制的关键是前缀匹配：只有从消息开头连续一致的部分才能命中。所以：
- 把不变的内容（system prompt、工具定义、知识库片段）放在消息数组最前面；
- 会变的部分（用户问题、时间戳、随机 ID）一律放最后；
- 千万不要在 system prompt 里动态拼当前时间——每次请求前缀都变，缓存全废。
一个常见的反例是把"当前时间：xxx"写在 system prompt 开头，光是改掉这一行，长 system prompt 的应用缓存命中率就能从 0 拉到 80% 以上。
四、峰谷调度：不急的任务挪到便宜时段
既然峰谷定价已经落地，非实时任务就不该在高峰期跑。内容生成、数据清洗、批量翻译、夜间报表这类任务，用队列攒着，低谷时段集中消费：
// 简化版：低谷时段（以平台公告为准）才放行批量任务
function isOffPeak(now = new Date()) {
const h = now.getUTCHours() + 8 >> 0; // 转北京时间小时
return h >= 0 && h < 8; // 示例：凌晨 0-8 点视为低谷
}
async function drainQueue(queue) {
if (!isOffPeak()) return; // 高峰期跳过，等下个调度周期
while (queue.length) await runTask(queue.shift());
}
配合 cron 或系统定时器即可，不需要引入重型任务框架。峰谷价差在输出端可能接近一倍，批量任务多的项目值得专门做这层。
五、分级路由：别让旗舰模型回答"今天周几"
最贵的浪费是用万亿参数模型干分类、提取、格式转换这类小活。给请求分级：
| 任务类型 | 典型例子 | 推荐档位 |
|---|---|---|
| 简单判别/提取 | 情感分类、关键词抽取、格式转换 | 小模型或本地开源模型 |
| 常规生成 | 摘要、改写、客服应答 | 中档模型 |
| 复杂推理 | 代码生成、多步分析、数学证明 | 旗舰模型 |
实现上就是一个前置的分类器（甚至一组正则加关键词规则），把请求路由到不同档位的端点。实测下来，大量业务里六成以上的请求根本用不到旗舰模型。
六、管住输出：输出 Token 才是单价最高的
- 显式设置
max_tokens，给输出封顶； - 要结构化数据就要求 JSON，并在 prompt 里写明"只输出 JSON，不要解释"；
- 流式场景下，拿到需要的内容就中断连接，别让模型把客套话说完；
- 审查你的 prompt 里有没有"请详细分析""尽可能全面"这类开放表述——它们都是在给账单加油。
七、预算告警：给账单装个保险丝
最后一步是兜底。按日统计 Token 消耗，超过阈值就告警甚至自动降级（比如从旗舰模型切到中档）。十行代码的日志加一个每日汇总的 cron 任务就够了，关键是别等月底看到账单才发现异常——一次失控的重试循环，一晚上就能烧掉一个月的预算。
注意事项与常见问题
- 缓存命中率要看官方口径：不同厂商对缓存前缀的最小长度要求不同（有的要求 1024 Token 起），太短的前缀不触发缓存。
- 压缩历史有损：摘要压缩会丢失细节，法律、医疗等对上下文敏感的场景慎用，或改用"保留首轮需求+最近 N 轮"的混合策略。
- 涨价节奏：截至本文发布（8 月 11 日），DeepSeek 只公布了涨价预告，具体幅度和新价格尚未落地，建议订阅其开放平台公告，并在代码里把单价做成配置项，方便随时调整。
- 别把鸡蛋放回一个篮子：成本优化的另一面是供应风险，多模型备胎方案可以参考本站的限流应对实战，两者配合食用。
小结
DeepSeek 涨价不是孤立事件，而是整个行业从"烧钱换规模"转向"算账经营"的信号。调用层的七件事——算清账、瘦身上下文、用满缓存、峰谷调度、分级路由、管住输出、预算告警——都不需要等新模型或新工具，今天就能动手。涨价你说了不算，账单你说了算。