按Token用量、缓存命中与模型分层计价，解析DeepSeek API成本构成，帮助AI教学与开发团队做预算。 在AI指导老师日常工作中，答疑机器人、作业批改、教案生成都离不开API调用。成本控制不是财务事后工作，而是教学设计的一部分。理解DeepSeek API的价格与计费，需要从Token计量、缓存、模型分层和平台边界入手，才能把每一笔调用花在真正影响教学效果的地方。
1. 按Token计量与模型分层的价格骨架
DeepSeek API的核心计费是按量付费，计量单位是百万tokens，币种为人民币。输入和输出分开计价，输入又分为缓存命中和缓存未命中两档，输出则按模型生成的全部token计算。模型层面，deepseek-chat面向通用对话与内容生成，deepseek-reasoner面向复杂推理和数学解题，后者因为会生成较长的思维链，输出token更多，单价也更高。在DeepSeek开放平台的标准按量计费中，deepseek-chat的输入缓存命中为0.5元/百万tokens，缓存未命中为2元/百万tokens，输出为8元/百万tokens；deepseek-reasoner对应为1元、4元和16元。实际价格会随版本、活动与平台政策调整，应以控制台当期价目为准。 把价格放进一次真实调用中，差异会更直观。假设一次课程答疑请求包含1500个输入tokens和500个输出tokens，使用deepseek-chat且输入未命中缓存，输入成本为1500除以100万再乘以2，等于0.003元，输出成本为500除以100万再乘以8，等于0.004元，单次合计约0.007元。如果换成deepseek-reasoner，输入成本为1500除以100万乘以4，等于0.006元，输出若因推理过程拉长到2000个tokens，则输出成本为2000除以100万乘以16，等于0.032元，单次合计约0.038元。单次差距看似只有几分钱，但放大到每天一万次请求，成本差距就会达到数百元。 对AI指导老师而言，模型选择本身就是最重要的预算杠杆。简单概念解释、格式整理、选择题解析可以使用deepseek-chat，把复杂证明、代码调试和长链条推理交给deepseek-reasoner。这样既保证教学质量，又避免让高单价模型承担低难度任务。价格骨架不是一张静态单价表，而是输入、输出、缓存和模型能力共同构成的成本结构。
2. 缓存命中、上下文与输出长度对账单的影响
缓存命中是DeepSeek计费中最容易被低估的变量。平台会对相同前缀的输入进行缓存，系统提示、课程知识库、固定示例、多轮对话历史如果保持完全一致，后续请求就可能命中缓存，输入价格显著低于未命中档。以deepseek-chat为例，缓存命中价0.5元/百万tokens，只有未命中价2元/百万tokens的四分之一。但缓存并非自动生效，如果每次请求都在系统提示里插入当前时间、随机编号或变化的学生姓名，前缀就会被打断，缓存命中率会快速下降，账单也会随之上升。 上下文长度直接决定输入token规模。多轮对话中，每一轮都要把历史消息重新送入模型，历史越长，输入token越多。一个持续二十轮的答疑会话，如果每轮都携带完整记录，输入成本会从几千tokens增长到几万tokens。输出长度的影响更大，因为输出单价通常高于输入，deepseek-reasoner的思维链也会作为输出token计费。流式输出不会改变计费规则，用户看到文字逐个出现，平台仍按实际生成的token扣费，即使中途断开，已经生成的部分通常也会计入账单。教学场景中让学生看到详细解题步骤、让模型反复自我检查、批量生成评语，都会明显拉高输出token。 优化缓存和上下文需要具体设计。把不变的系统提示、评分标准、课程知识库放在请求最前面，把变化的学生问题放在后面，可以提高缓存命中率。对长对话进行摘要，只保留最近几轮和关键结论，能压缩输入规模。为不同任务设置合理的max_tokens和停止序列，避免模型无意义地延长输出。缓存不是平台自动送出的折扣，而是需要提示词结构和调用策略配合才能兑现的成本优势。
3. 教学场景下的成本测算与预算控制
以50人班级的日常答疑为例，每人每天提问3次，共150次请求。每次输入包含800个可缓存的系统提示tokens和1200个未命中的历史与问题tokens，输出500个tokens，使用deepseek-chat。缓存命中输入为800乘以150，等于12万tokens，即0.12百万tokens，按0.5元计算为0.06元；未命中输入为1200乘以150，等于18万tokens，即0.18百万tokens，按2元计算为0.36元；输出为500乘以150，等于7.5万tokens，即0.075百万tokens，按8元计算为0.6元。三项合计每天约1.02元，按30天计算约30.6元。这个成本对多数教学团队并不高，但前提是系统提示确实命中缓存，且输出没有失控。 如果同一批请求改用deepseek-reasoner，并让模型输出2000个tokens的详细推理，缓存命中输入变为0.12百万tokens乘以1元，等于0.12元；未命中输入为0.18百万tokens乘以4元，等于0.72元；输出为2000乘以150，等于30万tokens，即0.3百万tokens，乘以16元等于4.8元，每天合计约5.64元，每月约169.2元。若继续使用deepseek-chat但输出也拉到2000个tokens，输出成本为0.3百万tokens乘以8元，等于2.4元，加上输入部分约2.82元每天，每月约84.6元。可见输出长度和模型选择共同决定了预算量级。 预算控制应落到调用策略上。简单问题路由到deepseek-chat，复杂问题再升级到deepseek-reasoner；固定提示和知识库尽量前置以命缓存；长对话定期摘要，避免历史无限膨胀；给每次请求设置max_tokens，防止模型生成冗长内容；在控制台设置用量告警和月度预算，观察每日token曲线。对AI指导老师来说，把成本指标纳入教学工具设计，能避免课程规模扩大后API账单突然失控，也能把节省下来的预算用于更多实验和个性化辅导。
4. 计费边界、异常扣费与平台差异
DeepSeek API通常对成功返回的请求按输入和输出token计费，因参数错误、鉴权失败或限流而被拒绝的请求一般不会产生token费用，但流式响应中途断开时，已经生成的内容仍可能被计费。新用户注册后通常会获得一定额度的赠送余额，用于试用和开发，余额耗尽后需要充值。充值金额、发票申请、企业合同和并发限制取决于账户类型与平台政策。教学团队在正式开课前应确认免费额度是否过期、默认模型是否切换、并发上限是否满足课堂高峰，避免演示中途因余额或限流中断。 第三方云平台也提供DeepSeek模型托管服务，计费可能与官方开放平台不同。有的平台推出资源包、包年包月、阶梯折扣或限时免费额度，有的平台把输入输出合并计价，有的平台对缓存命中给出不同规则。选择平台时不能只看单价，还要看SLA、数据驻留、内容合规、监控能力和故障赔付。AI指导老师若面向学校或机构，学生数据隐私和内容安全往往比几分钱差价更重要，使用具备合规资质的云平台可能更稳妥。官方API适合快速验证和教学演示，云平台适合需要稳定服务与本地化支持的生产环境。 异常扣费多数来自调用失控，而不是单价本身。密钥泄露后可能被他人盗用，程序陷入无限重试或循环调用会在短时间内产生大量请求，长上下文未截断会让每次调用都携带巨额输入，推理模型输出不设上限则可能生成远超预期的token。把开发、测试、生产密钥分开，设置用量告警和预算上限，对重试逻辑增加次数限制，对长文本先摘要再送入模型，能显著降低账单风险。当密钥泄露或程序陷入循环调用时，按环境隔离密钥并设置用量告警，才能把损失限制在可控范围。
