DeepSeek陷入推理死循环？开发者反馈半小时异常扣费10元

一位开发者在技术社区 Linux.do 发帖反馈，在使用 DeepSeek 模型接口时遭遇了严重的异常计费问题。据该用户描述，在下午五点之后的运行过程中，DeepSeek 突然陷入了文本“无限重复”的状态，表现出类似未能成功调用外部工具、仅在纯对话模式下死循环的现象。这种异常行为直接导致了高昂的成本：用户收到了余额不足的短信提醒，经查账发现，短短半小时内竟被扣除了约 10 元费用。虽然这一绝对金额不算巨额，但对于按量付费的 API 调用而言，半小时 10 元的消耗速度极不正常，暗示后端可能输出了大量无效的重复 Token。

这一现象在 AI 开发领域被称为“幻觉循环”或“无效 Token 爆炸”。当大模型在推理过程中出现逻辑断层，未能正确执行 Function Call 或工具调用指令时，往往会进入一种自我重复的死胡同，不断输出相同的文本片段直到达到上下文窗口上限。由于主流 LLM 服务商均基于 Token 数量计费，这种异常输出会迅速消耗开发者的预算。此次涉及 DeepSeek 的案例，特别指出了“未调用工具”这一细节，可能与 DeepSeek 近期在 Agent 能力或函数调用模型上的更新有关。对于开发者而言，这再次敲响了警钟：在生产环境中部署大模型应用时，必须配置严格的 `max_tokens` 限制、输出监控机制以及异常熔断策略，以防止单次模型推理失控导致的经济损失。

事件分析

💡 核心观点：模型推理死循环导致计费失控，暴露AI开发中工程化熔断机制的普遍缺失，成本控制需成为应用落地的核心考量。