一位开发者基于 DeepSeek 开放平台进行的实测揭示了近期 API 调价后的具体成本变化。测试聚焦于具有接近 100% 缓存命中率的特定使用场景，这一场景在 RAG（检索增强生成）或基于文档的问答应用中十分典型。数据显示，与调价前相比，平均单次 API 调用成本从约 0.0082 元跃升至 0.0165 元，净涨幅高达 101.93%，即成本翻倍。而在衡量大模型核心费用的综合百万 Token 成本方面，价格从调价前的 0.0356 元上涨至 0.0628 元，净涨幅为 76.35%。该测试数据采集于调价后的低峰期（空闲时段），排除了高并发可能产生的溢价影响。此次实测数据证实了 DeepSeek 已正式调整其基础服务的定价策略。尽管 0.06 元左右的百万 Token 成本在行业内仍具极高的性价比，但对于主要依赖高频次、短对话轮次的应用，单次调用成本的翻倍将直接增加运营开销。这表明 DeepSeek 正在通过价格机制来调节日益增长的算力负载。
事件分析
此次涨价标志着 AI 推理服务定价正在从“超低价引流”向“可持续运营成本”回归。DeepSeek 凭借 MoE 架构和极致性价比在开发者社区引发轰动，但实测中“缓存命中率 100%”的场景下，单次调用成本依然翻倍，这暴露出即便是混合专家模型，在高并发负载下的算力边际成本依然显著。API 价格的调整通常是为了应对激增的用户量导致的资源紧缺，通过价格杠杆筛选高价值客户或缓解服务器压力。对于依赖 DeepSeek 进行大规模 Agent 编排或长文本处理的开源开发者而言，单位成本的上升要求其更精细地优化 Token 消耗与缓存策略。这也暗示行业正逐步告别非理性的价格战，转向平衡性能与成本的健康商业模型。
核心观点：单次调用成本翻倍表明，DeepSeek 正试图通过价格杠杆调节激增的算力负载，AI 行业的“免费午餐”或因算力硬成本而告一段落。
原文链接：Linux.do
