DeepSeek智能体成本：V4 Flash和V4 Pro的循环API定价

DeepSeek 已退役 V4 Flash。其替代品是 DeepSeek V4.1 Flash，在 API 中称为 deepseek-flash；旧名称 deepseek-v4-flash 仍然有效，并按相同的 Flash 价格计费。

V4.1 Flash 在高峰时段每百万输入令牌收费 $0.30，每百万输出令牌收费 $1.20。高峰时段为工作日的 01:00 至 04:00 和 06:00 至 10:00 UTC；其他时段费用减半。本页使用高峰费率进行计算。在参考的 12 步代理运行中，读取 172,800 个输入令牌并写入 4,800 个输出令牌，即 172,800 × $0.30 + 4,800 × $1.20 ≈ $0.058。DeepSeek V4 Pro 在高峰时段每百万输入 $1.32 / 每百万输出 $3.96，运行相同循环约需 $0.25。Claude Sonnet 5 花费 $0.39，GPT-5.4 花费 $0.50，Gemini 3.8 Flash 花费 $0.15。Claude Haiku 5.5 花费 172,800 × $0.10 + 4,800 × $0.50 ≈ $0.020，甚至低于非高峰时段的 V4.1 Flash。

该列背后的追踪：一个 4,000 令牌的系统提示加工具，一个 500 令牌的任务，以及十二步，每一步增加一个 300 令牌的工具调用和一个 1,500 令牌的结果。每一步重新发送之前的所有内容使得输入列占主导地位；请参阅 [运行 AI 代理的成本](/guides/how-much-does-an-ai-agent-cost-to-run)。DeepSeek 定价于 2026-10-27 在 api-docs.deepseek.com 上核实。Claude Haiku 5.5 于 2026-11-03 在 Anthropic 的定价页面上核实；其费率适用于最多 100,000 令牌的提示，此追踪中最大的调用为 24,300。它取代了 Claude Haiku 4.5，后者现为旧版模型，价格为 $1 / $5（此运行中为 $0.197）。

关于价格表，有三点对循环特别重要。

输入是 agent 主要花费的地方。V4.1 Flash 的 $0.30 高峰输入费率大约是 Sonnet 5 ($2) 的七分之一，GPT-5.4 ($2.50) 的八分之一。输出在 agent 账单中仅占一小部分，因此输入费率才是比较的关键。

上下文方面：V4.1 Flash 和 V4 Pro 均为 1M tokens，最多可输出 384K tokens，因此长循环不会在达到步数上限前触及窗口限制；参考追踪运行 200 步后上下文为 362,700 tokens。模型能否很好地利用如此长的历史是另一个问题，下文会涉及。

缓存存在于 DeepSeek 自己的端点，重复前缀命中时输入费率大幅降低：V4.1 Flash 高峰时每百万 $0.006，V4 Pro 为 $0.044。本文所有价格均按未缓存计算，因此具有大量稳定前缀的循环实际费用将低于表格所示。如果你的循环重复发送大量稳定前缀，DeepSeek 同样适用 [AI agent 的提示缓存](/guides/prompt-caching-for-ai-agents) 规则。

根据我们的经验以及从运行该模型的团队收到的报告，V4 Flash 在三种情况下表现良好。我们尚未在 V4.1 Flash 上重新测试：

• 结构化工具调用，针对明确指定的任务：清晰的系统提示、具有紧密模式和描述性名称的工具，以及说明“完成”状态的任务。读文件、查询数据库、调用此 API 的循环属于此类。
• 长上下文读取：从几十万 tokens 的检索材料中总结或提取，利用 1M 窗口和 $0.30 费率，30 万 tokens 的通过成本约为 $0.09。
• 高容量、低风险的循环：分类管道、日志分类、初筛代码审查，以及任何错误答案容易检测并重试的场景。

V4 Pro 形态相同，但在判断上具有更大余量，价格约为 Flash 的四倍，适用于希望使用单一供应商和单一端点但需要更强规划步骤的情况。

同样的报告和我们自己的使用指出了三个薄弱点。我们将其描述为观察结果而非基准测试结果，因为我们无法引用能单独验证它们的基准测试：

• 模糊任务。当简报留有推断意图的空间时，V4 Flash 倾向于选择字面理解并直接执行，到第6步时它已经在错误的问题上做了大量自信的工作。
• 长多轮规划。在约十步之后出现分支决策时，它会忘记已经尝试过的内容，并重复工具调用。窗口很大，但规划能力跟不上。
• 严格的 JSON 边界情况。嵌套可选字段、对象数组、不寻常的转义以及近重复的枚举值，都是参数 JSON 悄悄出错的地方。在执行每个工具调用前用 schema 验证它，并将验证失败视为升级的信号，而不是在同一模型上重试。

这些薄弱点划定了下面混合模式（hybrid pattern）的边界。

DeepSeek 的直接 API 由 DeepSeek 运营，请求在其基础设施上根据其数据政策处理。对某些组织而言，无论价格如何这都是不可接受的；模型权重开放并不能改变你调用托管端点时提示词的去向。

OpenRouter 将 DeepSeek 模型路由到第三方托管提供商，并允许你限制哪些提供商或区域处理请求，这是满足数据驻留要求的实际方案。代价是每个主机设定自己的费率，因此同一模型的 OpenRouter 行可能显示高于直接价格；[模型目录](/models) 并排显示了当前的行。包括缓存和可靠性差异在内的完整对比，请参见 [OpenRouter vs 直接 API](/compare/openrouter-vs-direct-api)。

在 V4.1 Flash 上运行工具循环，并将完成的对话记录发送给更强模型一次，以验证工作并写出最终答案。旗舰模型只读取一次完整上下文，而不是十二次，因此其成本有限且较小。

参考运行，峰值时在 V4.1 Flash 上执行十一步循环：输入 11 × 4,500 + 1,800 × 55 = 148,500 个 token，输出 3,300 个 token。148,500 × $0.30 + 3,300 × $1.20 = $0.049。验证步骤，一次调用读取完整的 24,300 token 对话记录并写出 1,500 个 token：

验证者的工作范围狭窄：检查工具结果是否支持结论并生成最终输出。给它一个工具来拒绝运行，并将拒绝路由到完整的旗舰重新运行；如果每十个运行中拒绝少于一个，混合方案仍然远便宜于单个旗舰。同样的拆分扩展到[多智能体系统成本](/guides/multi-agent-system-cost)中的规划者与工作者布局。

DeepSeek 的 API 兼容 OpenAI，因此官方的 openai 包只需更换 base URL 即可使用。以下循环在 V4.1 Flash 上执行工具步骤，并从每次响应的 usage 中计算成本：

import json, os
from openai import OpenAI

client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"], base_url="https://api.deepseek.com")
MODEL = "deepseek-flash"   # V4.1 Flash；旧的 "deepseek-v4-flash" 名称按相同用量计费
spent = 0.0
messages = [{"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": task}]
for step in range(11):
    resp = client.chat.completions.create(model=MODEL, messages=messages, tools=TOOLS, max_tokens=1024)
    u = resp.usage
    spent += (u.prompt_tokens * 0.30 + u.completion_tokens * 1.20) / 1e6   # V4.1 Flash 每百万峰值费率
    msg = resp.choices[0].message
    messages.append(msg)
    if not msg.tool_calls:
        break
    for call in msg.tool_calls:
        args = json.loads(call.function.arguments)          # 执行前验证
        messages.append({"role": "tool", "tool_call_id": call.id,
                         "content": run_tool(call.function.name, args)[:6000]})
# 将 `messages` 交给验证模型；在 Sonnet 5 上的第 12 步 ≈ 24,300 × $2 + 1,500 × $10 = $0.064

将工具结果截断至 6,000 字符（约 1,500 token）可保持轨迹与表格一致。[DeepSeek 101 课程](/tutorials/deepseek-101) 涵盖了端点的基础知识。

Claude Haiku 5.5 现在是本页最便宜的一行，参考运行价格为 $0.020，低于非高峰时段的 V4.1 Flash（$0.029）。我们尚未在这些循环上运行过它，因此在切换前请在自己的任务上测试。对于定义明确的工具循环，V4.1 Flash 是本页上我们见过在生产中表现稳定的最便宜模型，高峰价格为 $0.058。Gemini 3.8 Flash 价格为 $0.15，是下一个升级选项，具有不同的失败模式；所有模型的排名请参见 [AI 代理最便宜的 LLM](/guides/cheapest-llm-for-ai-agents)。

当任务从第一步起就不明确、循环需要超过十步的真正规划、或者错误答案的成本超过你节省的 $0.34 时，请为整个循环（而不仅仅是最后一步）支付旗舰模型的费用。Claude Opus 5 参考运行价格为 $0.98，GPT-5.5 为 $1.01，相比一个糟糕的决策仍然便宜。

低成本循环往往无人监控，这正是 200 步循环可能发生的原因。按 V4.1 Flash 峰值费率计算，一个 200 步失控循环需要 36.72M 输入 × $0.30 + 80,000 输出 × $1.20 ≈ $11.11。这个金额小到无人察觉，直到它在一万个任务上运行。请保持你在 Sonnet 5 上会使用的四种控制措施：

• 每次调用的 max_tokens，工具步骤设为 1,024
• 步骤上限（12 到 25），在循环中强制执行
• 终止条件：在无 tool_calls 的响应时结束，并在发现重复的相同调用时中止
• 每次运行的美元预算，由 usage.prompt_tokens 和 usage.completion_tokens 之和加上验证器的用量计算

[token 预算防护栏](/guides/ai-agent-token-budget-guardrails) 中的运行器已为 Anthropic 实现此功能，并通过交换用量字段名称适配此端点。在各供应商之间定价你的轨迹，请使用[计算器](/calculator)。