DeepSeek 缓存永久一折，API 价格再砍一刀

产品更新

DeepSeek 宣布全系列模型 API 输入缓存命中价格永久降至首发价的 1/10，叠加此前 V4 Pro 的 2.5 折优惠，开发者调用成本再创新低。

DeepSeek 缓存永久一折，API 价格再砍一刀

DeepSeek 又降价了。

4 月 26 日，DeepSeek 官方更新 API 定价策略，将全系列模型的输入缓存命中价格永久下调至首发价格的 1/10。注意关键词：永久。这不是限时促销，不是错峰优惠，是写进价格表里的常驻调整。

就在昨天，DeepSeek 刚刚给 V4 Pro 系列搞了个限时 2.5 折的活动，开发者社区还在讨论「这波能薅多久」，今天缓存价格直接打到一折，而且没有截止日期。社区里有人调侃：「昨天限时二点五折，今天永久一折，你这样太客气，搞得人家都不好意思了。」

说实话，这个定价确实有点离谱。

到底便宜了多少？

先把账算清楚。

DeepSeek 的 API 计费分三个部分：输入（缓存未命中）、输入（缓存命中）、输出。这次调整只动了中间那一项——缓存命中的输入 token 价格。

以 DeepSeek 此前公布的缓存命中基准价 1 元/百万 tokens 为参考，一折之后就是 0.1 元/百万 tokens。换算成美元大约是 $0.014/百万 tokens。

这是什么概念？

做个横向对比：

模型 输入价格（缓存命中） 输入价格（无缓存）
DeepSeek V4 Pro（调整后） ≈ 0.1 元/百万 tokens 按首发价
GPT-4o $1.25/百万 tokens（Cached） $2.50/百万 tokens
Claude 3.5 Sonnet $1.50/百万 tokens（Cached） $3.00/百万 tokens
Gemini 1.5 Pro $0.315/百万 tokens（Cached） $1.25/百万 tokens

即便考虑汇率差异，DeepSeek 的缓存命中价格也比主流闭源模型便宜了一到两个数量级。Gemini 1.5 Pro 的缓存价格已经算是业界较低的了，DeepSeek 这个价格大概是它的 1/30。

当然，模型能力不能只看价格。但 DeepSeek V4 Pro 在多个基准测试上已经展现出与 GPT-4o 级别模型竞争的实力，这个性价比确实没什么可挑的。

DeepSeek API 各模型缓存命中价格调整前后对比图

缓存命中为什么重要？

如果你只是偶尔调一次 API 玩玩，缓存命中率对你来说可能无感。但对于生产环境中的开发者来说，这个数字直接决定了月底账单的厚度。

在真实的 API 调用场景中，输入 token 的重复率远比你想象的高：

场景一：System Prompt 复用。 绝大多数应用都有一个固定的系统提示词，可能几百到几千 tokens。每次请求都要发送一遍，但内容完全相同。缓存命中后，这部分成本直接降到 1/10。

场景二：多轮对话。 这是缓存的主战场。一个 10 轮对话，第 10 轮请求需要把前 9 轮的内容全部重新发送。假设每轮平均 500 tokens，到第 10 轮时你的输入里有 4500 tokens 是重复的，只有最后一轮的用户输入是新的。缓存命中率轻松超过 80%。

场景三：RAG 应用中的文档引用。 很多 RAG 场景会把检索到的文档片段塞进 prompt，同一份文档被不同用户反复引用的概率很高。

场景四：批量处理。 用同一个 prompt 模板处理大量数据时，模板部分的 token 每次都在重复。

DeepSeek 官方此前的技术博客提到过一个极端案例：128K 输入且大部分重复的请求，首 token 延迟从 13 秒降到了 500 毫秒。这不光是省钱的问题，还直接改善了用户体验。

所以这次降价的实际影响，取决于你的应用缓存命中率有多高。对于多轮对话类应用，综合成本下降 50%-70% 是完全可能的。对于有大量固定 prompt 的批处理场景，降幅可能更大。

DeepSeek 的缓存机制：技术上怎么做到的？

要理解为什么 DeepSeek 敢把缓存价格压到这么低，得先看看它的缓存机制是怎么工作的。

DeepSeek 采用的是硬盘级 KV Cache 缓存，这在业界是比较独特的。大多数厂商的缓存是在 GPU 显存或内存中进行的，容量有限、成本高昂。DeepSeek 把缓存下沉到了分布式硬盘阵列，利用的是 MLA（Multi-head Latent Attention）架构的一个关键优势：KV Cache 体积极小。

传统 Transformer 的 KV Cache 随着上下文长度线性增长，存储和传输成本很高。而 DeepSeek V2 提出的 MLA 结构通过低秩压缩，将 KV Cache 的大小压缩了数倍，使得用相对廉价的硬盘存储来缓存变得可行。

从开发者的角度来看，这套缓存是完全透明的：

  • 无需修改代码，无需更换接口
  • 系统自动匹配前缀，自动命中缓存
  • 按实际命中情况计费
  • 缓存存储本身不收费

需要注意的一个限制：缓存匹配是从第 0 个 token 开始的前缀匹配。也就是说，只有两个请求的输入从头部开始完全相同，相同的部分才能被缓存命中。如果你在 prompt 中间插入了不同的内容，后面即使相同也无法命中。

这意味着，想要最大化缓存命中率，你需要把固定内容放在 prompt 的前面，变化内容放在后面。比如 system prompt 放最前，然后是历史对话，最后是当前用户输入。这本身也符合大多数应用的 prompt 组织习惯。

另外，缓存系统以 64 tokens 为最小存储单元，不足 64 tokens 的内容不会被缓存。官方也明确说了，缓存是「尽力而为」，不保证 100% 命中。

在 API 返回的 usage 字段中，你可以通过两个字段实时监控缓存情况：

  • prompt_cache_hit_tokens：缓存命中的 token 数
  • prompt_cache_miss_tokens：缓存未命中的 token 数

这两个字段对于成本监控和 prompt 优化都非常有用。如果你发现命中率持续偏低，可能需要检查一下 prompt 的组织方式。

降价背后的逻辑

有人可能会问：DeepSeek 这么降价，到底图什么？

从商业角度看，有几个可能的解读。

第一，缓存命中的边际成本确实很低。 缓存命中意味着这部分 token 不需要经过 GPU 计算，只需要从硬盘读取 KV Cache。硬盘存储和读取的成本比 GPU 推理低了不止一个数量级，所以即使收 1/10 的价格，DeepSeek 在这部分依然有利润空间——或者至少不亏。

第二，低价策略是为了抢占开发者生态。 API 定价是一场心理战。当开发者评估一个新项目的技术选型时，成本是绕不过去的考量。DeepSeek 用极低的价格降低开发者的试用门槛，一旦开发者基于 DeepSeek 的 API 构建了应用，迁移成本就会形成粘性。

第三，这是对国内外竞品的持续施压。 国内市场上，通义千问、文心一言、GLM 等都在争夺 API 开发者。国际市场上，OpenAI、Anthropic、Google 的定价已经在持续下降。DeepSeek 选择在缓存这个维度上打到极致，等于是在说：你们跟不跟？

从 DeepSeek 过去一年的定价历史来看，降价已经成了某种常态：

  • 2024 年 8 月，首次推出硬盘缓存，缓存命中价格为 0.1 元/百万 tokens
  • 2025 年 2 月，推出错峰优惠，夜间时段 API 价格最高降 75%
  • 2025 年 9 月，新模型上线带动整体 API 价格下降 50% 以上
  • 2026 年 4 月，V4 Pro 限时 2.5 折 + 缓存永久一折

每次降价的幅度都不小，而且越来越频繁。这要么说明 DeepSeek 在推理效率上的优化速度确实很快，要么说明他们在用价格换市场份额——大概率两者兼有。

对开发者的实际影响

说点实在的。这次降价对不同类型的开发者影响不同。

对个人开发者和小团队： 影响有限但正面。如果你的月调用量在几百万 tokens 级别，账单本来就不高，降价后可能从几块钱变成几毛钱。心理上更爽，但不会改变你的技术决策。

对中型 SaaS 产品： 影响显著。假设你的产品日均处理 10 万次对话请求，每次请求平均 2000 tokens 输入，其中 70% 是缓存命中。降价前后的月成本差异可能在数千到数万元级别。这个幅度足以影响产品的定价策略和利润率。

对大型企业和高频调用场景： 影响最大。如果你在做智能客服、文档处理、代码辅助等高频场景，每天的 token 消耗可能在数十亿级别。缓存命中部分降到 1/10，月度成本节省可能达到六位数。

值得一提的是，这次降价也让 DeepSeek 在 Agent 和长链推理场景中的成本优势更加明显。Agent 应用通常涉及多步推理，每一步都需要把之前的上下文重新输入，缓存命中率天然就高。在这类场景中，DeepSeek 的综合调用成本可能只有 GPT-4o 的 1/50 甚至更低。

竞争格局：价格战还能打多久？

大模型 API 的价格战已经持续了一年多。从 2024 年年中开始，几乎每个月都有厂商宣布降价。DeepSeek 不是唯一在降价的，但它降得最狠、最频繁。

这场价格战的底层逻辑是推理成本的持续下降。更高效的模型架构（如 MLA、MoE）、更好的推理框架（如 vLLM、TensorRT-LLM）、更便宜的硬件（如国产 AI 芯片的逐步成熟），都在推动单位 token 的生产成本走低。

但价格战也有副作用。当 API 价格低到一定程度，厂商的收入可能无法覆盖研发投入。对于 DeepSeek 这样有幻方量化背景的公司来说，短期内可能不需要靠 API 收入盈利，但长期来看，可持续的商业模式仍然是个问题。

对开发者来说，价格战当然是好事。但也要注意一个风险：如果你的整个产品成本结构都建立在某家厂商的超低价格之上，一旦对方调整策略（涨价、限流、停服），你的商业模式可能会受到冲击。做好多模型适配、保留切换能力，始终是明智的。

目前主流模型的 API 都兼容 OpenAI 格式，像 OpenAI Hub 这类聚合平台也支持一个 Key 调用 DeepSeek 在内的多家模型，切换成本已经很低了。在享受低价的同时保持灵活性，是当下比较务实的策略。

总结

DeepSeek 这次缓存永久一折的调整，单独看是一个定价策略的更新，放在整个行业背景下看，是大模型 API 价格持续走低的又一个标志性事件。

对开发者来说，核心信息就一句话：如果你的应用有大量重复输入（多轮对话、固定 prompt、批量处理），现在用 DeepSeek 的成本又低了一大截。

至于「梁圣」什么时候再降价——按照这个节奏，可能用不了太久。

参考来源