DeepSeek-V4.1-Flash 定价详解：高峰与低谷费率、缓存命中成本怎么算

DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日在 API 上正式 GA，随发布说明一同到来的还有一次降价。缓存命中的输入在低谷时段每百万 token 只要 $0.003，缓存未命中输入 $0.15，输出 $0.60。四天之后，也就是 9 月 14 日，DeepSeek 开始把所有 deepseek-v4-pro 请求路由到 V4.1-Flash，并按 Flash 的价格计费。只要你在 DeepSeek API 上跑了任何东西，这周账单就会变化——无论你有没有动过代码。

这篇文章讲的是价格这一半：完整的 USD 与 CNY 价格表、相对 V4-Flash 和 V4-Pro 的百分比变化、高峰时段落在你所在时区的具体时间，以及两个把算术过程写出来的缓存命中示例。至于模型本身，可以先从 DeepSeek-V4.1-Flash 是什么看起。

先说明一个前提。本系列中所有 benchmark 数字都是 DeepSeek 在 model card 中自行报告的数据。价格来自 pricing 页面，核验时间为 9 月 10 日。最后一节会介绍如何用 Apifox 测量你自己的实际开销：读取每次响应里的 usage 块，而不是相信一个估算值。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

TL;DR

• 在低谷时段，deepseek-flash 的价格为每百万缓存命中输入 token $0.003、每百万缓存未命中输入 token $0.15、每百万输出 token $0.60。高峰时段正好翻倍。
• 与 8 月 21 日的 V4-Flash 相比：缓存命中输入下降 57%，缓存未命中输入下降 32%，输出下降 9%。
• 与高峰时段的 V4-Pro 相比：从 9 月 14 日起，被重新路由的负载在缓存未命中输入上少付 77%，在输出上少付 70%。
• 高峰时段为周一至周五的 01:00 至 04:00 和 06:00 至 10:00 UTC。周末全部按低谷计价。

完整价格表

以下所有数字均为每百万 token 的价格，自 2026 年 9 月 10 日 04:00 UTC 起生效。

deepseek-v4-pro 那两列还有四天的意义。从 9 月 14 日 04:00 UTC（北京时间 12:00）起，发往该模型名的请求将由 V4.1-Flash 处理，并按前两列计费。V4-Pro 下线与迁移指南里介绍了在那之前需要测试的内容。

如果你的账户以人民币结算，zh-cn pricing 页面上 deepseek-flash 的价格如下：

CNY 的每一行都是 USD 对应行乘以约 6.67。表格没有提到的两个细节：上下文缓存是自动的，不需要设置任何开关；模型 id 现在是 deepseek-flash。旧名称 deepseek-v4-flash 和 deepseek-v4-flash-vision-exp 仍然可以解析，但会按这些价格落到 V4.1-Flash 上。

相对 V4-Flash 和 V4-Pro 有哪些变化

2026 年 8 月 21 日，deepseek-v4-flash 在低谷时段计费为 $0.007 / $0.22 / $0.66（缓存命中 / 缓存未命中 / 输出），高峰时段为 $0.014 / $0.44 / $1.32。changelog 中称本次发布让价格“相应下调”。以下是“相应”的具体含义，由这两份价格表计算得出：

高峰时段的各行对应的百分比完全相同，因为两份价格表在高峰都会翻倍。这个模式是有意为之的：降幅最大的是缓存命中，最小的是输出。DeepSeek 的定价面向的是每一轮都会重读长前缀的 agent loop，而 V4.1 中的 FP4 KV cache（每个 token 890 字节，约为 V4-Flash 占用量的四分之一）正是让 $0.003 的命中价格在他们那边可持续的原因。

对 V4-Pro 用户来说数字更大，因为重新路由后按 Flash 的价格计费：

• 高峰时段的缓存未命中输入：$1.32 变为 $0.30，下降 77%。
• 高峰时段的输出：$3.96 变为 $1.20，下降 70%。
• 高峰时段的缓存命中输入：$0.044 变为 $0.006，下降 86%。

DeepSeek 称 V4.1-Flash“在性能、成本、速度和总耗时上全面超越了 V4 Pro”，这个说法值得在 14 号之前用你自己的 prompt 验证。如果想了解这个系列更长时间跨度的定价变化，包括 DeepSeek 上调 API 价格的那段时间，DeepSeek V4 API 定价全解析里有完整的历史。

你所在时区的高峰时段

高峰只适用于周一至周五，分为两段：01:00 至 04:00 UTC 和 06:00 至 10:00 UTC，即北京时间 9:00 至 12:00 和 14:00 至 18:00。每个工作日有 7 个小时处于高峰，每周 35 小时，也就是说高峰约占 168 小时一周的 21%。其余时间，包括周六和周日全天，都按低谷价格计费。

美西和中欧两列使用的是夏令时。夏令时结束后（欧盟 10 月 25 日，美国 11 月 1 日），这两列都要往前挪一小时。UTC 的边界永远不变。

美西的一个工作日完全不会碰到高峰时段。中欧的上午落在高峰 2 之内，而欧洲本地时间 03:00 的夜间批处理要付双倍价格；把它挪到 23:00 CEST（21:00 UTC）就能回到半价。

缓存命中的算术，推演两次

一次命中成本是一次未命中的 1/50（$0.003 对 $0.15），因此重复前缀与新鲜 token 的比例，比 token 的绝对数量更能决定你的输入成本。如果你还不了解 prefix caching，prompt caching 入门那篇解释了什么算可缓存前缀：请求开头完全相同的字节。

示例 1：一个带 20K token system prompt 的 agent loop，高峰时段调用 1,000 次。

一个客服分诊 agent 携带 20,000 token 的 system prompt（策略、tool schema、few-shot 示例），每次调用读取 2,000 个新鲜的工单文本 token，并写出 1,000 个输出 token。在 1,000 次调用中：

1. 输入总量为 1,000 × 22,000 = 22M token。输出总量为 1M token。
2. 第一次调用对全部 22,000 个 token 都是未命中。之后每次调用都在 20,000 token 的前缀上命中，在自己的 2,000 个新鲜 token 上未命中。
3. 命中 token：999 × 20,000 = 19.98M。按每百万 $0.006 计算：19.98 × 0.006 = $0.12。
4. 未命中 token：22,000 + 999 × 2,000 = 2.02M。按每百万 $0.30 计算：2.02 × 0.30 = $0.61。
5. 输出：1M × $1.20 = $1.20。
6. 合计：$0.12 + $0.61 + $1.20 = $1.93。

如果完全不做缓存，仅输入就是 22 × $0.30 = $6.60，整个任务要花 $7.80。缓存去掉了 75% 的账单。在低谷时段运行同样的 loop，每一行都会减半：$0.06 + $0.30 + $0.60 = $0.96。

同样 1,000 次调用如果走高峰时段的 V4-Pro（命中 $0.88、未命中 $2.67、输出 $3.96），合计 $7.51。当重新路由生效时，Pro 客户应该把 $1.93 和这个数字放在一起看。

示例 2：一个输出 10M token 的批处理任务，改到低谷时段运行。

一个商品目录团队要生成 10,000 条商品描述。每次调用发送 1,500 个 token 的商品数据（每个商品都不同，因此没有缓存收益），返回 1,000 个 token 的文案。也就是 15M 输入 token，全部未命中，以及 10M 输出 token。

1. 高峰时段：输入 15 × $0.30 = $4.50。输出 10 × $1.20 = $12.00。合计 $16.50。
2. 低谷时段：输入 15 × $0.15 = $2.25。输出 10 × $0.60 = $6.00。合计 $8.25。
3. 仅仅换个时间就省下：$8.25，prompt 完全不用改。

这个任务以输出为主，而输出是本次发布中降幅最小的一项，所以低谷时段才是更大的杠杆。这个窗口相当宽裕：每个工作日从 10:00 UTC 起有 15 个小时，再加上每个周末连续 48 小时。

上下文、输出，以及为什么并发也算在价格里

两个模型名都提供 1M token 的上下文窗口和 384K token 的最大输出。model card 建议 max tokens 设为 256K 或更高，所以要有意识地设置这个上限：一段跑到 384K 输出 token 的响应在高峰时段要花 $0.46，对 agent 对话记录来说没问题，对自动补全来说就是个 bug。

Flash 的并发是 2,500，Pro 是 500。这一点值得写进一篇价格文章，因为低谷折扣只有在你真能把任务塞进那个窗口时才有价值；也因为 9 月 14 日被重新路由的 deepseek-v4-pro 流量会继承 Flash 的上限：一个原本排在 500 个槽位后面的 Pro 集成，不用改任何配置就能获得五倍的余量。

用 Apifox 测量真实开销

价格表告诉你费率，而每次响应里的 usage 对象告诉你实际被计费的内容。下面是一个 Apifox 工作流，把它变成可重复的检查。

1. 添加接口。创建 POST https://api.deepseek.com/chat/completions，或者导入一份 OpenAI 兼容的 OpenAPI spec。
2. 把价格放进环境。创建两个 Apifox 环境 deepseek-peak 和 deepseek-offpeak，各自保存 DEEPSEEK_API_KEY，以及 PRICE_HIT、PRICE_MISS 和 PRICE_OUT 作为 {{variables}}。peak 里放 0.006 / 0.30 / 1.20，off-peak 里放 0.003 / 0.15 / 0.60。
3. 发送一次并读取 usage。DeepSeek 会把输入拆分为 prompt_cache_hit_tokens 和 prompt_cache_miss_tokens，与 completion_tokens 并列返回 [VERIFY]。把这个请求保存为测试用例。
4. 构建一个对缓存行为做断言的测试场景。用相同的 20K token system prompt 把保存的请求串联两次。在第二步上断言：命中 token 字段至少为 19,000，并且计算出的成本（hits × {{PRICE_HIT}} + misses × {{PRICE_MISS}} + output × {{PRICE_OUT}}，再除以 1M）保持在预算之内。第二步未命中说明前缀变了，这个断言会在账单之前发现问题。
5. 对比高峰与低谷。在两个环境下分别运行该场景并对比成本行，或者用 apidog-cli 在 CI 中按跨越 UTC 高峰边界的计划运行。

你的账单会因此变成什么样

V4.1-Flash 在每一项上都比 V4-Flash 便宜，并且比它所取代的 V4-Pro 价格便宜 70% 到 86%。有两个杠杆值得关注：让长前缀保持字节完全一致以命中缓存，把批处理任务安排在工作日 7 个小时的高峰时段之外。然后在每次调用时记录 usage，对命中数量做断言，让数字告诉你这次降价是否真的落到了你的发票上。

HiFox ：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 Hifox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。