周一早上打开开发者后台，DeepSeek 的弹窗公告还挂在那里：「计划近期整体上调 API 服务定价，预计涨幅较大」。群里有人连夜写起了多模型路由，有人把 V4-Pro 的调用量降到了零。我盯着自己上个月的账单——一个月 4000 万 token 的调用量，全压在 DeepSeek 上，这一涨，我的 SaaS 成本结构要重新算一遍。

涨多少？按照 5 月 25 日「永久降价」的 1/4 定价（3 元/6 元）反推，如果恢复到原价（12 元/24 元），那就是 300% 的涨幅。知乎上 276 个回答、158 万浏览，最高赞的说法是：V4-Flash 性价比太炸，7 月 31 日正式版上线后全球调用量把服务器「蹬冒烟了」，峰谷定价根本削不动 agent 的负载——因为 coding agent 没有上下班时间，跨时区 24 小时都在跑。

于是问题变成：DeepSeek 涨价后，我该换谁？

我把这个问题做成了一次实测：拿 5 款国产模型的官方定价页 + 第三方评测数据，算了三笔账——同样的活，各家收多少钱；同样的钱，各家干多少活；以及换过去要改多少代码。

先看总表：5 款模型一张表看清格局

先说清楚，以下价格全部来自各家官方定价页（2026 年 8 月 7 日逐条核对），单位是元/百万 token，DeepSeek 取平峰价（工作日高峰 9:00-12:00、14:00-18:00 翻倍）：

模型	输入(缓存未命中)	输入(缓存命中)	输出	相对 V4-Flash 输出价倍数
DeepSeek V4-Flash	1	0.02	2	1x
DeepSeek V4-Pro	3	0.025	6（高峰 12）	3x（高峰 6x）
Kimi K3	20	2	100	50x
Qwen3.7-Max	12	—	36	18x
GLM-5.2	10	—	31	15.5x

看完这张表你大概明白知乎那 276 个回答在吵什么了——V4-Flash 的输出价是 K3 的五十分之一。注意，K3 是 7 月 16 日刚开源的 2.8 万亿参数「全球最大开源模型」，GLM-5.2 是智谱的旗舰，Qwen3.7-Max 是阿里的旗舰，它们都不是杂牌。差距不是「贵一点」，是数量级。

但这只是牌价。真正决定账单的还有三件事：缓存折扣、峰谷定价、以及模型到底能不能干你的活。下面逐个拆。

维度一：单价拆解——输出价决定生死

先算第一笔账：纯输出成本。对 coding agent 来说，输出 token 是账单的大头——一次代码生成任务，输出可能占 60% 以上。

同样的 100 万输出 token：

模型	花费	备注
DeepSeek V4-Flash	2 元	平峰；高峰 4 元
DeepSeek V4-Pro	6 元（高峰 12 元）	平峰是 Flash 的 3 倍
GLM-5.2	31 元	Flash 的 15.5 倍
Qwen3.7-Max	36 元	Flash 的 18 倍
Kimi K3	100 元	Flash 的 50 倍

我一个月的 agent 调用量大约 4000 万 token，其中输出约 1500 万。全用 V4-Flash：300 元/月；全用 K3：15000 元/月。这个差价不是「优化一下」能抹平的。

有人会反驳：K3 开源、能本地部署，不能这么比。对，但本地部署 2.8 万亿参数模型需要的显存，比绝大多数小团队的月 API 账单贵两个数量级——这个话题我在 K3 踩坑实录里算过，这里不展开。

维度二：能力拆解——便宜的不只是「够用」，是「更好用」

价格差 50 倍，如果便宜的那个是残废，那贵得有道理。但 2026 年 8 月的诡异之处在于：最便宜的 V4-Flash 正式版，能力反而超过了自家 Pro 预览版。

看三组第三方数据：

Artificial Analysis 智能指数（独立第三方，统一测试集，2026-07-31 发布当天入榜）：

模型	智能指数	备注
Kimi K3	57	开源榜第一
GLM-5.2	51	—
GPT-5.6 Luna	51	OpenAI 最便宜款
DeepSeek V4-Flash (0731)	50	比自家 V4-Pro 预览版高 6 分
DeepSeek V4-Pro 预览版	44	—

Terminal Bench 2.1（真实终端环境实操：改配置、跑脚本、修 bug）：V4-Flash 正式版 82.7 分，官方称「远超 V4-Pro 预览版」。

OpenCode 平台 8 月 5 日调用数据：单日 7.5T token，V4-Flash 独占 6.3T，占比 84%。开发者用脚投票的结果是：便宜 + 能力在线 = 断档领先。

更有意思的是技术细节：V4-Flash 正式版和预览版结构、尺寸一模一样（284B 总参/13B 激活），只重做了后训练，就把 Agent 能力拉到了 Pro 之上。同一个发动机，重新调校变速箱，加速直接快一档。这说明 Flash 之前压根没摸到自己的上限。

但 Flash 有明确短板，实测中我发现两点：一是不支持视觉输入；二是世界知识「稍逊一筹」——API 文档、库行为这类事实性问题，官方自己都建议人工复核。我的用法是：跑量任务全给 Flash，卡壳的难题切旗舰。

维度三：缓存折扣——agent 时代真正的省钱密码

这是最容易被忽略、但对 agent 负载影响最大的一格。

agent 每次调用都要重发整个代码库、系统提示词、历史轨迹——重复输入在 agent 场景占比能到 80% 以上。所以「缓存命中价」才是 agent 账单的主战场。

模型	未命中输入	命中输入	命中价/未命中价
GPT-5.6 Sol	$5	$0.5	10%
Claude Opus 5	$5	$0.5	10%
Gemini 3.1 Pro	$2	$0.2	10%
DeepSeek V4-Flash	1 元	0.02 元	2%
DeepSeek V4-Pro	3 元	0.025 元	0.83%

美国三家厂商的缓存折扣整齐划一都是「一折」，DeepSeek 打到 0.83 折。原因在架构：别人的 prompt cache 放在显存里（每 GB 几十美元的 HBM），DeepSeek 把压缩后的注意力条目直接落盘（每 GB 几毛钱）。同样是 100 万 token 重复上下文，Claude Opus 5 收 $0.5，V4-Pro 收 0.025 元——差 138 倍。

这一格对 agent 开发者意味着什么？意味着换模型的迁移收益，缓存命中价才是大头。我自己测过：一个 50 万 token 系统提示词的 agent，切到 DeepSeek 后账单掉了两个数量级，主要就掉在这一格。

维度四：峰谷定价与迁移成本——「换谁」的最后两块拼图

峰谷定价：DeepSeek 工作日 9:00-12:00、14:00-18:00 翻倍。知乎高赞说得对——削峰对网页/App 有用，对 coding agent 基本没用，因为 agent 可以批式、异步、跨时区跑。但对国内团队有个实际影响：把重任务挪到非高峰时段，成本直接减半。我现在的做法是给 agent 加一个调度层：

# 简单的高峰规避：高峰时段走 Flash 平峰缓存，非高峰才放行 Pro
from datetime import datetime

def is_peak_hour(dt: datetime) -> bool:
    """DeepSeek 高峰时段: 工作日 9-12, 14-18 (北京时间)"""
    if dt.weekday() >= 5:  # 周末
        return False
    return (9 <= dt.hour < 12) or (14 <= dt.hour < 18)

def route(model: str) -> str:
    if model == "deepseek-v4-pro" and is_peak_hour(datetime.now()):
        return "deepseek-v4-flash"  # 高峰降级到 Flash，成本减半
    return model

迁移成本：这是「换谁」决策里经常被高估的一环。实测发现，国产模型几乎都兼容 OpenAI 格式，切换通常是改一个 model 参数的事：

# 从 DeepSeek 切到 Qwen3.7-Max：只改 base_url + model
from openai import OpenAI

client = OpenAI(
    api_key="你的key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",  # 阿里云百炼
)
resp = client.chat.completions.create(
    model="qwen3.7-max",  # 原来是 deepseek-v4-pro
    messages=[{"role": "user", "content": "帮我 review 这段代码"}],
)

DeepSeek 官方还原生支持 OpenAI 的 Responses API 格式，并且针对性适配了 Codex——不用改 Base URL 就能切模型。也就是说，如果只是想在 DeepSeek 涨价期保留一个备胎，切换成本几乎为零，完全可以做多模型路由：便宜任务走 Flash，难题走旗舰，哪家便宜切哪家。

选型建议：按场景对号入座

跑量型 agent（代码生成、批量任务、RAG 管道）→ DeepSeek V4-Flash
输出 2 元/百万 token + 缓存命中 0.02 元，这个价位没有对手。V4-Flash 正式版的 Agent 能力（Terminal Bench 82.7、AA 指数 50）已经证明它不是「廉价替代品」而是「性价比主力」。我的 SaaS 已经 90% 流量切到 Flash，账单降了 60%+。

复杂推理 / 高难度任务 → V4-Pro 平峰 + 高峰规避
V4-Pro 平峰输出 6 元，比 K3（100 元）、Qwen3.7-Max（36 元）、GLM-5.2（31 元）都便宜，配合上面的高峰规避调度，成本可控。等 V4-Pro 正式版发布（官方已预告「尽快」），能力还会有一波提升。

需要视觉 / 多模态 → 别选 Flash，看 GLM-5.2 或 Qwen3.7-Max
Flash 不支持视觉输入是硬伤。多模态场景 GLM-5.2（AA 指数 51）和 Qwen3.7-Max 是更合适的选择，价格虽然贵 15-18 倍，但这类任务量通常不大。

有合规/数据隔离要求 → Kimi K3 本地部署
K3 是唯一「全面开源可自部署」的旗舰，输出 100 元/百万 token 的 API 价其实是在劝你自己部署。适合数据不能出内网的企业场景，成本模型完全不同（显存一次性投入换长期边际成本）。

趋势观察：涨价不是 DeepSeek 一家的事

最后说三个趋势，比「换谁」更重要：

1. 国产模型的「白菜价」时代正在收尾。 腾讯云一个月内两次涨价，智谱多次提价，现在轮到 DeepSeek。8 月 6 日的公告本质上是整个行业从「低价抢市场」转向「合理定价」的信号。开发者要习惯 API 价格是波动的，而不是只降不升。

2. 便宜的模型越来越能打，旗舰的护城河在变窄。 V4-Flash 用 13B 激活参数反超自家 Pro 预览版，K3 开源登顶调用榜——「参数越大越强」的直觉在 2026 年已经失效，后训练和架构的效率才是分水岭。

3. 缓存命中价将成为下一轮竞争焦点。 agent 时代 80%+ 的输入是重复的，谁把重复输入的边际成本打到最低，谁就拿到 agent 开发者的长期账单。DeepSeek 的磁盘 KV 缓存已经把这一格打到 0.83 折，这个技术路线值得关注——下半年昇腾 950 超节点上市后，Pro 价格还有下调空间（官方定价页已明示）。

我的结论是：先别急着「换」，先学会「路由」。 把 Flash 当主力、Pro 当攻坚、高峰规避当默认配置，这个组合在涨价落地前仍然是最优解。真到涨到不能忍的那天，切换成本已经提前铺好了。

延伸阅读：AI编程工具从狂欢到清醒：Cursor和Claude Code混用3个月烧了多少、GPT-5.6 降价 80% 后踩坑实录：Fast 模式 2 倍价、Claude Opus 5 半价实测：3 个真实任务追平 Fable 5？

📌 系列文章

• DeepSeek API宣布整体涨价：开发者现在该做什么
• DeepSeek 涨价落地：我用开源 Headroom 把 Token 成本砍掉 92%
• Qwen3.8-Max 接入踩坑实录：3 个隐蔽坑让成本翻 3 倍

测了 5 款工具才发现差距这么大。关注我 👆 第一时间获取更多 AI 工具深度横评。