按量计费AI API怎么算月度成本？分时价差下的调度清单

很多人以为按量计费AI API的月度成本只要算清输入和输出 token 量就够了，但这样得出的预算往往与实际账单差出一大截。真正的按量计费AI API月度成本公式至少包含四个维度：输入缓存未命中、输入缓存命中、输出，以及调用时段——前三者决定单价基准，第四个维度则可能让同样一批请求的最终费用相差两倍。以 DeepSeek 自 2026 年 8 月 16 日 16:00 UTC 起执行的 V4 系列分时定价为参照，时段已经从纸面概念变成必须纳入核算的现实项。

按量计费AI API的单价表怎么读：四个维度如何组合

一张按量计费AI API的价格页，往往不是一个数字，而是一个四维矩阵。以 DeepSeek 官方定价为例，你需要同时看四列：缓存未命中输入、缓存命中输入、输出，以及它们各自在高峰和平峰下的取值。缓存命中与未命中的单价通常相差一个数量级，而高峰与平峰则是 2 倍量级，两者是相乘关系，不是二选一。

把任意厂商的价格页填进下面这个通用模板，就能得到单位请求成本：

单位成本 = 输入未命中token数 × 未命中单价 + 输入命中token数 × 命中单价 + 输出token数 × 输出单价，再乘以对应时段的系数。

以 DeepSeek-V4 系列分时定价做一次量级演算

2026 年 8 月 13 日，DeepSeek 官方发布 V4-Pro GA，并同步公布分时计费规则：自 2026 年 8 月 16 日 16:00 UTC 起，高峰时段为 01:00-04:00 与 06:00-10:00 UTC（共 7 小时），其余 17 小时为平峰。以上时段与单价来自 DeepSeek API 官方定价文档（2026-08-14 版）。

注：缓存命中单价官方定价文档仅公布平峰价（pro $0.022/1M、flash $0.007/1M）；上表高峰命中价为按平峰×2 推算的示例值，实际以官方定价页为准。

假设一个团队每月产生 100M 输入（缓存命中率 50%，未命中 50%）和 50M 输出，全部使用 v4-pro，我们对比三种调度情形（以下为示例假设，非官方数据）：

可见，仅靠时段调度，就可能节省 30%-50% 的成本。这里要澄清一个传播偏差：部分媒体用“全天涨价 3~4 倍”概括此事，实际上涨幅只集中在上面列出的 UTC 窗口，平峰价格是高峰的 50%，且缓存命中折扣仍然保留。在这组示例假设下，把全部可调度请求从高峰移至平峰，理论节省上限为 50%；实际可节省比例取决于可延迟链路在总调用量中的占比，多数生产链路会明显低于该上限。

把请求分成三类：实时、可延迟、批处理

按量计费AI API的调度收益只对特定请求类型成立，先按 SLA 敏感度分层：

• 实时链路：用户在等，必须同步返回，例如聊天机器人、代码补全。判据：是否有用户在同步等待。
• 可延迟链路：分钟到小时级容忍，例如异步摘要、离线标注补跑。判据：是否存在合同 SLA？
• 批处理链路：24 小时级容忍，例如知识库向量化、评估集回归。判据：任务是否可幂等重放。

只有后两类才有资格参与时段调度。批处理链路通常还可叠加厂商的 Batch API 异步折扣（如 OpenAI 提供标准 50% 折扣，要求 24 小时窗口交付），这属于额外的降本空间。但 Batch 的 50% 折扣需 24 小时交付窗口，与平峰单价减半属于两条并行路径，不可假定二者叠加。

时区陷阱：计价窗口按 UTC，业务高峰按本地时区

最容易踩的坑是：定价窗口以 UTC 定义，而业务负载曲线按本地时区分布。DeepSeek 的高峰窗口 01:00-04:00 与 06:00-10:00 UTC，对应的北京时间是 09:00-12:00 与 14:00-18:00——恰好是国内多数企业的业务高峰。如果调度器用服务器本地时间判断档位，很容易把请求打在最贵的时间段。

实现建议：统一用 UTC 时间戳判定档位，不依赖服务器本地时区；对于跨窗口的长任务，请求发起时间与计费归属需按官方口径确认，不确定处以官方文档为准。

可延迟链路怎么落地：队列、重试预算与截止时间约束

工程实现上，任务入队时带上 deadline 与档位偏好；调度器在平峰窗口开闸消费。需要为每个任务设置重试预算，否则一次重试可能把任务推出平峰窗口，反而更贵。异步 Batch 通道有 24 小时交付约束，若队列积压过深，隐性延迟成本可能抵消节省的费用。

缓存命中折扣和时段折扣怎么叠加

结论是：两者同时生效。官方定价文档显示缓存命中计费与时段计费同时生效。平峰期缓存命中的输入单价可低至 v4-pro 的 $0.022/1M、v4-flash 的 $0.007/1M。优化优先级上，高频复用的系统提示词应优先提升缓存命中率，因为收益是数量级；时段调度是第二层收益，约 2 倍量级。两者不冲突，但先用缓存优化，再谈时段调度。

什么情况下不该为省钱挪时段

实时交互链路、Agent 多轮工具调用中的关键跳、有合同 SLA 的对外接口，都不应参与调度。集中在平峰窗口猛灌请求会推高并发，触发限速与重试放大，实际成本未必下降。还要把工程复杂度和值班成本计入折算——如果为了省 30% 的成本要投入大量开发与运维精力，可能并不划算。

换模型档位 vs 换调用时段

两条降本路径适用场景不同：换档位（如从 v4-pro 降到 v4-flash）改变输出质量上限，需要通过 eval 验证；换时段不改变质量，只改变交付时间。建议先用 eval 确认任务能否降档，不能降档再考虑挪时段。要做跨模型的时段与成本对照，前提是同一套代码能在多家供应商和多个模型间切换，例如 NexAIX 提供的 OpenAI Chat Completions 兼容接口（base_url: https://api.nexaix.net/v1），可以用同一份 eval 脚本在不同档位下测试。AI API价格 和 AI API成本优化 可作延伸阅读。

按量计费AI API月度成本重算清单：8 项当周可执行核对项

下面 8 项用于重算按量计费AI API 的月度账单。

1. 导出 usage 明细，按 UTC 小时分桶。
2. 核对请求 ID、模型名、token 数、时间戳与账单条目的对应关系。
3. 确认返回体的 model 字段与预期模型一致，防止暗降级导致账单口径错乱。核对所需字段依赖服务商保留的计费元数据，例如 NexAIX 公开只保留请求 ID、模型名、token 数、时间戳与状态码，正好可用于把账单条目回溯到具体调用时段；满载时返回标准 429 而不静默切换模型，返回体 model 字段对应实际执行模型。
4. 标记缓存命中率，评估优化空间。
5. 识别可延迟链路占比，估算可调度范围。
6. 为高峰窗口设置调用告警。
7. 复核重试放大系数，避免重试推高成本。
8. 为每条链路写明 SLA 与档位归属。

关于账单与 usage 对不上的问题，可参考 AI API 429 排查重试与限流，以及 OpenAI兼容API 理解模型字段一致性。

常见问题

DeepSeek API 高峰期和平峰期价格差多少？

高峰时段输出单价是平峰的 2 倍。例如 v4-pro 高峰输出 $3.96/1M，平峰 $1.98/1M；v4-flash 高峰 $1.32，平峰 $0.66。输入未命中单价同样是平峰减半。

分时计价的时段是按 UTC 还是本地时区？

按 UTC 定义。DeepSeek 高峰窗口为 01:00-04:00 和 06:00-10:00 UTC，对应北京时间 09:00-12:00 和 14:00-18:00。调度器需使用 UTC 时间戳判定档位，避免本地时区导致误判。

AI API 调用能不能挪到夜里跑省钱？

可以，但仅对非实时链路有效。将可延迟任务调度到平峰窗口（如北京时间凌晨），对应时段单价最多可降至一半，实际节省比例受可调度请求占比限制。

批处理任务用哪个模型档位更划算？

若对质量不敏感，优先选 flash 档位，平峰时输入 $0.22/1M、输出 $0.66/1M，成本约为 pro 的三分之一。但需用 eval 验证输出质量是否满足需求。

API 账单和 usage 对不上怎么核？

逐项核对请求 ID、模型名、token 数和时间戳。注意确认返回体 model 字段是否与预期一致，防止暗降级导致的账单差异；同时排查重试放大造成的额外消耗。

prompt cache 折扣和时段折扣能叠加吗？

能。两者独立生效，平峰期缓存命中输入单价可低至 $0.022/1M（pro）和 $0.007/1M（flash）。优化时应先最大化缓存命中，再考虑时段调度。