第一章 涨价是真的，但没那么吓人
8 月 17 号凌晨，DeepSeek V4 系列 API 正式调价。朋友圈一片哀嚎：”缓存命中输入涨了 1100%！”
先别慌。圈圈给你泼盆冷水：涨得最猛的那个价，基数低到可以忽略。缓存命中输入从 0.025 元涨到 0.3 元每百万 token——听起来 12 倍，可 0.3 元本身还是白菜价。真正贵的是输出：V4-Pro 高峰输出 27 元每百万 token。
而且这次调价引入了一个新东西——峰谷定价。跟用电一个逻辑：白天高峰翻倍，夜里和周末打对折。这意味着什么？意味着你只要会调度，成本不升反降。
今天这篇，圈圈把 AI 应用降本的实战全抖出来。照着做，综合成本砍掉 50% 到 80% 不是梦。
第二章 峰谷定价到底怎么算
划重点，就两个时段：
- 高峰：每天 9:00-12:00、14:00-18:00（基本覆盖上班时间），价格翻倍。
- 闲时：其余所有时间，价格直接减半。
拿 V4-Flash 举例：闲时输出 4.5 元每百万 token，高峰 9 元。V4-Pro 闲时输出 13.5 元，高峰 27 元。
缓存这块差距更夸张。V4-Flash 缓存命中输入，闲时只要 0.05 元，没命中要 1.5 元——差 30 倍。V4-Pro 缓存命中闲时 0.15 元，高峰 0.3 元，没命中高峰 9 元。
一个真实账单案例：有人 28 天用了 40.2 亿 token，输入缓存命中率 97.74%。同样用量，全在闲时约 939 元，全在高峰约 1879 元。调度差价就是一倍。这账，你得会算。
第三章 第一招：把缓存命中率拉满
这是性价比最高的一招，零代码改动，纯靠”排顺序”。
DeepSeek 的上下文缓存默认开着，但它依赖完整的重复前缀。换句话说：你的 prompt 前面那段不变，后面那段变，才命中。很多人把时间戳、request_id 这些动态字段放最前面，结果每次前缀都变，缓存永远失效。
正确姿势，把 prompt 排成这个顺序：
- 稳定的 system 指令
- 稳定的工具定义和 JSON Schema
- 反复用的政策、产品资料、代码背景
- 本轮检索结果
- 用户问题
- 时间戳、request_id 这种完全动态的，统统放最后
固定 system prompt、复用长上下文、模板化输入，企业实测缓存命中率能到 98%。这招一上，成本直接摊薄几十倍。上线后盯着两个字段：prompt_cache_hit_tokens 和 prompt_cache_miss_tokens，命中率从 80% 突然掉到 20%，先查前缀变没变，别怪模型。
第四章 第二招：模型路由，便宜的干多的
别再”一个默认模型打天下”了。把模型排成三层：
- L1 轻模型 / Flash：做分类、抽取、改写、摘要、生成固定 JSON。默认关掉思考，严格限输出。干最多的活，花最少的钱。
- L2 Pro / 强模型：只在架构选型、跨文档推理、高风险文案这种真正需要判断时用。它是升级通道，不是默认入口。
- L3 强模型 + 高思考：只对多约束冲突、重大生产变更、安全合规审查开放，设最大步数和人工确认。
路由规则别搞复杂，先看三件事：任务复杂度、出错代价、能不能自动验收。Flash 的结果只要能用 JSON Schema 或单测验证通过，就不升级；验收失败一次，带着”错误证据”再升级到 Pro，别原样重试。小模型只要能被机器验收，就能扛下大部分流量。
第五章 第三招：把可延迟任务挪到闲时
峰谷价只解决”什么时候算”，但第一步永远是”该不该算”。
先过三道闸门再烧 token：完全相同的问答用精确缓存直接返回；固定格式转换用模板或普通代码；已知规则分类用正则或字典。这一层最稳，不依赖任何模型聪不聪明。
确认要调用模型了，把可延迟的任务全挪到闲时：夜间报表、批量摘要、知识库重建、测试集回放、非紧急代码审查，统统排到 18:00 以后或周末。闲时窗口是 00:00-09:00、12:00-14:00、18:00-24:00。
在 Dify、n8n 这类编排工具里，把非紧急 Agent 任务设成”延迟执行”，闲时自动排队，最大循环次数卡在 5-8 次防死循环。其他厂商有批处理 API 的（比如 OpenAI Batch 给 24 小时内异步批处理打 5 折），非实时任务也用它。调度能省一半，但别只优化时钟——先去掉不必要调用，再压输入输出，最后才用峰谷价。
第六章 给 Agent 装上停止条件，别让它烧钱
真正容易失控的不是单次问答，是Agent 循环。一个工具调用失败，模型可能重试十几轮，每轮还带着更长的历史。钱就这么没的。
给每个 Agent 任务钉死四个闸门：
max_rounds = 8 # 最多 8 轮
max_tool_calls = 12 # 最多 12 次工具调用
max_total_tokens = 30000
same_error_limit = 2 # 同一错误连出 2 次就停同一错误连续出现两次，立刻停，输出”已尝试、错误证据、需要的新信息”。每次重试必须带来新证据，不允许原样重放。能用单测、Schema、规则验收的，让机器先验，别再叫个大模型写千字评论。
还有个容易忽略的点：输出 token 最贵。V4-Pro 高峰输出 27 元每百万 token，是同源缓存命中输入的 90 倍。所以”让模型少说废话”不是文风问题，是成本控制。给每类任务设输出上限：分类 20-50 token，摘要 300-600，普通改写 600-1200。比在 prompt 末尾写”请简洁”靠谱多了。
第七章 30 分钟做一次 Token 止损
别等账单爆炸才动手。今天就能做这个最小闭环，半小时搞定：
- 抽 100 次真实请求，留任务类型和验收结果。
- 记六个数：模型、输入、缓存命中、输出、重试、时段。先看钱花哪了。
- 分三类：不调模型、Flash、Pro。先用业务规则路由。
- 固定前缀：稳定内容在前，动态字段在后，盯缓存命中率。
- 加三个上限：输出 token、工具调用、失败重试。防 Agent 空转。
然后用同一批样本做 A/B 复测，只看五个指标：单任务成本、首次通过率、平均重试数、平均延迟、人工返工时间。
最后圈圈说句掏心窝的：模型路由的终点不是”最便宜”，而是“完成一件合格工作的总成本最低”。本地小模型路由加提示压缩，能省 45%-79% 云端 token，但全面换本地后返工和缺陷成本会上升。DeepSeek 涨价只是个提醒——当 AI 从聊天玩具变成生产系统，模型、缓存、上下文、输出、重试，都得当成可调度的成本单元。省了 token 却增加返工，那不叫省。
暂无评论内容