DeepSeek V4峰谷定价：大模型计费的规则转向与真实成本边界

2026年6月29日，DeepSeek官方宣布V4正式版将于7月中旬上线，同步推出API峰谷定价机制[1]。这是继4月V4预览版开源、5月API永久降价75%之后[9][12]，这家国产大模型厂商的又一核心动作，也首次将“分时定价”的逻辑系统性引入国内大模型API的计费体系。对于习惯了单纯按token数量付费的开发者而言，这套规则的影响远不止“高峰涨价”这么简单：它既隐含着大模型服务从单纯算力售卖向资源精细化调度的尝试，也暴露了当前商业化进程中的大量模糊地带，其真实的规则边界、成本结构和对产业的影响，仍需要逐一厘清。

峰谷定价的真实规则与口径边界

目前官方明确披露的峰谷定价规则可归纳为两点：一是时段划分，高峰时段为工作日9:00-12:00、14:00-18:00，合计7小时，占全天时间的29%，其余时段执行平峰价；二是定价倍率，高峰时段所有API调用价格为平峰的2倍，平峰价格维持5月公布的永久定价不变[3][5][8]。 具体到两个核心模型的定价细则，旗舰版V4-Pro平峰期缓存命中输入价为0.025元/百万token，缓存未命中输入价3元/百万token，输出价6元/百万token；高峰时期对应价格翻倍，分别为0.05元、6元、12元/百万token。轻量版V4-Flash的峰谷定价逻辑一致，高峰时段缓存未命中输入价为2元/百万token，输出为4元/百万token[5][8][11]。 当前公开传播中存在明显的口径偏差：不少叙事以0.025元/百万token的缓存命中价作为性价比参照，但这一价格对应的是完全复用固定上下文的极端场景——比如多次调用使用完全相同的系统提示词、历史对话无任何更新。而在实时客服、代码辅助、生产级Agent等贡献了大模型API核心营收的场景中，上下文动态性极强，行业通用的缓存命中率通常不足30%，缓存未命中才是常态[6]。按照30%的命中率测算，V4-Pro高峰时段的实际平均输出成本约为8.4元/百万token，与宣传口径中的极端低价存在数量级差异。 横向对比来看，即便以高峰时段缓存未命中的常态价格计算，V4-Pro 12元/百万token的输出价，仍仅为OpenAI GPT-4o平峰输出价（约70元人民币/百万token）的17%，也低于火山引擎豆包2.1 Pro 30元/百万token的平峰输出价[3][11]。但这一对比仅针对单token的基准价格，未纳入服务SLA、合规支持、长上下文稳定性、技术支持等核心价值维度，因此无法直接推导“性价比全面领先”的结论。 除此之外，当前规则仍存在大量未明确的模糊地带：官方仅披露了工作日的高峰时段规则，周末、法定节假日是否执行平峰价、V4系列之外的其他模型是否纳入峰谷定价体系，均未给出明确说明，相关规则的覆盖范围仍存在不确定性[4][7][9]。

分时定价的逻辑差异：从算力售卖到资源调度的距离

峰谷定价并非新鲜事物，电力、公共交通、云计算等成熟基础设施领域早已普遍采用这套机制，其核心逻辑是通过价格杠杆引导需求错配，平抑供需的潮汐波动，最终提升整体资源利用率。但成熟的基础设施峰谷定价，通常需要满足三个可验证的前提：一是公开历史负载数据，证明高峰时段确实存在真实的资源缺口，而非人为设定的涨价窗口；二是高峰溢价对应明确的服务等级承诺，用户支付更高的价格，可以获得更稳定的服务、更高的调度优先级；三是官方提供配套的工具，降低用户错峰调度的适配成本，比如电力的分时计量电表、云计算的自动伸缩调度工具。 就目前公开信息来看，上述三个前提均未得到验证。DeepSeek未披露调价前高峰时段的算力拥堵率、调用延迟、请求成功率等基线数据，无法证明当前7小时高峰窗口存在实质性的资源供给缺口；也未对高峰时段的服务做出任何额外的SLA承诺，用户支付双倍价格，既没有得到更低延迟、更高成功率的书面保障，也没有获得排队优先级的明确说明；同时官方也没有推出配套的任务调度SDK、成本优化工具等，开发者若要实现错峰调用，需要自行开发任务排队、时间调度的逻辑。 这也意味着，当前的峰谷定价更多是定价规则的调整，而非完整的基础设施级资源调度体系的建成运行。其是否能实现“优化资源配置、提升服务稳定性”的官方目标，仍需要后续的实际运行数据验证[1][10][12]。如果仅仅是增加了时间维度的价格差异，却没有配套的服务保障和调度工具，那么这套机制本质上只是对高峰时段用户的结构性调价，而非资源效率的整体优化。

用户分层的成本账：谁在买单，谁在受益

峰谷定价的影响不能用“涨价”或“降价”一概而论，不同规模、不同场景的用户，面临的成本变化完全不同，甚至呈现出截然相反的收益结构。 首先是月调用量超过10亿token的超大型客户。这类用户通常有足够的技术能力和预算进行本地部署，按照V4-Pro的硬件要求，部署一套可用的生产级推理集群需要8张A100 80GB显卡，按行业通用算力成本测算——单张A100 80GB显卡月租赁成本约1.8万元，生产级推理集群平均利用率通常维持在40%左右——其单位输出成本约为4.6元/百万token，远低于高峰时段12元/百万token的API价格[8][9]。对于这类客户而言，峰谷定价反而进一步拉大了API调用与本地部署的成本差，会加速其从公共API向本地部署或专属云服务分流，DeepSeek的公共API体系很难长期留存这类高价值客户。 其次是月调用量在1亿-10亿token之间的中型客户，据国内大模型API服务行业通用营收结构统计，这类客户通常贡献了60%以上的营收[10]，大多是提供实时AI服务的SaaS厂商，比如智能客服、代码辅助工具、Agent服务商。其核心调用时间完全落在工作日的7小时高峰窗口，无法通过错峰调度降低成本；同时其调用规模又未达到本地部署的成本阈值，自建集群的单位成本反而高于平峰API价格。这类用户是峰谷定价下的净受损方，按照30%的缓存命中率测算，其实际调用成本将上涨80%-120%，且无法获得对应的服务质量提升，也是当前定价策略下流失风险最高的群体，其留存情况将直接决定本次定价调整的商业化成败。 最后是月调用量低于1亿token的小型开发者，以及非实时场景的用户。对于从事离线数据清洗、批量内容生成、非实时知识库更新等场景的用户而言，其任务对时间不敏感，可以完全调度到平峰时段执行，直接享受5月以来的永久低价，甚至可以将任务集中到周末执行，进一步降低成本。但需要注意的是，这类用户需要额外开发任务调度、上下文复用的逻辑，对于预算有限的小型团队而言，这部分工程成本可能抵消30%-50%的价格优惠，实际收益远低于名义上的成本降幅。

确定事实与待验证边界

目前整个事件中，只有三类信息是经过交叉验证、可信度较高的确定事实： 一是V4预览版的架构优化已经得到第三方验证。4月上线的V4预览版采用MoE混合专家架构，其中Pro版总参数1.6万亿、激活参数490亿，Flash版总参数2840亿、激活参数130亿，全系原生支持100万token上下文[3][5]。通过创新的注意力机制优化，V4在百万token场景下的推理计算量仅为前代V3.2的27%，显存占用仅为10%，这一架构优化已经有大量第三方开发者完成本地部署复现，可信度较高[8][9][11]。 二是7月中旬上线V4正式版、实施工作日7小时高峰定价翻倍的规则，已经得到官方明确披露，仅存在小概率的临时调整风险。 三是实时场景的中小用户将面临明确的成本上升，且需要承担缓存规则不透明、无SLA承诺的额外风险。 除此之外的大量衍生判断，目前仍处于待验证的假设阶段，不能作为确定性结论： 首先是V4正式版的性能提升。官方仅提及正式版将带来“功能优化与性能提升”，但未披露任何MMLU、AgentBench等通用基准测试的分数，也未公布长上下文召回率、幻觉率等生产级指标，甚至是否延续MIT开源协议也未明确，相关性能主张目前仅为官方单方声明。 其次是昇腾950配套的降价承诺。官方曾表示待下半年昇腾950批量上市后，Pro版本价格将进一步大幅下调，但目前昇腾950的量产进度、模型适配完成度、实际降价幅度均无公开数据，该承诺的兑现时间和力度仍存在不确定性[8][10]。 再者是峰谷定价的实际效果。官方宣称该机制将提升服务稳定性，但未披露削峰的预期目标，也没有历史负载数据证明算力潮汐的存在，价格杠杆是否能真正引导用户错峰、最终降低高峰时段的算力压力，仍需要实际运行数据验证。 最后是市场广泛讨论的定价与融资的关联。目前有市场消息称DeepSeek正在推进大额融资，4月开源拉生态、5月降价拉调用量、7月调价拉单位收入的动作序列，与一级市场融资前优化核心运营数据的常见路径吻合，但该关联仅为时间维度的重合，并无直接证据证明因果关系，因此不能作为定价动因的确定性判断。

后续可追踪的核心验证指标

判断这套峰谷定价机制的真实性质与实际效果，不需要依赖定性的叙事，只需要追踪六个可验证的核心指标： 第一，V4正式版上线后，是否会公开完整的基准测试报告与架构细节，是否延续MIT开源协议。这将直接决定正式版的性能提升是否属实，以及其开源生态的延续性，也是其区别于闭源大模型的核心竞争力所在。 第二，高峰时段是否会公布明确的SLA承诺，包括调用延迟上限、可用性指标、排队优先级规则，同时第三方监测的实际调用延迟与成功率是否较平峰或调价前有明显提升。这是“高峰溢价对应更高服务质量”的核心判断标准，也是定价机制从“单纯涨价”转向“资源优先级售卖”的核心标志。 第三，官方是否会公开缓存命中的计算规则，以及用户实际命中率的行业统计数据，消除当前定价口径的模糊地带，让开发者可以准确测算实际成本。 第四，昇腾950的量产进度与模型适配完成度，以及正式兑现后Pro版本的实际降价幅度，验证此前的降本承诺是否落实。 第五，峰谷定价实施3个月后，月调用量1亿-10亿token的中型实时客户留存率。若该群体留存率出现大幅下滑，将对本次定价策略的整体商业化表现产生核心影响。 第六，峰谷定价实施后，高峰时段的算力负载率是否出现20%以上的下降，验证价格杠杆是否真正起到了削峰填谷的作用，还是仅为单方面的成本转移。

从单纯按token计费，到引入分时维度的价格差异，DeepSeek的此次尝试，确实为大模型API的商业化提供了新的思路。但任何定价规则的长期成立，都需要建立在买卖双方价值对等的基础上——用户支付的溢价，需要对应可量化的服务价值提升；厂商获得的额外收入，需要对应真实的资源优化效率。当前的峰谷定价仍处于规则实施的早期阶段，其最终是成为大模型服务基础设施化的里程碑，还是仅为特定阶段的短期商业动作，答案将藏在上述可验证的数据之中。