Как сэкономить на токенах DeepSeek API
Счёт за DeepSeek API складывается из входных и выходных токенов, а цена зависит от модели, попадания в кэш и времени суток. Ниже — семь приёмов, которые реально снижают расход, с цифрами из официального прайса.
1. Держите стабильный префикс ради кэша
Контекстный кэш включён по умолчанию. Если начало запроса совпадает с уже сохранённым, входные токены считаются по цене кэш-хита. У deepseek-flash это $0.003 за 1M вместо $0.15 без кэша, то есть дешевле в 50 раз.
Расчёт: чат-бот с системным промптом в 2 000 токенов и 10 000 запросов в день отправляет 20 млн токенов только на одну эту часть. Без кэша это 20 × $0.15 = $3.00, при полном попадании 20 × $0.003 = $0.06. Кэш работает по принципу best-effort, поэтому 100% попаданий ожидать нельзя, но на практике заметная доля получается дешёвой.
- Ставьте инструкции, примеры и справочный контекст в начало сообщений.
- Не вставляйте в начало переменные данные: время, имя пользователя, случайные id.
- Следите за
usage.prompt_cache_hit_tokensв ответе, чтобы видеть реальный эффект. Подробнее: стриминг и токены.
2. Сдвигайте пакетные задачи на внепиковое время
В часы пик цены вдвое выше. Пик: 01:00–04:00 и 06:00–10:00 UTC по будням (кроме китайских праздничных дней), то есть 04:00–07:00 и 09:00–13:00 по Москве. Вечер, ночь и выходные считаются по сниженной цене. Массовую классификацию, индексацию и пересчёты лучше ставить на эти интервалы.
3. Отключайте рассуждения там, где они не нужны
Режим рассуждений включён по умолчанию и увеличивает число выходных токенов. Для перевода, извлечения полей, классификации и коротких ответов его стоит выключать явно:
resp = client.chat.completions.create(
model="deepseek-flash",
messages=[{"role": "user", "content": "Извлеки номер счёта и сумму: ..."}],
response_format={"type": "json_object"},
extra_body={"thinking": {"type": "disabled"}},
)
Больше о режиме и уровнях усилия: режим рассуждений.
4. Задавайте max_tokens осознанно
Если параметр не указан, действуют значения по умолчанию: 8K в режиме без рассуждений, 64K с рассуждениями и 128K при reasoning_effort: "max". Слишком большой лимит позволяет модели писать длиннее и дороже, слишком маленький обрежет ответ: finish_reason придёт как length. Подберите значение по реальным ответам вашей задачи.
5. Используйте младшую модель по умолчанию
Flash в 4,4 раза дешевле по вводу без кэша и в 3,3 раза по выводу, чем deepseek-v4-pro. Старшую модель оставьте для сложных рассуждений и перепроверок. Разбор: flash или v4-pro.
6. Сокращайте контекст
- Не пересылайте всю историю диалога: сжимайте старые сообщения в краткую выжимку.
- Передавайте в запрос только нужные фрагменты документа, а не весь файл.
- Просите короткий формат ответа: список полей вместо рассуждений прозой.
7. Контролируйте расход
Логируйте поле usage каждого ответа и считайте стоимость в коде: пример есть в разделе про Python. Для агентов и автоматических задач заведите отдельный ключ с лимитом бюджета: у агрегатора AITUNNEL лимит задаётся для каждого ключа.
Лимит бюджета на каждый ключ
Отдельный ключ под бота или агента с потолком расходов и оплатой в рублях: перерасход невозможен по определению.
Итоговая таблица
| Приём | Эффект | Сложность |
|---|---|---|
| Стабильный префикс и кэш | до 50 раз на вводе у flash | низкая |
| Внепиковое время | вдвое дешевле | низкая |
| Отключение рассуждений | меньше выходных токенов | низкая |
| Разумный max_tokens | защита от длинных ответов | низкая |
| Flash вместо v4-pro | в 3–4 раза дешевле | средняя: нужна проверка качества |
| Сжатие контекста | пропорционально длине | средняя |
| Лимит бюджета на ключ | ограничивает убытки | низкая |
Частые вопросы
Как уменьшить стоимость DeepSeek API
Используйте стабильный префикс для кэша, выносите пакетные задачи на внепиковое время, отключайте рассуждения на простых задачах, задавайте max_tokens и по умолчанию берите deepseek-flash.
Во сколько раз кэш дешевле
У deepseek-flash вне пика ввод с попаданием в кэш стоит $0.003 за 1M против $0.15 без кэша, то есть в 50 раз дешевле. Гарантии 100% попаданий нет.
Когда в DeepSeek часы пик
С 01:00 до 04:00 и с 06:00 до 10:00 UTC по будням, то есть с 04:00 до 07:00 и с 09:00 до 13:00 по Москве. В это время цены вдвое выше.
Ещё по теме
- Цены и расчёт стоимости Часы пик, кэш ввода и примеры расчёта.
- Режим рассуждений Как работает thinking и как он влияет на расход.
- deepseek-flash или deepseek-v4-pro Сравнение моделей и способы экономии.
- Модели и параметры Контекст, лимиты и параметры запроса Chat Completions.