Цены DeepSeek API: токены, часы пик и кэш ввода

Оплата идёт за токены, валюта — доллар США. Итоговая цена запроса зависит от трёх вещей: модели, того, попал ли вход в контекстный кэш, и времени суток. Ниже прайс, правила тарификации и три разобранных примера расчёта.

Таблица цен

Все значения — USD за 1M токенов. Цены могут меняться: сверяйте их с официальной страницей цен DeepSeek перед расчётом бюджета. Колонки v4-pro приведены по данным страницы цен и changelog, но статус этой модели сейчас неоднозначен — подробности в предупреждении ниже.

Кэш ввода: самая заметная экономия

Context Caching on Disk включён по умолчанию для всех аккаунтов: включать его вручную не нужно, управлять им тоже нельзя. Если начало запроса совпадает с уже сохранённым «префиксным блоком», эти токены тарифицируются как cache hit. Разница в цене велика: у deepseek-flash попадание в кэш стоит $0.003 за 1M токенов против $0.15 за 1M без попадания — в 50 раз дешевле.

• Кэш матчит только префикс запроса. Новый уникальный текст в начале всегда считается как miss.
• Сам ответ модели всё равно генерируется заново — кэш влияет только на цену входа.
• Работа кэша — best-effort: 100% попаданий не гарантируется, построение занимает секунды, неиспользуемые блоки очищаются обычно за часы или дни.
• Статус виден в ответе: usage.prompt_cache_hit_tokens и usage.prompt_cache_miss_tokens, при этом usage.prompt_tokens равен их сумме, а prompt_tokens_details.cached_tokens повторяет значение hit.

Пример 1. Короткий чат-бот без кэша

Считаем по ценам deepseek-flash вне пика. Один запрос: 1 000 входных токенов (системный промпт, история диалога и вопрос — всё без попадания в кэш) и 500 выходных токенов. Формула: токены × цена / 1 000 000.

В часы пик тот же объём стоит ровно вдвое дороже: 1 000 × 0.30 / 1 000 000 = $0.00030 за вход плюс 500 × 1.20 / 1 000 000 = $0.00060 за вывод, то есть $0.00090 за запрос.

Пример 2. Длинный системный промпт с попаданием в кэш

Тот же чат-бот, но с базой знаний в системном промпте: 20 000 токенов неизменного текста плюс 800 токенов вопроса и истории на каждый запрос. Первый запрос строит кэш и целиком тарифицируется как miss, все последующие — как hit. Ниже расчёт для установившегося режима, цены deepseek-flash вне пика.

Именно поэтому длинный неизменный промпт выгодно держать в начале запроса: кэш работает по префиксу. Если менять текст в начале, попаданий не будет и весь вход будет считаться как miss.

Пример 3. Разбор документа на 200 000 входных токенов

Документ отдаётся модели целиком: 200 000 входных токенов при первом обращении, то есть без попадания в кэш, и 4 000 токенов ответа. Режим рассуждений выключен. Цены deepseek-flash вне пика.

• В часы пик тот же разбор стоит ровно вдвое: $0.0324 × 2 = $0.0648 за документ.
• Если оставить thinking включённым и модель добавит 2 000 токенов рассуждений, они тарифицируются как вывод: 4 000 + 2 000 = 6 000 токенов, 6 000 × 0.60 / 1 000 000 = $0.0036. Итого $0.03 + $0.0036 = $0.0336 за документ.
• Тот же вход на deepseek-v4-pro вне пика обошёлся бы в 200 000 × 0.66 / 1 000 000 = $0.132 — но помните оговорку о статусе этой модели выше.

Тот же расчёт в коде

Считать стоимость по факту удобнее из объекта usage: он приходит в каждом ответе и уже разделён на попадания в кэш и промахи. Ниже — рабочий пример на Python с ценами deepseek-flash вне пика.

import os

from openai import OpenAI

# Цены deepseek-flash вне пика, USD за 1M токенов
PRICE_HIT = 0.003
PRICE_MISS = 0.15
PRICE_OUT = 0.60

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Сделай выжимку из документа."}],
    extra_body={"thinking": {"type": "disabled"}},
)

usage = response.usage
cost = (
    usage.prompt_cache_hit_tokens * PRICE_HIT
    + usage.prompt_cache_miss_tokens * PRICE_MISS
    + usage.completion_tokens * PRICE_OUT
) / 1_000_000

print(f"Токены входа: {usage.prompt_tokens}, выхода: {usage.completion_tokens}")
print(f"Стоимость запроса: ${cost:.6f}")

Для расчёта в часы пик умножьте итог на два: цена вне пика ровно вдвое ниже.

Что ещё влияет на счёт

• Длина ответа: выход у обеих моделей дороже входа, а токены рассуждений входят в completion_tokens. Если рассуждения не нужны, отключайте их через {"thinking": {"type": "disabled"}} — см. раздел о режиме рассуждений.
• Количество токенов во входе: ориентиры — 1 английский символ ≈ 0.3 токена, 1 китайский иероглиф ≈ 0.6 токена, слово или число ≈ 1 токен. Официального эндпоинта подсчёта до отправки запроса нет: есть офлайн-токенизатор и калькулятор на официальной странице Token & Token Usage.
• Изображения: считаются по размерам, верхняя граница — 1024 токена на одно изображение.
• Остаток средств удобно проверять через GET /user/balance, а фактические значения расхода — из usage каждого ответа.

Читайте также

• Модели и параметры Чем отличаются модели, какой у них контекст и какие поля запроса принимает API.
• Стриминг и токены Как получать ответ по частям, зачем нужен include_usage и как считать токены.
• Режим рассуждений Почему thinking включён по умолчанию, как им управлять и как он влияет на расход.
• Пример на Python Как вывести usage после запроса и посчитать стоимость в коде.