DeepSeek API计费拆解:模型与工具分开算
作者:沙与沫2026.11.17 03:22浏览量:0简介:DeepSeek API 的模型 Token 费用和联网搜索、网页读取、语音转写等工具费用分开计算。本文说明如何按使用场景估算总成本,给出可运行的 Python 接入代码与失败重试做法,并列出降低工具调用次数的方法,适合准备上线 AI 应用的开发者参考。
如果你准备在产品里接入 DeepSeek API,最先要弄清的是计费方式。模型调用通常按 Token 计费,联网搜索、网页读取、语音转写等工具则按次数或时长计费。两部分分开算,账单才不会出乎意料。
本文不引用具体价格数字。价格会调整,活动也会结束,下单前请以 DeepSeek 开放平台的计费页面为准。文中的计算示例使用假设单价,只用于说明计算方法。
一、先拆清两类费用
模型费用按输入 Token 和输出 Token 分别计价。输出单价通常高于输入单价,所以长回答比长提示词更费钱。控制输出长度,是控制模型费用最直接的办法。
工具费用包括搜索、网页读取、语音转写等。按次计费的工具要统计调用次数,按时长计费的工具要统计音频时长。这类费用与对话内容的长短没有直接关系,只取决于模型在一次请求中调用了几次工具。
总成本可以写成下面的公式:
总成本 = 输入 Token 费用 + 输出 Token 费用 + 工具调用费用
其中:
输入 Token 费用 = 输入 tokens / 1,000,000 × 输入单价输出 Token 费用 = 输出 tokens / 1,000,000 × 输出单价工具调用费用 = 工具调用次数 / 1,000 × 每千次单价
下面用假设单价做一个例子。假设输入每百万 tokens 2 元,输出每百万 tokens 8 元,搜索每千次 5 元。
一次请求消耗 10 万输入 tokens 和 2 万输出 tokens:
输入费用:0.1 × 2 = 0.2 元输出费用:0.02 × 8 = 0.16 元模型费用合计:0.36 元
如果这类请求每天有 1 万次,模型费用约为 3600 元。如果每次请求只调用一次搜索,每天 1 万次搜索的费用是 50 元。这个例子说明,在模型费用占主导的应用中,工具费用可能只是小头。但如果模型在一次请求中连续调用三次搜索,每天的搜索费用就会变成 150 元。所以判断成本时,要统计的是每次请求平均调用多少次工具,而不是只看单价。
二、按使用量判断是否划算
低频场景指个人工具或内部小应用,每天几十次请求。工具费用通常很低,此时开发和维护成本往往比 API 费用更值得关注。
中频场景指每天几千次请求,其中相当一部分问题可以由缓存或本地资料回答。缓存命中的请求不再调用工具,工具费用会随命中率下降。这时要重点统计缓存命中率。
高频场景包括客服机器人、舆情监测、批量网页摘要和自动化报告。每次请求多调用一次工具,总费用就会按请求量成倍放大。这类业务应先做小流量灰度,记录真实的工具调用次数和 Token 用量,再决定是否全量上线。
三、降低工具调用次数的方法
- 缓存结果。对同一问题的回答设置过期时间,在有效期内直接返回缓存内容。
- 先查本地资料。已有文档、数据库或向量索引能回答的问题,先在本地检索。只有找不到结果时,才允许联网搜索。
- 限定触发条件。只有问题涉及实时信息,例如天气、股价、新闻,才允许模型调用搜索。这个规则可以写在系统提示词里,也可以放在应用的路由逻辑中。
- 合并读取。同一批文档能一次读取完成,就不要逐条抓取。
- 错峰执行。非实时任务可以安排在用量较少的时段。具体时段以官方公布的规则为准。
- 设置预算告警。按天统计费用,接近阈值时发送通知。超过上限后,可以暂停工具调用,只保留模型对话。
四、接入步骤
1. 创建 API Key 并保存到环境变量
到 DeepSeek 开放平台创建 API Key。密钥不要写进代码或提交到代码仓库,建议放在环境变量中:
export DEEPSEEK_API_KEY="your_api_key_here"
2. 安装 OpenAI Python SDK
本文示例假设 DeepSeek 提供 OpenAI 兼容的 Chat Completions 接口,因此可以使用 OpenAI Python SDK,并把 base_url 指向 DeepSeek。接入前请在官方文档中确认 base_url 和接口路径。
pip install "openai>=1.0"
3. 基础调用示例
模型名请从官方模型列表中获取。代码通过环境变量读取模型名,避免把可能过时的名称写死在代码里。
import loggingimport osimport timefrom openai import OpenAI, APIError, APIConnectionError, APITimeoutErrorlogging.basicConfig(level=logging.INFO)logger = logging.getLogger("deepseek_demo")client = OpenAI(api_key=os.environ["DEEPSEEK_API_KEY"],base_url="https://api.deepseek.com",timeout=30.0,max_retries=0, # 重试逻辑由下方代码自行控制)MODEL = os.environ.get("DEEPSEEK_MODEL", "请替换为官方文档中的模型名")def ask(question: str, retries: int = 2) -> str:messages = [{"role": "system", "content": "你是一个简洁的助手。"},{"role": "user", "content": question},]for attempt in range(retries + 1):try:resp = client.chat.completions.create(model=MODEL,messages=messages,)text = resp.choices[0].message.content or ""usage = getattr(resp, "usage", None)if usage is not None:logger.info("用量 prompt=%s completion=%s",usage.prompt_tokens,usage.completion_tokens,)else:logger.warning("响应中没有 usage 字段,本次用量未记录")return textexcept (APITimeoutError, APIConnectionError) as e:logger.warning("网络异常,第 %d 次失败: %s", attempt + 1, e)if attempt < retries:time.sleep(2 ** attempt)else:raiseexcept APIError as e:# 参数错误、鉴权失败等问题重试无效,直接抛出logger.error("API 返回错误: %s", e)raiseraise RuntimeError("重试次数已用尽")if __name__ == "__main__":print(ask("用一句话解释什么是 Token。"))
4. 关于工具调用
如果需要联网搜索或网页读取,请查阅官方文档中工具调用的参数名和返回结构,再把工具声明加入请求。本文没有核实这些字段名,所以示例中不包含工具参数。不同版本 SDK 返回的对象结构也可能有差异,解析工具调用信息时,要对每一层字段做空值检查。
五、生产环境的注意事项
- 设置超时。为每次请求设置
timeout,避免线程长时间挂起。 - 有选择地重试。网络错误和超时可以用指数退避重试。参数错误和鉴权失败重试没有意义,应直接报错。
- 记录用量。每次请求记录模型名、输入和输出 Token 数、工具调用次数、耗时和成功状态。这些数据是后续成本分析的基础。
- 兜底缺失字段。部分响应可能没有
usage字段,代码要记录警告,不能假定字段一定存在。 - 保护隐私。用户音频、企业内网页面和个人数据发送前,要先确认官方的数据使用政策。必要时对敏感信息做脱敏处理。
六、多模型场景怎么选
不同模型在中文理解、长文本、代码、响应速度和价格上各有差异。选型时,建议用同一批真实问题测试三到五个候选模型,记录回答质量、平均延迟和单次成本,再用表格横向对比。测试样本要来自真实业务,不要只用官方示例。
架构上可以设置主模型和备用模型。主模型超时或返回错误时,自动切换到备用模型。简单问题交给低成本模型,复杂推理任务再调用能力更强的模型。无论接入哪家服务,日志字段都应保持统一,这样才能在同一个面板里比较不同模型的成本和效果。
七、结论
DeepSeek API 的模型调用和工具调用要分开估算。偶尔使用联网功能时,成本通常容易承受。每天上万次工具调用的场景,即使单次费用很低,乘上请求量后也会增长得很快。
上线前,先用小流量跑真实请求,统计每次请求的平均 Token 数、工具调用次数和缓存命中率。根据这些数据决定哪些工具必须保留,哪些可以用缓存或本地资料替代,再决定是否扩大规模。

登录后可评论,请前往 登录 或 注册