Bảng giá của DeepSeek có hai đòn bẩy, và đồng hồ là đòn bẩy nhỏ hơn.

Ai cũng đọc trang giá của DeepSeek để tìm các khung giờ cao điểm. Từ 01:00 đến 04:00 UTC, và lần nữa từ 06:00 đến 10:00, thứ Hai đến thứ Sáu, trừ các ngày lễ công cộng của Trung Quốc, mọi mức giá đều tăng gấp đôi. Điều đó là thật, đó là bảy giờ trong hai mươi tư giờ, và đáng để lên kế hoạch xoay quanh. Nhưng nó nằm hai hàng bên dưới một con số làm thay đổi phép tính nhiều hơn hẳn: một lần trúng bộ nhớ đệm tốn $0.003 mỗi triệu token đầu vào trên DeepSeek V4.1 Flash, so với $0.15 cho một lần trượt bộ nhớ đệm. Một tiền tố nằm trong bộ nhớ đệm rẻ hơn năm mươi lần so với chính tiền tố đó khi gửi đi lạnh — và khác với đồng hồ, đó là một đòn bẩy hoàn toàn nằm trong tầm kiểm soát của bạn.

Đặt hai đòn bẩy cạnh nhau thì thứ tự sẽ rõ ngay. Cửa sổ giờ cao điểm là mức phạt 2× mà bạn tránh được bằng cách lên lịch lại. Một cache hit là khoản giảm giá 50× mà bạn kiếm được bằng cách cấu trúc các yêu cầu. Gần như mọi bài viết về bảng giá của DeepSeek, kể cả các phiên bản trước đó của bài này, đều dồn lời bàn về con số 2×.

Thẻ, chính xác như DeepSeek công bố.

Đọc từ trang Mô hình & Giá của DeepSeek vào ngày 30 tháng 10 năm 2026. Giờ thấp điểm trước, giờ cao điểm trong ngoặc, trên mỗi triệu token:

• Đầu vào, trúng bộ nhớ đệm — $0,003 cho Flash ($0,006 giá cao điểm); $0,022 cho V4 Pro ($0,044 giá cao điểm).

• Đầu vào, trượt bộ nhớ đệm — $0,15 cho Flash ($0,30 cao điểm); $0,66 cho V4 Pro ($1,32 cao điểm).

• Đầu ra — $0.60 cho Flash ($1.20 giờ cao điểm); $1.98 cho V4 Pro ($3.96 giờ cao điểm).

• Giờ cao điểm — 01:00–04:00 và 06:00–10:00 UTC, từ Thứ Hai đến Thứ Sáu, trừ các ngày lễ công cộng của Trung Quốc. Giá giờ thấp điểm bằng đúng một nửa giá cao điểm.

• Đồng thời — 2.500 cho Flash, 500 cho V4 Pro. Một phần năm, đúng như tỷ lệ giá gợi ý.

• Hình dạng —cả hai hạng đều cung cấp ngữ cảnh 1M token với đầu ra tối đa 384K; deepseek-flash được cung cấp bởi DeepSeek-V4.1-Flash-1017 và hỗ trợ thị giác, deepseek-v4-pro được cung cấp bởi DeepSeek-V4-Pro-0813 và không hỗ trợ.

Cột cache-hit là cột đáng để nhìn kỹ. Ba phần mười xu cho mỗi triệu token đầu vào nghĩa là một khối lượng công việc tái sử dụng một lời nhắc hệ thống dài, một tài liệu lớn hoặc lịch sử tích lũy của một agent gần như không tốn gì cho phần được gửi lại — miễn là yêu cầu được định dạng sao cho tiền tố được nhận diện là cùng một tiền tố.

Hai đòn bẩy đáng giá bao nhiêu trên một khối lượng công việc

Hãy lấy một công việc thực tế kiểu agent: 20 triệu token đầu vào và 2 triệu token đầu ra mỗi ngày, trong đó 80% đầu vào là tiền tố được tái sử dụng.

Đòn bẩy thứ nhất, lưu đệm. Mười sáu triệu token được lưu đệm với giá $0,003 là $0,048. Bốn triệu token không được lưu đệm với giá $0,15 là $0,60. Đầu ra với giá $0,60 mỗi triệu là $1,20. Tổng cộng: khoảng $1,85 mỗi ngày.

Đòn bẩy thứ hai, lập lịch. Cùng công việc đó không dùng bộ nhớ đệm, toàn bộ chạy ngoài giờ cao điểm: 20 triệu với $0.15 là $3.00, cộng $1.20 đầu ra — $4.20. Chạy toàn bộ trong khung giờ cao điểm thì là $8.40.

Vậy nên caching tiết kiệm $2.35 ở đây, còn cách lên lịch tối ưu nhất tiết kiệm $4.20 so với trường hợp tệ nhất. Cả hai đều quan trọng; không cái nào là toàn bộ câu chuyện, và sự kết hợp chính là nơi con số thực sự nằm: được cache và lên lịch vào giờ thấp điểm, cùng một tác vụ chỉ còn khoảng $1.85 thay vì $8.40 — mức chênh 4,5× trên cùng số token.

Điều đó trên thực tế có nghĩa là thứ tự ra quyết định nên là: định hình các yêu cầu để tái sử dụng tiền tố, sau đó chuyển những gì có thể chuyển ra khỏi các cửa sổ cao điểm, rồi mới so sánh các nhà cung cấp. Hầu hết các nhóm làm theo thứ tự ngược lại, đó là lý do xung nhịp nhận được toàn bộ sự chú ý — vì đó là đòn bẩy duy nhất xuất hiện trên trang dưới dạng một tiêu đề in đậm.

Vì sao dòng cache dễ bị bỏ sót và dễ bị mất

Ba điều có thể âm thầm khiến bạn mất đi mức giảm giá 50×./h2> p>Một tiền tố thay đổi ngay từ đầu. Bộ nhớ đệm hoạt động dựa trên các token dẫn đầu. Đặt dấu thời gian, id phiên hoặc danh sách công cụ bị xáo trộn ở đầu lời nhắc hệ thống thì mọi yêu cầu đều là cache miss — trong khi vẫn trông giống hệt với người đã viết nó. Đây là cách phổ biến nhất khiến một tác vụ có bộ nhớ đệm biến thành tác vụ phải trả toàn giá.

Một đường dẫn nhà cung cấp không chia sẻ bộ nhớ đệm. Bộ nhớ đệm là thuộc tính của hạ tầng phục vụ, không phải của tên mô hình. Một bộ định tuyến có chuyển đổi dự phòng tự động có thể chuyển một yêu cầu sang đường dẫn nhà cung cấp khác giữa quy trình, và lợi ích bộ nhớ đệm không đi kèm theo đó. Đó không phải là lý do để tránh chuyển đổi dự phòng — một yêu cầu thất bại tốn kém hơn một lần trượt bộ nhớ đệm — nhưng đó là lý do để biết phần nào trong lưu lượng của bạn đang đi vào đường dẫn chính.

Một mã định danh mà checkpoint của nó đã thay đổi. deepseek-flash hiện được ánh xạ tới DeepSeek-V4.1-Flash-1017, và các tên cũ deepseek-v4-flash và deepseek-v4-flash-vision-exp vẫn được chấp nhận nhưng được tính phí theo giá Flash và được phục vụ bởi cùng một mô hình. Một mô hình chi phí được viết dựa trên một checkpoint cũ hơn đang mô tả một quân bài đã dịch chuyển một lần trong tháng này.

Chiếc đồng hồ, nơi nó cắn

Khung giờ cao điểm vẫn là một ràng buộc thực sự đối với bất kỳ thứ gì không thể di chuyển. Cả hai khung giờ đều nằm trong ngày làm việc của châu Âu và châu Á và nằm ngoài ngày làm việc của Hoa Kỳ: 09:00–12:00 và 14:00–18:00 giờ Bắc Kinh, 02:00–05:00 và 07:00–11:00 giờ Luân Đôn, và đối với một nhóm ở Bờ Đông Hoa Kỳ, khung giờ thứ hai bắt đầu lúc 02:00 giờ địa phương. Một sản phẩm tương tác phục vụ người dùng châu Âu đang ở mức cao điểm đối với phần lớn lưu lượng của nó, dù có ai lên kế hoạch hay không.

Có hai hiệu ứng bậc hai đáng để biết trước khi viết lại một bộ lập lịch:

• Tính đồng thời, không chỉ giá. V4 Pro cho phép 500 yêu cầu đồng thời so với 2.500 của Flash. Chuyển công việc theo lô vào khung giờ thấp điểm để tiết kiệm tiền không giúp ích gì nếu mọi người khác cũng chuyển đến đó.

• Lịch ngày lễ. Các khung thời gian không bao gồm ngày lễ công cộng của Trung Quốc, nghĩa là lịch mà bộ lập lịch của bạn đi kèm không phải là lịch bạn cần. Đó là một khoản thuế nhỏ định kỳ, và nó xuất hiện vào đúng một ngày trong năm mà nó có ý nghĩa.

Quy tắc vẫn đứng vững khi giá thay đổi

Ưu tiên thiết kế để đạt cache hit trước, lịch chạy thứ hai, và để việc so sánh theo từng token sau cùng — vì hai đòn bẩy đầu tiên làm thay đổi hóa đơn của bạn lần lượt 50× và 2×, và không có việc chuyển nhà cung cấp nào có thể dịch chuyển nó một cách đáng tin cậy bằng một trong hai mức đó. Sau đó, hãy ghi lại giờ UTC và tỷ lệ cache hit trên mỗi yêu cầu trong một tuần. Chính hai con số đó, chứ không phải bảng giá, mới quyết định chi phí tháng tới của bạn.

DeepSeek V4.1 Flash và DeepSeek V4 Pro đều có trên OrcaRouter theo mức giá niêm yết của DeepSeek, được truyền nguyên giá không cộng thêm, dùng cùng một khóa với danh mục 224 mô hình. Mức giá khi trúng bộ nhớ đệm và việc tăng gấp đôi vào giờ cao điểm áp dụng đúng như DeepSeek định nghĩa, điều này có tác động theo cả hai chiều: ưu đãi có hiệu lực ngay trong ngày được công bố, và phụ phí cũng vậy.