DeepSeek宣布Flash系列模型降价：输出降至每百万Token4元

DeepSeek开放平台发布调价公告，北京时间9月10日12时起，Flash全系列大模型启用峰谷分时计价，空闲时段输出Token下调至每百万Token4元，缓存命中输入最高降幅达60%，同步上线新一代V4.1‑Flash模型，官方测试宣称综合性能全面超越前代旗舰V4‑Pro，进一步拉低企业大规模AI调用成本。

一、新定价规则：区分高峰、空闲双时段

本次调价覆盖deepseek‑v4‑flash、deepseek‑v4‑flash‑vision‑exp两款模型，采用国内少见的分时计费模式。

1、空闲时段（工作日晚间、周末节假日）

缓存命中输入：0.02元/百万Token；缓存未命中输入：1元/百万Token；输出：4元/百万Token

2、高峰时段（工作日9:00‑12:00、14:00‑18:00）

全部项目为空闲时段的2倍，输出8元/百万Token。

缓存命中针对长会话、重复上下文场景，适合Agent、知识库问答、批量文档处理，这一项从原先0.05元降至0.02元，降幅60%，高频复用上下文的业务账单下降最为明显；普通输入Token降幅约33%，输出价格下调约11%。

二、V4.1‑Flash新模型同步转正，旧旗舰自动迁移

本次并非单纯降价，V4.1‑Flash正式对外提供API服务，采用全新非对称MoE架构，原生支持视觉多模态，KV‑Cache占用大幅下降，推理速度显著提升，官方基准测试在代码、数学、工具调用等任务指标超越老旗舰V4‑Pro。

官方设置平滑迁移策略：9月14日12点之后，原有调用V4‑Pro的API请求无需修改代码，自动路由到V4.1‑Flash，并且按照Flash低价计费，实现“更强能力、更低价格”的无感升级，老V4‑Pro逐步下线退市。

Flash系列定位高吞吐、高并发商用场景，支持1M上下文窗口，最大输出384KToken，适配知识库RAG、智能体、内容生成、代码补全、多模态解析等业务，适合面向C端的SaaS产品做大规模对外服务DeepSeek。

三、分时定价带来的利弊与业务影响

对于企业开发者，闲时调用成本极具竞争力，适合离线批量处理、文档解析、数据清洗、夜间异步任务，能显著压缩AI资源开销。但面向用户实时交互的线上业务，大多落在工作日高峰窗口，需要承担翻倍价格，架构上需要做好流量错峰调度、队列削峰。

缓存命中的大幅降价利好长会话Agent应用。大量智能体持续携带历史上下文，会反复命中KV缓存，这部分成本大幅下降，有利于降低复杂智能体产品的运营成本。但如果会话上下文每次完全更新，则享受不到缓存优惠。

开发者需要注意账单变化，上线前后做好压测与成本监控；面向公网的业务，要区分高峰/闲时流量占比重新测算预算，避免高峰期用量突增带来成本超预期上涨。

四、行业启示：大模型价格竞争走向精细化

国内大模型价格战已经从单纯“拼低价”，进化到分时调度、缓存差异化定价、架构优化降本新阶段。DeepSeek这套峰谷计费逻辑，本质是利用算力闲时富余产能，把闲置算力以折扣价释放给离线任务，提升GPU资源利用率。

过去厂商统一一口价，没有区分算力忙闲；分时模式下，离线批处理可以拿到极低价格，实时在线业务承担更高成本，引导开发者合理分配任务。同时，新模型依靠模型架构优化，降低HBM显存消耗，从技术底层压缩推理成本，而不是单纯依靠补贴降价。

这也给行业带来新参考：后续更多大模型服务商，可能跟进推出峰谷、缓存分级的精细化计费方案。

总结

DeepSeekFlash系列将空闲时段输出降至4元/百万Token，叠加缓存输入大幅降价，配合V4.1‑Flash性能升级，给RAG、Agent、批量AI处理场景提供高性价比选择。但高峰时段价格翻倍，企业需要结合业务流量模型，做好错峰调度与成本管控。

大模型竞争已经进入“性能+架构+定价策略”综合比拼阶段，算力调度、缓存计费这类运营层面的设计，会直接决定AI应用商业化落地的盈亏空间。