DeepSeek-V4-Pro 模型的 API 调用价格将永久性地降至原价的四分之一。 此次价格调整，原本是作为一项限时优惠活动，但现已转变为一项长期的定价策略。
调整后的价格体系，尤其是在输入缓存命中时，其每百万 tokens 的费用降至 0.025 元。输出的定价则为 6 元/百万 tokens。与此前的优惠活动（截至 2026 年 5 月 31 日的 2.5 折）相比，这意味着该模型将持续以接近该折扣水平的价格提供服务。
DeepSeek 方面表示，此次降价并非单纯的促销手段，而是基于其 MLA (Multi-Head Latent Attention) 架构 和 Engram 系统 的技术优化。MLA 架构旨在大幅压缩注意力机制的显存占用，而 Engram 系统则将大部分静态知识存储在 CPU DRAM 中，由 GPU 负责核心推理任务，以此提高 GPU 显存利用率，并显著摊薄硬件成本。
"这不是短暂的促销，而是一次实打实的定价策略转向。"
与市场上其他大型语言模型相比，DeepSeek-V4-Pro 的定价显示出显著的成本优势。有分析指出，其输入输出价格可能仅为 GPT-5.5 等竞品的 2% 到 3%。例如，对于代码生成、长文档分析等高 Token 消耗场景，DeepSeek-V4-Pro 的单次调用成本预计将远低于竞争对手。
技术支撑与成本结构
DeepSeek 团队宣称，其技术创新是此次价格调整的基石。V4 模型在 V2 的 MLA 架构基础上进行了进一步优化，将单次推理的显存开销降低了约 60%。此外，对 华为昇腾 910B 芯片的深度算子适配，旨在提升国产芯片的性能与成本效益。
Engram 系统，被描述为一种“冷热分离”架构，将 80% 的静态知识置于 CPU DRAM，将 GPU 资源集中于高效推理，从而实现了数倍的 GPU 显存利用率提升。
影响与潜在开发者生态
此次价格调整被认为将对 AI 应用的开发成本产生实质性影响，尤其对于预算有限的独立开发者、初创公司及学生群体。原本因成本过高而难以实现或扩展的 AI 应用场景，现在可能变得更具可行性。
DeepSeek 同时披露了其 700 亿元的融资计划，并强调 AGI (Artificial General Intelligence) 技术突破优先于短期商业化。这一策略暗示，公司短期内可能不会因融资压力而大幅提价，反而倾向于通过低价策略构建其开发者生态。
竞品对比与模型选择
DeepSeek 提供了 DeepSeek-V4-Flash 和 DeepSeek-V4-Pro 两款模型，以满足不同应用需求。Flash 模型侧重快速响应，适合简单任务和高并发场景（支持 2500 并发），而 Pro 模型则专注于深度推理，适用于复杂任务（支持 500 并发），且在处理代码生成、架构设计等领域具有更高质量的输出。
在缓存命中场景下，Flash 模型的价格低至 0.0028 美分/M tokens，Pro 模型也仅为 0.003625 美元/M tokens，这比许多本地部署的开源模型成本还要低。
背景：价格战与生态构建
AI 模型 API 的价格一直是行业关注的焦点。DeepSeek 的此次举动，在竞争日益激烈的大模型市场中，无疑是对现有价格基准的一次冲击。通过大幅降低 API 调用成本，DeepSeek 意图吸引更多开发者使用其模型，从而快速构建和扩大其生态系统。这种策略与 Meta 当年开源 LLaMA 的逻辑有相似之处，即先建立生态壁垒，再图谋商业化。DeepSeek 的“极低价 API + 开源权重”的双轨路线，则进一步增加了其对开发者的吸引力。
价格调整自 2026 年 5 月 31 日 优惠活动结束后正式生效。
