DeepSeek涨价了？大白话聊聊峰谷定价

最近收到一封 DeepSeek API 价格调整邮件。

邮件里提到，DeepSeek V4 正式版计划于 7 月中旬上线，正式版发布后会调整 API 定价策略，引入峰谷定价机制。

邮件核心内容如下：

从图里看，高峰时段是每天 9:00-12:00 和 14:00-18:00（北京时间）。高峰时段价格基本是平时价格的 2 倍。

这事儿乍一看，就是涨价。但如果只把它理解成涨价，我觉得有点可惜。

1、先说结论

一句话总结：DeepSeek 这次峰谷定价，短期看是涨价，长期看是 AI 基础设施开始认真算账了。

便宜当然好。但企业真要把智能体接进业务流程里，最怕的不是贵一点，而是不稳定。

跑一半被限流，任务卡住。上午响应很快，下午突然变慢。业务人员刚开始依赖它，结果关键时刻不可用。

这类问题一多，企业管理者对 AI 的信心就没了。

所以对企业来说，一个模型平台敢明码标价，敢用价格去调度资源，反而比一直低价硬撑更值得认真看待。

2、我第一反应也不舒服

说实话，我刚看到邮件的时候，心里也咯噔了一下。

DeepSeek 一直给人的印象就是便宜、好用、性价比高。国产模型能打，很大程度上也靠它把价格打下来了。

所以第一反应肯定是：怎么连 DeepSeek 也涨价了？

它不该涨价呀。它要是涨价了，优势是不是就没那么明显了？但转念想想，这个想法多少有点理想化。DeepSeek 又不是做慈善的。

模型训练要钱，推理算力要钱，研发团队要钱，服务稳定性也要钱。

一个平台如果长期靠低价和补贴往前冲，用户短期很爽，但长期未必放心。因为你不知道它什么时候限流，什么时候排队，什么时候突然改策略。

企业做技术选型，不能只看今天便宜不便宜，还要看明天稳不稳。稳定可依赖是最重要的衡量指标。

3、峰谷定价到底在解决什么

说白了，峰谷定价就是在解决算力高峰期资源不够用的问题。平台面对资源紧张，一般有两种办法。

第一种是限流。

你想用，但平台告诉你：当前请求太多，请稍后再试。

这种方式简单，但体验很差。等于平台直接替你决定：你现在不能用。

第二种是价格调节。

你着急，就高峰期用，价格贵一点；你不着急，就低谷期用，成本低一点。

这就跟电费差不多。白天用电的人多，电价高一点；晚上用电的人少，电价低一点。企业可以根据生产节奏安排用电，而不是所有事情都挤在白天。

AI 算力以后大概率也会这样。它会越来越像水、电、云服务器一样，变成一种基础资源。

基础资源最重要的不是永远便宜，而是可预期、可调度、可长期使用。说白了就是长期确定性。

4、企业智能体真正怕什么

我最近给多家企业做过提效智能体，感受很明显：企业现在不是在玩 AI，而是真的开始把 AI 接进业务了，智能体在真正地给企业提效了。

这里说的企业智能体，不是简单聊天机器人。它更像一个能理解任务、调用工具、读取数据、执行流程的 AI 助手。

• 比如客服智能体，可以查订单、查知识库、生成回复建议。
• 比如销售智能体，可以整理客户记录，生成跟进方案。
• 比如财务智能体，可以辅助检查报销单、合同、发票。
• 比如研发智能体，可以生成测试用例、整理接口文档、做代码巡检。
• 比如管理智能体，可以把分散在系统里的数据，整理成经营分析。
• 总之，任何人工介入的重复工作，都可以用智能体来提效。

这些东西一旦进了企业流程，就不是“帮我写篇文案”那么简单了。它跑的是业务。

业务最怕什么？不是贵一点，而是不稳定。

所以 DeepSeek 如果涨价后能换来更少限流、更稳定的响应、更可预期的服务，对企业来说反而是好事。

企业买的不是一次 API 调用，买的是业务确定性。

5、企业要开始做AI调度了

峰谷定价出来后，企业不能再像以前那样粗放调用模型了。

以前很多 AI 应用是：有任务就调模型，能跑出来就行。以后要分清楚两类任务。

• 第一类是实时任务。比如在线客服、销售沟通、用户问答、审批辅助。这类任务用户就在等，高峰期贵一点也要跑。

• 第二类是离线任务。比如知识库整理、历史工单归档、合同批量分析、代码仓库扫描、日报周报生成。这类任务没必要挤在白天，可以放到低谷期跑。

重点来了，企业以后要做的不是简单“接一个模型”，而是要做 AI 调度。

哪些任务必须实时跑？哪些任务可以排队？哪些任务用 pro？哪些任务用 flash 就够了？高峰期预算快用完了，要不要降级？低谷期要不要把积压任务批量跑掉？

这些问题以前是云服务器成本治理、任务调度、服务治理里的问题。现在 AI 也要走到这一步了。

说白了，AI 正在从一个聊天窗口，变成企业 IT 架构里的正式组件。

6、个人开发者怎么应对

对个人开发者来说，成本肯定会涨一点。

如果用 DeepSeek V4 做 Demo、做原型、做代码生成，不能再完全按以前的低价心态来用了。

但也没必要太焦虑。个人开发者更灵活。

• 写代码可以用别家的 coding plan 替一部分调用。

• 批量任务可以放到低谷期跑。

• 普通 Demo 可以先用 flash，关键步骤再切 pro。

• 非核心任务也可以做多模型路由，不要把所有事情都压在一个模型上。

峰谷定价不是不让你用，而是告诉你：不同时间、不同任务、不同模型，成本不一样。

选择权还在用户手里。

7、总结

本文主要聊了 DeepSeek 峰谷定价这件事。

我一开始也觉得不舒服，毕竟 DeepSeek 一直是性价比代表。

但想清楚后，我反而觉得这是 AI 基建成型的一个信号。

模型越来越强的阶段还在继续，但企业真正关心的问题会越来越现实：能不能稳定跑？能不能控制成本？能不能接进业务流程？出了问题能不能治理？

企业智能体会越来越多，新业务会用，老业务也会被改造。这时候底层模型的稳定性，就会变得非常关键。

便宜很重要，但稳定、可预期、可调度更重要。

所以 DeepSeek 这次看似涨价，本质上是在告诉大家：AI 算力开始像水、电、云服务器一样，被认真经营了。

这不一定是坏事。AI 的基建正在成型。我们该庆祝。

本篇完结！欢迎点赞 关注 收藏！！！