DeepSeek Flash 9月10日再调价：输入回到老价，输出为什么还贵一倍？DeepSeek Flash 系列又要调价了。
从北京时间 2026 年 9 月 10 日 12:00 起，Flash 系列空闲时段价格调整为：
输入缓存命中：0.02 元 / 百万 Tokens输入缓存未命中：1 元 / 百万 Tokens输出：4 元 / 百万 Tokens高峰时段价格仍为空闲时段的 2 倍如果只看这次公告，会觉得 DeepSeek 又开始降价了。
但把价格和 8 月份放在一起看，会发现这次变化其实很有意思。
因为除了输出价格之外，Flash 的输入价格基本又回到了 8 月 17 日以前。
一个月内，DeepSeek Flash 的价格经历了什么？简单对比一下：
项目
8月17日前
8月17日后闲时
9月10日起闲时
缓存命中输入
0.02元
0.05元
0.02元
缓存未命中输入
1元
1.5元
1元
输出
2元
4.5元
4元
可以很直观地看到：
输入价格基本回去了。
缓存命中，从 0.05 元重新降回 0.02 元。
普通输入，从 1.5 元重新降回 1 元。
但输出只从 4.5 元降到了 4 元。
和 8 月 17 日以前的 2 元相比，现在的输出价格仍然是原来的两倍。
所以这次调价如果简单理解成“价格又降回去了”，其实并不准确。
真正的问题是：
为什么 DeepSeek 愿意把输入价格降回去，却没有把输出价格一起降回去？
我觉得核心原因，是 Flash 的使用场景已经变了以前很多大模型 API，本质上还是“一问一答”。
用户输入几百个字，模型输出几百个字。
这种情况下，输入和输出的比例差距不会特别大。
但现在情况已经不一样了。
尤其是 AI Agent、代码生成、RAG、长文档分析、多轮对话这些场景越来越多以后，一次请求的输入上下文可能非常大。
比如：
一个代码 Agent，需要把大量代码文件送进模型。
一个企业知识库，需要把多个文档片段放进上下文。
一个多轮助手，可能每次请求都带着前面几十轮对话。
甚至一些复杂 Agent，还会不断把工具返回结果继续塞回模型。
这时候，输入 Tokens 很容易快速膨胀。
如果输入价格太高，开发者使用长上下文的成本会明显上升。
所以从产品逻辑上看，DeepSeek 把输入价格重新压低，其实很合理。
它需要让开发者敢于把更多上下文交给模型。
0.02 元的缓存价格，其实比表面降价更重要这次最值得关注的，可能不是 1 元的普通输入，而是：
缓存命中只要 0.02 元 / 百万 Tokens。
这意味着什么？
如果一个应用大量使用相同的系统提示词、知识库前缀、代码上下文或者历史对话，而且能够命中缓存，那么输入成本会非常低。
例如一个企业客服系统，每次请求都带着同一套长系统提示词。
一个 Coding Agent，反复使用同一批代码上下文。
一个 RAG 应用，很多请求都有高度重复的前缀。
这类应用的实际成本，会和完全不命中缓存的应用差很多。
所以这次价格变化，其实是在鼓励一种使用方式：
上下文可以越来越长，但最好尽量重复利用。
那为什么输出不一起降回2元？这是这次调价里最有意思的地方。
输出从 4.5 元降到 4 元，看起来也在降。
但和之前的 2 元相比，仍然高了一倍。
这说明 DeepSeek 并没有完全回到之前的“极致低价”路线。
一种比较合理的解释是：
输出 Tokens 的成本，更接近模型真实推理计算的成本。
缓存输入之所以便宜，是因为大量重复内容不需要每次完整重新计算。
但模型每生成一个新的 Token，本身都需要推理计算。
这部分成本很难像缓存输入一样大幅压缩。
所以最终就形成了一个非常明显的价格梯度：
缓存输入最便宜。
普通输入其次。
输出最贵。
这种价格结构其实是在告诉开发者：
你可以放心给模型更多信息，但如果让模型持续生成大量内容，成本仍然会明显增加。
高峰期价格仍然翻倍，也说明了一件事这次调价还有一个很重要的细节：
峰谷价格机制没有取消。
高峰时段价格仍然是空闲时段的 2 倍。
也就是说，如果按新价格计算：
缓存命中输入：
空闲 0.02 元，高峰 0.04 元。
缓存未命中输入：
空闲 1 元，高峰 2 元。
输出：
空闲 4 元，高峰 8 元。
这其实越来越像传统云计算的价格逻辑了。
GPU 算力有一个特点：
今天晚上空出来的 GPU，不能存下来明天下午再用。
如果所有企业都集中在白天调用 API，模型厂商就必须按照高峰容量准备资源。
而晚上很多算力又可能处于低利用率状态。
因此，通过高峰涨价、空闲降价，把一部分可以延迟的任务引导到非高峰时段，是非常自然的商业选择。
例如：
批量文档摘要。
离线生成。
数据分类。
AI 数据处理。
代码分析。
批量 Agent 任务。
这些任务并不一定必须实时完成。
如果企业愿意在晚上或者低峰时段运行，API 成本就能明显下降。
对普通开发者到底能省多少钱？还有一个容易被忽略的问题。
“缓存命中价格降低 60%”，不代表你的总账单就会降低 60%。
实际成本要看你的 Tokens 结构。
假设一个应用在空闲时段一个月使用：
1000 万未缓存输入 Tokens。
200 万输出 Tokens。
按 8 月 17 日后的价格：
输入成本：
10 × 1.5 = 15 元。
输出成本：
2 × 4.5 = 9 元。
总计：
24 元。
按照 9 月 10 日后的新价格：
输入：
10 × 1 = 10 元。
输出：
2 × 4 = 8 元。
总计：
18 元。
整体成本下降大约 25%。
如果你的缓存命中比例更高，降幅可能更明显。
如果你的应用主要是长文本生成，输出占比非常高，那么实际降幅可能就没有想象中那么大。
所以判断这次降价对自己的影响，不能只看官方标出的“最高降幅”。
真正应该看的是：
你的输入、缓存和输出分别占多少。
这次调价，我更愿意理解成“重新分配成本”如果把这一个月的两次调价放在一起看，我觉得 DeepSeek 现在的思路越来越清楚了。
它不是简单地追求“所有 Tokens 都越来越便宜”。
而是在重新定义不同 Tokens 的价值。
输入可以便宜。
缓存可以更便宜。
输出保持较高价格。
高峰时段继续加价。
这意味着未来大模型 API 的竞争，可能也会逐渐从简单的：
“每百万 Tokens 多少钱”
变成更加复杂的：
缓存价格。
上下文价格。
输出价格。
高峰价格。
低延迟价格。
批处理价格。
优先级价格。
甚至不同服务等级。
从这个角度来看，DeepSeek Flash 这次价格调整，更像是一次商业模式上的修正。
它想降低开发者大量使用上下文的门槛，同时继续保留输出和高峰算力的价值。
所以这次真正值得看的，可能并不是“又降了多少钱”。
而是大模型 API 正在越来越像云计算。
价格开始不只是一个数字。
它也开始成为一种资源调度工具。
对于开发者来说，未来真正影响 AI 成本的，也不会只是“选哪家模型”。
还会包括：
你的缓存命中率有多高。
你的上下文有没有大量重复。
任务能不能错峰。
到底需要生成多少 Tokens。
这些东西，可能会比单纯比较 1 元还是 1.5 元，更重要。