DeepSeek API 用量模型 & 价格 & 术语解释

最新推荐文章于 2025-03-13 17:47:40 发布

学亮编程手记

最新推荐文章于 2025-03-13 17:47:40 发布

阅读量6.6k

点赞数 13

分类专栏： chatgpt 文章标签： deepseek

本文链接：https://blog.csdn.net/a772304419/article/details/145542297

版权

chatgpt 专栏收录该内容

160 篇文章

订阅专栏

模型 & 价格

下表所列模型价格以“百万 tokens”为单位。Token 是模型用来表示自然语言文本的的最小单位，可以是一个词、一个数字或一个标点符号等。我们将根据模型输入和输出的总 token 数进行计量计费。

模型 & 价格细节

在这里插入图片描述

deepseek-chat 模型已经升级为 DeepSeek-V3；deepseek-reasoner 模型为新模型 DeepSeek-R1。
思维链为deepseek-reasoner模型在给出正式回答之前的思考过程，其原理详见推理模型。
如未指定 max_tokens，默认最大输出长度为 4K。请调整 max_tokens 以支持更长的输出。
关于上下文缓存的细节，请参考DeepSeek 硬盘缓存。
deepseek-reasoner的输出 token 数包含了思维链和最终答案的所有 token，其计价相同。

扣费规则

扣减费用 = token 消耗量 × 模型单价，对应的费用将直接从充值余额或赠送余额中进行扣减。当充值余额与赠送余额同时存在时，优先扣减赠送余额。

产品价格可能发生变动，DeepSeek 保留修改价格的权利。请您依据实际用量按需充值，定期查看此页面以获知最新价格信息。

名词解释

token

解释：

Tokens 是模型处理文本的基本单位，可以是单词、字符或子词。例如，英文中一个单词通常是一个 token，中文中一个字符通常是一个 token。
百万 tokens 是指模型处理了 100 万个 tokens 的文本。

理解：

模型价格以“百万 tokens”为单位 意味着费用是根据模型处理的 tokens 数量计算的，每 100 万个 tokens 收费一次。
每次会话 可能涉及多个 tokens，具体数量取决于会话内容的长度。因此，每次会话的费用取决于实际处理的 tokens 数量，而不是以会话次数为单位。

总结：

模型价格以“百万 tokens”为单位，费用基于实际处理的 tokens 数量，而不是每次会话。

关于中文汉字

在中文中，每个汉字通常被视为一个token。这是因为大多数现代语言模型（如GPT系列）在处理中文时，会将每个汉字作为一个独立的token进行处理。

不过，具体的tokenization（分词）方式可能因模型和使用的tokenizer（分词器）而有所不同。以下是一些需要注意的细节：

汉字作为独立token：大多数情况下，每个汉字会被当作一个token。例如，“你好”会被分成两个token：“你”和“好”。
特殊字符和标点符号：标点符号（如“，”“。”）通常也会被当作独立的token。
罕见字或特殊词汇：某些罕见字或特殊词汇可能会被进一步拆分，具体取决于tokenizer的实现。例如，一些tokenizer可能会将复杂的词汇拆分为子词（subword）或字节对编码（BPE）。
模型差异：不同的模型可能使用不同的tokenizer。例如，GPT-3和GPT-4使用的tokenizer对中文的处理方式可能略有不同，但总体上仍然是以单个汉字为基本单位。

示例

句子：“我喜欢学习人工智能。”
Tokenization结果：[“我”, “喜”, “欢”, “学”, “习”, “人”, “工”, “智”, “能”, “。”]

总结

在大多数情况下，每个汉字会被视为一个token，但具体的tokenization结果可能会因模型和tokenizer的实现而有所不同。如果需要精确计算tokens数量，可以使用模型提供的tokenizer工具进行测试。

输入token和输出token

对于 DeepSeek 模型（以及其他大多数按 token 计费的模型），输入和输出的 token 都是单独计费的。这意味着：

输入 token：你发送给模型的请求内容（例如问题或提示）会被计算为输入 token。
输出 token：模型生成的回复内容会被计算为输出 token。

计费规则

输入和输出 token 的总和 会被计入费用。例如，如果你的输入是 100 个 token，模型的输出是 150 个 token，那么本次请求的总 token 数为 250，费用会基于 250 个 token 计算。
按实际使用量计费：DeepSeek 的计费通常是按“百万 token”为单位，因此费用会根据实际使用的 token 数量累加。

示例

假设你向 DeepSeek 提出以下问题：

输入内容：“请解释一下人工智能的发展历程。”（假设这句话有 20 个 token）
模型回复：“人工智能的发展经历了以下几个阶段……”（假设回复有 80 个 token）

那么，本次请求的总 token 数为 20（输入） + 80（输出） = 100 个 token，费用会基于这 100 个 token 计算。

注意事项

输入和输出的 token 都会被计费，因此在设计请求时，尽量保持输入简洁，避免不必要的冗余内容。
输出长度控制：如果需要控制费用，可以通过设置参数（如 max_tokens）限制模型生成的最大 token 数量。
token 计算工具：如果你需要精确计算 token 数量，可以使用 DeepSeek 提供的 tokenizer 工具或 API 来测试输入和输出的 token 数量。

总结

对于 DeepSeek，输入和输出的 token 都是单独计费的，费用基于两者之和计算。合理设计输入内容和控制输出长度，可以有效优化成本。

长度单位

上下文长度 64k 中的 k 并不是指字节单位，而是指 token 的数量。具体来说：

64k 表示 64,000 个 tokens。
上下文长度 是指模型在一次请求中能够处理的 输入和输出的 tokens 总数。

详细解释

上下文长度（Context Length）：
- 这是指模型能够处理的 最大 tokens 数量，包括输入（用户发送的请求）和输出（模型生成的回复）。
- 例如，如果上下文长度是 64k，那么输入和输出的 tokens 总数不能超过 64,000。
k 的含义：
- 在计算机科学中，k 通常表示 千（kilo），即 1,000。
- 因此，64k 表示 64,000 个 tokens，而不是 64,000 字节。
token 与字节的区别：
- token 是模型处理文本的基本单位，通常是一个单词、一个字符或一个子词。
- 字节（Byte） 是计算机存储的基本单位，1 个字节通常可以存储一个英文字符（UTF-8 编码下），而中文字符通常需要 2-4 个字节。
- 因此，64k tokens 并不等同于 64k 字节，而是指 64,000 个 tokens。

示例

假设你向模型发送以下请求：

输入内容：“请解释一下人工智能的发展历程。”（假设这句话有 20 个 tokens）
模型回复：“人工智能的发展经历了以下几个阶段……”（假设回复有 80 个 tokens）

那么，本次请求的 上下文长度 使用了 20（输入） + 80（输出） = 100 个 tokens，远低于 64k 的限制。

注意事项

上下文长度的限制：
- 如果输入和输出的 tokens 总数超过 64k，模型将无法处理完整的请求。
- 如果需要处理更长的文本，可以将文本分段发送，或者使用支持更长上下文长度的模型。
token 与字节的换算：
- 虽然 token 和字节没有直接的换算关系，但通常来说，1 个英文 token 大约等于 1-4 个字节，1 个中文 token（一个汉字）大约等于 2-4 个字节。