deepseek怎么用token?消耗看这 3 处就够

24分钟前发布

token 是 DeepSeek 计费和长度折算的单位,1 个中文字符大约算 0.6 个 token。网页版对话不显示这个数字,API 调用会把它写在返回值的 usage 字段里。吃掉额度的位置有 3 个:每轮重发的历史消息、输出的正文、思考模式下先想的那一段。

我 10 月帮一个做客服机器人的 4 人团队查过一次账单,他们以为钱全花在回答上,把日志拉出来一算,68% 花在每轮重复发送的对话历史上。下面把这 3 处拆开,每处给出查看位置和减少办法。

先弄清 token 的换算口径

官方文档给的估算值:1 个中文字符约 0.6 token,1 个英文字符约 0.3 token,1 个数字或英文标点按 1 个字符算。按这个折算,一段 500 字的中文提问,输入大约 300 token;一段 800 字的回答,输出大约 480 token。

换算的意义在于估成本。输入和输出不是同一个单价,输出的单价一般是输入的 2 到 4 倍。同样 1000 token,写在提问里和写在回答里,账单能差出 1 倍以上。做预算时按 1:3 的输出输入比留余量,比拍脑袋准。

上下文长度也有上限。DeepSeek 的对话模型支持 64K 上下文,推理模型支持 128K。超过上限的请求会直接返回 400 错误,报错里写着 maximum context length。这个上限按输入加输出的总和算,只盯着输入容易低估。

桌面上摊开的账单与签字笔

消耗量在哪看:3 个位置

位置 1:API 返回的 usage 字段

每次调用成功,返回值里带 1 个 usage 对象,字段是 prompt_tokens、completion_tokens、total_tokens,推理模型的 completion 里还拆出 reasoning_tokens。这 3 个数是逐次调用的真实值,比任何估算都准。

做法很简单:把 usage 写进自己的日志。我习惯在请求结束后打印 1 行,字段是时间、模型名、prompt、completion、累计。跑 1 天就有 200 到 500 条样本,按模型分组求平均值,单次成本立刻算得出来。

位置 2:控制台的用量页

开放平台的用量页按天汇总,能看到每天的调用次数和 token 总数,分模型列。这里适合看趋势,不适合查单次。有人在这里看到某天翻了 5 倍,回头查业务日志才发现是 1 个定时任务没设退出条件,1 小时循环了 3000 次。

用量页的统计有延迟,通常滞后 10 到 30 分钟。月末对账时别拿它跟实时账单直接比,等 1 小时再对。

位置 3:账单明细

账单按天出,分「输入未命中缓存」「输入命中缓存」「输出」3 类计价。命中缓存的那部分单价低很多,这也是判断有没有用好缓存的依据。缓存命中率的算法:命中 token 数除以输入 token 总数。

我见过命中率长期 0 的账号,原因是每次请求都在 system 里拼 1 个时间戳,前缀天天变,缓存永远对不上。把这个时间戳挪到最后 1 条 user 消息里,命中率能回到 60% 以上。

查看位置能看到什么延迟适合查什么
API 返回 usage单次 prompt / completion / total实时单次成本、异常调用
控制台用量页按天、按模型的 token 总量10 到 30 分钟趋势、突增定位
账单明细缓存命中与未命中分开计价按天缓存效果、月度对账

三个容易被忽略的消耗点

  1. 多轮对话的历史全量重发。第 5 轮的请求里包含前 4 轮的全部问答,输入 token 会线性涨。10 轮之后,1 次请求的输入可能是首次的 8 到 10 倍。
  2. 思考模式的推理过程。推理模型先写一段思考再出答案,这段也算 token,而且算在输出里。复杂题目的思考段能到 800 到 2000 token。
  3. 超长文档整篇塞进去。1 份 30 页的 PDF 转文本大约 2 万字,折 1.2 万 token。同一份文档问 5 个问题,按现在的写法要传 5 次。
  4. 系统提示词写太长。有人把 3000 字的角色设定放 system,每次调用都带上,1 天调 2000 次就是 360 万 token。
  5. 失败重试。网络抖动触发的自动重试,每次都是完整计费,日志里不单独标记,很容易被当成 1 次。

第 1 条是最常见的。多轮场景下,把超过 6 轮的历史压成 1 段 200 字的摘要,输入能砍掉一半以上。摘要由模型生成,成本比继续传原文低。

第 3 条要改检索方式。文档先切片存起来,按问题召回 3 到 5 段,不要整篇传。1 份 2 万字的文档切成 40 段,每次只带 4 段,输入从 1.2 万 token 降到 1500 token 上下。

俯拍的手机与便签纸

省 token 的 6 个动作

  1. 把固定不变的指令放最前面,可变内容放最后,让缓存前缀稳定。
  2. 历史超过 6 轮就压缩,保留结论和关键数字,删掉客套话。
  3. 输出设 max_tokens。客服类回答限 300,摘要类限 500,避免模型自发挥洒。
  4. 简单分类、抽取类任务换小模型。同一批 1000 条工单打标签,大小模型的 token 量差不多,单价差好几倍。
  5. 批量请求合并。10 条短文本合成 1 次请求,输入前缀只算 1 遍。
  6. 关闭不必要的思考模式。事实查询、格式转换这类任务,思考段带来的准确率提升有限。

第 4 条要提醒 1 句:换小模型之前先抽 50 条做准确率对比。我遇到过 1 次,换成小模型后标签准确率从 92% 掉到 78%,省下的 token 钱不够人工返工的。

常见误判对照

现象真实原因怎么改
账单比估算高 3 倍输出占比高,输出单价是输入的 2 到 4 倍限 max_tokens,压缩回答长度
缓存命中率 0前缀里有时间戳或随机 ID把变量挪到消息末尾
单次用量忽高忽低思考模式的 reasoning token 波动按 P90 估,不按平均值
调用次数对不上自动重试没有单独记录日志里记 request_id 和重试次数

表里第 2 行值得单独说。缓存按前缀逐字比对,前 100 个字符一变,后面全部失效。把「现在是 2026-11-19 09:12」这类内容放在 system 第一行,等于每天 1440 次把缓存打碎。

网页版和 API 的差别

网页版(chat.deepseek.com)按对话轮次限制,不显示 token 数,也不按 token 收费。有人在网页版里找到「用量」按钮,那是账号的调用记录,不含 token 明细。想算 token 只能走 API,或者用开放平台的分词工具自己算。

网页版有另 1 个限制:单次输入的字数有上限,粘贴 2 万字的长文会被截断,界面提示「内容过长」。遇到过 1 次客户把 40 页合同贴进去,模型只读到后半段,前面的条款全漏了。长文档拆成 3 段分别处理,比整篇粘贴稳。

API 侧的差别在可控性。同样的提问,网页版会自动带上系统提示和联网检索的片段,实际输入比看到的字多。API 只发你写的那部分,输入量能算准。做成本核算时,两边数字不能直接比。

窗边纸页与白瓷杯

怎么验证省下来了

  1. 连续记 3 天 usage,按模型分组算日均 token,改动前后各取 3 天对比。
  2. 看缓存命中率,目标 50% 以上;低于 30% 先去查前缀有没有变量。
  3. 看输出平均长度,超过设定上限的 80% 说明 max_tokens 设得偏松。

第 1 条要注意工作日和周末的差异。B 端业务周末调用量会掉 6 到 7 成,跨周对比会被业务量带偏。取同一星期的 3 天,或者用「单次平均 token」这个口径,能绕开总量波动。

把这 3 个数做成 1 张周报表,贴在团队能看到的地方,比月底看账单有用。我们自己的客服机器人上线第 1 周单次平均 1800 token,压到第 4 周是 720 token,回答质量没掉。

最后补 1 个容易漏的口径:图片和多模态输入也按 token 折算,1 张 1024×1024 的图片大约折 1000 到 1500 token,跟 1 段 800 字的文字差不多。有团队靠 OCR 把图片先转成文字再传,1 张图的成本降到 200 token 以内,代价是表格结构会丢,看场景取舍。

本文信息核对时间:2026-11