DeepSeek 的 token 分输入与输出两部分计,接口返回的 usage 字段里直接给出 3 个数字,自己记账比月底看账单准。下面按准备、调用、读数字、排错 4 段说清。
2026 年 10 月我帮 1 家做五金件的客户核过 1 次账。他们 1 个月跑了 27 万次接口调用,账单比自估高 41%。原因写在第五节。核完账我给他们加了 1 个只做 1 件事的小脚本:每次调用结束,把 usage 里的 3 个数字追加进本地 1 个 csv 文件。
先说清 token 怎么切。模型把文字切成 token 再读,1 个汉字常见切法占 1 到 2 个 token,1 个英文单词占 1 到 3 个,标点、空格、换行都单独算。同一句话加 1 个空格,token 数会多 1 个。这个粒度决定了后面所有估算的误差范围。
第 1 条最容易出问题。Key 关掉页面就找不回,只能删了重建。我把 3 个环境的 Key 分开建,命名带日期,比如 prod_20261110,这样哪把泄露能直接定位。
第 2 条有个细节:curl 发中文要先确认终端编码。Windows 下 Git Bash 默认 UTF-8 没问题,PowerShell 里直接拼中文会乱码,请求照样返回 200,但输入 token 会翻几倍。我第一次踩这个坑,同一段 300 字文本,两次请求差了 2.6 倍。
发 1 个最简请求:messages 里放 1 条 user 内容,model 填 deepseek-chat,stream 设为 false。响应体末尾有 1 个 usage 对象,结构固定为 prompt_tokens、completion_tokens、total_tokens 3 个字段。
prompt_tokens 是这次请求送进去的全部内容,包含 system 提示、历史对话、当前问题。completion_tokens 是模型吐出来的内容。total 等于前两个相加。这 3 个数就是记账的全部依据,不需要自己数汉字。
| 字段 | 含义 | 常见误读 |
|---|---|---|
| prompt_tokens | 本次送入的全部内容 | 以为只算当前这一句 |
| completion_tokens | 模型输出的内容 | 以为包含思考过程之外不算 |
| total_tokens | 两者相加 | 以为等于字数除以 2 |
表格第 1 行是最常见的账目偏差来源。多轮对话里,每一轮都要把前面的历史重新送 1 遍。第 5 轮请求的 prompt 里包含前 4 轮的全部内容,账自然往上走。
2026 年 9 月我给 1 个客服机器人调过参数:把历史保留轮数从 10 轮压到 4 轮,单次请求的 prompt_tokens 从 3800 降到 1450,账单当月降了 62%。压轮数比换模型见效快。
多轮场景里,历史越长,每一轮都在为旧内容重复付费。做法是设 1 个上限:只保留最近 4 到 6 轮,更早的压成 1 段摘要放进 system。摘要控制在 200 字以内,比原文省 80% 以上。
有人把产品手册整段贴进 system,1 次 6000 token,每次调用都送。这类内容适合做成 1 个检索步骤:先按问题取出 2 到 3 段相关文字,再拼进 prompt,单次能压到 800 token 以内。
把 JSON 键名改短,去掉缩进与换行,1 个 200 行的表格从 9 千 token 降到 5 千。字段名从 customer_name 改成 cn 这种写法不好读,但模型理解没问题,省 40% 是真金白银。
输出部分有 2 个参数直接管长度:max_tokens 设上限,超出会被截断;temperature 低一些,回答更短更稳。把 max_tokens 从 4096 改成 800,同一批 200 条测试里,超长回答从 31 条降到 2 条。
还有 1 个常被忽略的点:让模型别复述问题。在提示里加一句"直接给结论,不要重述题目",简单问答的输出 token 平均降 27%。2000 次调用省下来的量,够跑 1 个小项目。
流式返回不影响总量。stream 设为 true 只是分块吐字,completion_tokens 一样算。有人以为流式更省,实测同 1 个请求两种模式差不到 1%。
第 1 条要改客户端逻辑。把自动重试次数压到 1 次,并在重发前先查 1 个本地标记,确认上一次确实失败了再发。
第 3 条的做法是把固定内容放最前面。system 提示、文档片段、示例都写在同一位置,中间别插时间戳这类每次都变的内容。我们测过 1 组:前缀稳定后,缓存命中率从 12% 升到 68%。
第 1 条要挑同一时间段比。平台用量页按小时汇总,跨小时对不上。我一般选整点后 10 分钟内跑完 10 次,误差能压到 1% 以内。
第 3 条的尖峰常见于批量任务。定时脚本同时起 20 个并发,瞬时费用会跳。加 1 个简单的排队,每次只放 5 个并发,曲线就平了。
预算这件事,按总量拍一个数很难管。我习惯按任务拆成 3 类:线上实时问答、离线批处理、内部试用。3 类混在 1 个额度里,出问题时看不出是谁吃的。
| 任务类 | 特征 | 预算怎么定 |
|---|---|---|
| 线上实时问答 | 调用量稳定、单次短 | 按上月日峰值的 1.3 倍留 |
| 离线批处理 | 集中跑、单次长 | 按批次数量乘单条均值 |
| 内部试用 | 零散、不可预测 | 单独给 1 个小额度,超了停 |
第 1 类要看日峰值,不看月均值。月初与月末的调用曲线能差 4 倍,按月均值留额度,月中就会告警。
第 2 类的均值要先测 50 条再乘。批量任务里 1 条异常长的输入能把均值拉高 2 倍,先跑 50 条拿到分布,再按 95 分位算,比按平均值算稳。
第 3 类要单独隔离。内部试用最容易失控,几个人拿 Key 试 1 下午,额度就没了。给 1 个只够跑 2000 次的小 Key,用完重新申请,比事后追责有用。我们这边 1 个月因试用超支的次数,从 4 次降到 0 次。
误解 1,按字数除以 2 估 token。中文里数字、英文、代码片段的 token 密度差 2 到 3 倍,纯按字数估会偏。要准就直接看 usage。
误解 2,换个便宜模型就省钱。便宜模型常常要多轮追问才对,5 轮下来总 token 可能比 1 次贵模型还多。我测过 1 组抽取任务:贵模型 1 次过,便宜模型平均 2.7 次,总成本反而高 15%。
误解 3,token 用完就不能再调。额度是按量计费,余额不足才会停。真正会卡住的是并发上限,1 个账号的并发有数,超了报 429,与 token 余额无关。
顺带说 1 个实操习惯:把 usage 的 3 个数字写进日志,与业务 id 绑在 1 行。出问题时能直接定位是哪批请求把额度吃掉,不用翻账单页面逐条对。
整套流程跑顺之后,我这边 1 个日调用 8 万次的项目,账目误差稳定在 1.3% 以内。回到开头那家五金件客户,加了记账脚本 1 个月后,他们发现 41% 的偏差里,有 29% 来自重试与探活。
本文信息核对时间:2026-11