DeepSeek V4 正式版 7 月中旬上线，高峰时段 API 价格翻倍——这不是涨价，而是 AI 算力第一次系统性引入电力行业百年经验。
你交电费时可能没注意过，白天和半夜电价并不一样。工业用电的峰谷差价尤其明显：高峰贵，低谷便宜。这个机制叫“峰谷定价”，电力行业用了一百多年，目的是用价格信号引导用户错峰用电，避免大家在同一时间挤垮电网。现在，这套逻辑被首次系统性引入大模型 API。
先说事实
DeepSeek 宣布 V4 正式版 7 月中旬上线，正式版 API 将引入峰谷机制：每天 9:00—12:00、14:00—18:00 为高峰时段，价格是平时的 2 倍；其他时段维持现价。
与此同时，V4-Pro 此前已永久降价至原定价的四分之一。把两件事放一起算：V4-Pro 输出价格目前每百万 tokens 6 元，未降价前是 24 元。高峰翻倍后 12 元——仍只有原价的一半。V4-Flash 更便宜：输入每百万 tokens 1 元（缓存未命中），输出 2 元。按 DeepSeek 官方文档换算，1 个中文字符约 0.6 个 token，100 万字中文大约 60 万 tokens，输入成本不到 1 块钱。高峰翻倍后也就 2 块出头。
这不是涨价，而是在用价格杠杆调节需求。
行业里有没有人这么干过
问题来了：峰谷定价在大模型 API 领域是 DeepSeek 独创，还是已有先例？我们扫一遍主流厂商。
OpenAI 的 API 定价是统一价，不分时段。但它曾在 2024 年 6 月推出 Batch API——异步批量处理接口，价格打五折。逻辑类似：你愿意等（最长 24 小时返回结果），就付一半的钱。本质是用时间换价格，和峰谷定价一脉相承，只是切分维度不同——Batch 按“实时/异步”切，峰谷按“时间段”切。
Anthropic（Claude 系列）、Google（Gemini 系列）的 API 都是统一价，没有分时定价。国内厂商如通义千问、智谱 GLM、百度文心、月之暗面 Kimi，目前也都是统一价，没有一家引入峰谷定价。
但把视角从大模型 API 拉到云计算，情况就不同了。AWS 有三种定价模式：按需实例（最贵，随时用）、预留实例（便宜，但要锁定 1~3 年合约）、竞价实例（最便宜，可能被随时回收）。阿里云也有类似竞价实例，价格通常仅为按需实例的 10%~30%。云厂商早就用价格杠杆调节算力供需了——只不过调节的是 GPU 虚拟机，不是大模型 API 调用。
所以准确的说法是：峰谷定价在云计算行业是成熟实践，在大模型 API 领域是第一次。DeepSeek 是第一个吃螃蟹的国内厂商。
为什么是 DeepSeek 先走这一步
为什么不是 OpenAI 先做？
一个可能的解释是承载模型推理的算力结构不同。OpenAI 背靠微软 Azure 的全球数据中心，GPU 集群规模庞大且分布在不同时区——美洲、欧洲、亚洲的流量可以互相填谷。当美国进入工作时间高峰，亚洲刚好进入低谷。全球分布的算力天然有错峰效果，不太需要用价格信号调节。
DeepSeek 的算力集中在国内，国内用户的工作时间高度一致——9 点到 18 点集中调用，其他时间几乎空白。没有跨时区的流量均衡，GPU 夜间闲置问题更突出。因此，峰谷定价对 DeepSeek 的边际收益比 OpenAI 大得多。
还有一个旁证：DeepSeek 同时开源了模型，任何人都可以自己部署，但官方 API 仍有大量用户。这说明它的算力规模和价格已到临界点——用户量够大、调用量够集中，才需要也才值得用价格信号管理供需。小公司不需要峰谷定价，因为算力要么闲置，要么满载，调节空间有限。
算力基础设施化的信号
过去几年，“算力是继水、电、气、路、网之后的又一大新型基础设施”反复出现在宣传和行业讨论中。国家“东数西算”工程、各地智算中心建设、算力调度平台——都在把算力当作公共基础设施来规划。
但基础设施不只是建起来就行。所有基础设施都要经历一个关键转变：从“稀缺资源”的定价逻辑（有多少卖多少），转向“公共服务”的定价逻辑（用价格信号调节供需平衡）。
电力行业走过这条路。发电厂建设成本固定，但用电需求波动剧烈。按峰值建电厂，低谷产能闲置；按平均需求建，峰值拉闸限电。峰谷定价的精髓是：不增加总产能，通过价格信号让部分需求主动转移，在不扩建电厂的情况下提升整体利用率。中国工业用电的峰谷价格比一般在 3:1 到 4:1 之间——高峰电价是低谷的三到四倍。
自来水也走过这条路。用水高峰水压不足，低谷时水厂产能闲置。不少城市已实施阶梯水价和峰谷水价。
宽带同样走过这条路。早期按流量计费，后来包月不限量但分速率档次，本质是用价格分层管理带宽供需。
DeepSeek 的峰谷定价，2 倍高峰溢价——放在电力行业不算高（电力是 3~4 倍），但对大模型 API 来说是从 0 到 1 的突破。它标志着 AI 算力的定价逻辑开始从“卖模型”转向“运营基础设施”。
云计算行业走完了这条路——AWS 从最初的按需计费，演化出预留、竞价、储蓄计划等多种定价模式。大模型 API 现在站在云计算十年前走过的那条路口。
生图生视频会不会也峰谷定价
很多创作者关心这个问题。
先看算力消耗差异。文本生成模型（如 DeepSeek V4）的推理主要是矩阵运算，GPU 占用时间短——生成上千字只需几秒。但图像生成模型（如 Stable Diffusion）需要多步迭代去噪，生成一张图 GPU 要跑十几到几十秒。视频生成更夸张：生成一段 10 秒视频，GPU 可能要跑好几分钟。
这意味着：同样一块 GPU，文本推理一秒能处理几十个请求，图像生成一秒只能处理几个，视频生成可能一分钟才完成一个。图像和视频模型的 GPU 占用时间是文本模型的几十倍甚至上百倍。
供需矛盾因此更尖锐。白天用户扎堆生成图片和视频，GPU 排队时间更长；夜间用户少，GPU 大量闲置。从供需结构看，图像和视频模型比文本模型更需要峰谷定价。
目前主流图像和视频生成平台大多采用按次计费或订阅制，不分时段。Midjourney 按月订阅，不区别高峰低谷；可灵（快手）按次或按点数计费，也没有分时定价；即梦（字节跳动）同样按次计费。
但瓶颈已经出现：高峰时段生成视频经常排队几分钟到几十分钟，有时甚至提示“服务器繁忙，请稍后再试”。这就是算力供不应求的信号——只不过当前是以排队而非价格来分配有限的算力。
电力行业的经验告诉我们：用排队分配资源效率最低——排队的人浪费了时间，资源的利用率也没有最大化（有人中途放弃，GPU 空转）。用价格分配效率更高——愿意付高价的走高峰，不急的等低谷，GPU 全天满载。
所以，图像和视频模型的峰谷定价，不是会不会的问题，而是什么时候的问题。当某家厂商的生图/生视频 API 调用量大到高峰排队成为常态，它就会像 DeepSeek 一样引入分时定价。目前还没到那个临界点——大多数厂商的图像/视频生成调用量远不如文本模型大，GPU 要么闲置，要么满载，调节空间有限。
但方向是清楚的。随着 AI 生成内容渗透到设计、营销、影视制作等日常工作流，调用量上来只是时间问题。
用户怎么规划算力使用
如果峰谷定价成为趋势，作为日常使用 AI 算力的用户——不管是开发者、企业还是内容创作者——怎么合理规划？
第一步：分清实时任务和批量任务。
- 实时任务：用户在等结果的，必须高峰跑。比如 AI 客服对话、代码补全、实时翻译、交互式问答——这些延迟敏感，不能错峰。
- 批量任务：不需要实时返回的，挪到低谷。比如日志摘要、知识库向量化、报表生成、批量翻译、代码审查、数据清洗——这些可以等几小时甚至过夜。
第二步：量化成本。
以 DeepSeek V4-Flash 为例。假设一个企业每天处理 100 万字的中文文本（约 60 万 tokens），输入成本 0.6 元，输出成本假设也是 60 万 tokens 约 1.2 元，合计 1.8 元。高峰翻倍后 3.6 元。一个月 22 个工作日，高峰额外成本约 40 元——对 Flash 这个量级影响很小。
但 V4-Pro 就不同了。同样 60 万 tokens，Pro 输入 1.8 元，输出 3.6 元，合计 5.4 元。高峰翻倍后 10.8 元。一个月多出约 119 元。如果调用量再放大 100 倍——每天 6000 万 tokens——高峰额外成本每月约 1.2 万元。这时候错峰的收益就相当明显了。
第三步：建立调度意识。
目前主流的 API 调用框架还没有内置“低谷优先”的调度能力。开发者需要自己写调度逻辑——把批量任务放到晚上 8 点以后的 cron job 里自动执行。不复杂，但需要有人去做。对中小企业来说，最简单的做法是：白天跑交互式服务，晚上跑批处理脚本。一个 cron 表达式就能解决。
第四步：善用缓存。
DeepSeek 的缓存定价值得特别关注。Flash 缓存命中输入 0.02 元，未命中 1 元——差距 50 倍。Pro 更夸张：缓存命中 0.025 元，未命中 3 元——差距 120 倍。高峰翻倍后缓存命中也才 0.04~0.05 元，几乎免费。如果你的应用有大量重复上下文（比如同一个系统提示词、同一份文档反复提问），缓存能省下的钱远比错峰多。
第五步：关注多模态的成本结构。
如果你同时使用文本和图像/视频生成 API，成本结构完全不同。文本 API 按 token 计费，单价低；图像 API 按张计费，单价通常是文本的几十到几百倍；视频 API 按秒计费，更贵。一旦图像/视频 API 引入峰谷定价，错峰收益会比文本大得多——因为单次调用的算力消耗更大，高峰溢价的绝对值更高。
举一个具体场景（假设未来图像生成模型也开始峰谷计价）：一个电商团队用 AI 生成产品图。白天设计师调整参数、确认风格，需要实时看效果，走高峰。但晚上批量生成不同尺寸、不同场景的产品图——这些不要求实时，放到低谷跑。如果高峰每张图 0.5 元，低谷 0.25 元，每天批量生成 1000 张，一个月能省下 5000 多元。
一个判断
定价策略比产品发布更能说明一家公司的阶段。
发布新模型说明技术能力到了。调整定价说明运营成熟度到了。从预览版的一口价到正式版的峰谷调节，背后是从“实验室产品”到“公共服务平台”的身份转变。
当 AI API 的定价开始像电费一样分峰谷，说明 AI 算力正在从“稀缺资源”变成“基础设施”。这不是 DeepSeek 算力不够用了——恰恰相反，只有算力规模够大、用户够多、调用量达到一定程度时，峰谷定价才有意义。
7 月中旬正式上线后的实际效果有待观察。高峰时段 7 小时覆盖了工作日 88% 的时间，真正能错峰的窗口不算宽。而且大部分中小企业目前还没有错峰意识，工具链也不完善。但方向是清楚的。
更重要的问题是：当文本、图像、视频模型的 API 都开始分峰谷，算力的使用方式会从“来了就调”变成“像用电一样规划”。这一天不会太远。
云栈社区此前在讨论算力基础设施化时，也多次提到过类似趋势。比如在人工智能专区，不少用户就探讨过 API 调用成本优化与调度策略，无论是 LangChain 的批处理实践，还是 RAG 应用的缓存设计，都能看出工程师们对“按需调度算力”的强烈需求。峰谷定价的落地，或许恰好为这些讨论提供了一个落地的支点。
发表于 4 小时前
|
查看: 4|
回复: 0
