DeepSeek API全面涨价背后：算力账、利润率与Token价格拐点之争

这几天市场上磷化铟的话题又持续火热，我们之前也讲过很多相关的内容。但今天，我们先把目光投向另一件在 AI 圈激起不小波澜的事——DeepSeek 预告将对全部 API 接口价格进行整体上调。

今天 DeepSeek 预告对全部 API 价格上调，网上的讨论还是蛮多的。我查了一下海外的观点，基本可以归纳为下面四种：

1. DeepSeek 过去最大的优势就是低价，涨价会直接推高开发者，尤其是 Agent 和编程产品的使用成本。
2. 涨价主要是对算力资源进行重新定价。随着调用量增长，DeepSeek 可能希望借此减少低价值调用，把有限的算力留给付费能力更强的用户。
3. 有人认为涨价说明 DeepSeek 已经具备了一定的定价权。只要模型能力仍有优势，即使价格上涨，其整体性价比可能依然高于不少同类产品。
4. DeepSeek 涨价会给其他国产模型留下空间。此前过低的价格压制了整个 API 市场，价格上调后，阿里、Kimi、GLM 以及第三方服务商都可能获得更大的竞争余地，但相应地，DeepSeek 的低价获客优势也会随之减弱。

这四个说法都有一定道理，但我们首先要讨论的核心问题是：DeepSeek 为什么要涨价？

DeepSeek 为什么要涨价？

首先，模型服务的价格，不是参考同行报价，也不是单纯按照用户愿意支付多少钱来定，而是要和算力设备的投入、使用效率以及回本周期挂钩。

DeepSeek 曾公开过线上推理系统的运行情况：日均使用约 226.75 个 H800 节点，每个节点配置 8 张卡；全天处理输入 Token 约 6080 亿，输出 Token 约 1680 亿。按照每张卡每小时 2 美元的租赁价格测算，单日 GPU 成本约为 8.7 万美元。若全部按照当时 R1 的 API 价格计算，理论日收入约为 56.2 万美元，对应的理论收入成本利润率约为 545%。

但这个数字并不能直接当成真实利润率。因为实际使用中存在网页端和 App 端免费、夜间折扣、低价版本以及未完全计费流量等因素，理论收入与真实收入之间存在较大差异。

到了 V4 版本，模型推理计算量下降、缓存机制改善，同一批硬件能够处理更多 Token。按名义牌价测算，V4-Pro 的理论毛利率可以达到 90% 至 97%；如果把免费流量、折扣和其他因素考虑进去，整体推测的真实毛利率大约在 72% 至 81%。（测算资料已整理）

这个结果说明，DeepSeek 涨价并不是因为原来的 API 价格完全无法覆盖成本。更可能的情况是，随着调用量、模型规模和新增算力投入的持续扩大，公司需要让价格和未来的资本开支更加匹配。

Token 价格拐点是否已经确立？

今天很多人都在转发下面这个分析，认为 DeepSeek 的这次调价，说明 Token 价格拐点已经确立。

我倒认为，模型架构、芯片性能和推理效率仍在提升，单位 Token 的底层成本从长期看仍会下降。

但算力成本、API 报价和用户完成一项任务的实际支出，并不是同一个概念。即使 API 单价上涨，模型效率提高后，完成同样任务所需的 Token 数量可能减少，用户的实际成本未必会上升。长期来看，Token 仍会越来越便宜，但模型公司未必会把全部降本空间都让渡给用户。

涨价真正改变的，是模型公司的经营方式

DeepSeek 的价格变化，放在国内 大模型 行业里看，意义不只是 API 贵了一些。

国内模型公司的路线，正在从单一的开源竞争，转向由“模型能力、Agent 执行框架和应用入口”共同构成的商业壁垒。模型权重开放，可以吸引开发者和生态；而高性能版本、API 服务、企业部署和 Agent 产品，则负责实现商业收入。

这套模式的核心，并不是简单地在开源和闭源之间二选一，而是把不同版本放在不同的战略定位上。基础模型可以用来扩大影响力，而旗舰版本和服务系统则保留其核心的商业价值。 对于模型公司来说，真正难以复制的部分，往往不只是参数和权重，还包括训练数据、推理优化、工具调用、任务执行和持续迭代的完整能力。

因此，DeepSeek 的涨价可以理解为：模型公司的低价策略可以持续一段时间，但不可能永远脱离算力资产的回报要求。只要模型能力继续提升，调用量继续增长，公司就必须不断增加设备和研发投入。价格最终要回答的，不是能不能比竞争对手更低，而是这些投入能不能在合理的周期内形成健康的现金回报。

AI 产业链的信息日新月异，在 云栈社区 这类技术论坛上，也常有关于大模型商业化和技术路线的深度讨论。对于企业和开发者而言，理解每一次价格调整背后的逻辑，远比盯着数字本身更为重要。