DeepSeek V4 1M 上下文怎么用？输入、输出、max_tokens、计费与并发

DeepSeek API 价格取决于模型、缓存命中情况以及实际计费的平台。 2026 年 10 月 23 日核实，DeepSeek Direct 的非高峰未缓存输入/输出价格按每百万 token 计，为 Flash $0.15/$0.60、Pro $0.66/$1.98；高峰费率是这些数字的两倍。缓存输入另有较低费率。reAPI 公布的是下文所列的独立网关价格，因此 Direct 报价不等于 reAPI 报价^[8][9]。

DeepSeek V4 的 1M 上下文不是“可以输入 1M，再额外输出 384K”。输入 token 与生成 token 共享同一个 1M 上下文预算；384K 是单次响应的最大输出上限。 max_tokens 只是你为本次响应设置的输出天花板，实际可生成长度还会受剩余上下文、停止条件和模型行为限制^[1][2]。

这是理解 DeepSeek V4 长上下文 API 的关键。下面把 Bing 用户集中搜索的几个问题一次讲清：1M 到底算输入还是输入加输出、max_tokens 怎么设、超长请求如何计费，以及 Flash 和 Pro 的并发限制有什么区别。

先看结论

DeepSeek 在 2026 年 4 月 24 日发布 V4 预览版，提供 Flash 和 Pro 两个模型，并把 1M 长上下文作为官方服务规格^[3]。官方价格页同时列出两者的 384K 最大输出、JSON Output、Tool Calls、前缀续写和 FIM 补全能力^[1]。

1M 上下文是输入还是输入加输出？

是输入加输出的总长度。DeepSeek Chat Completions API 文档写明，输入 token 与生成 token 的总长度受模型上下文长度限制^[2]。

可以把它理解成一个共享预算：

输入 token + 实际生成 token <= 1M 上下文窗口
实际生成 token <= max_tokens
实际生成 token <= 384K 模型输出上限

因此：

• 输入接近 1M 时，留给回答的空间会很小。
• 想让模型最多输出 100K，就必须在请求中为这部分输出预留上下文。
• 把 max_tokens 设成 384K，并不保证能得到 384K；如果输入已经占掉大部分窗口，响应仍会受剩余空间限制。
• 384K 是“最大输出”，不是默认输出，也不是每次请求都应该追求的目标。

工程上不要把输入硬塞到窗口边缘。还要给系统消息、工具 schema、历史消息和模型生成留出余量。对于代码库分析，先估算 token，再按任务拆分；1M 窗口减少了分块需求，但没有取消检索、去重和上下文整理的价值。

max_tokens 应该怎么设？

max_tokens 限制本次 completion 最多生成多少 token。DeepSeek 的 API 参考还说明：当 finish_reason 为 length 时，可能是达到了 max_tokens，也可能是对话碰到了上下文限制^[2]。

一个实用的设置方法：

这不是官方硬性推荐，而是工程起点。正式上线前应记录 finish_reason、usage.completion_tokens 与业务侧的有效输出率，再调整上限。

下面的请求把输出上限设为 16K，并显式开启思考模式：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_REAPI_KEY",
    base_url="https://reapi.ai/api/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[
        {
            "role": "user",
            "content": "分析这份代码库清单，给出按风险排序的迁移计划。",
        }
    ],
    max_tokens=16_384,
    reasoning_effort="high",
    extra_body={
        "thinking": {"type": "enabled"},
        "group": "default",
    },
)

这个 Chat Completions 示例使用统一工作区的 reAPI key 和余额。DeepSeek Direct 有自己的账户、key 和 https://api.deepseek.com base；它支持 Anthropic 和 Responses，并不代表 reAPI 也提供这两种协议。reAPI 请求字段见 DeepSeek V4 API 文档，playground 和网关价格见 DeepSeek V4 模型页。^[8][10]

思考 token 会占用输出吗？

DeepSeek 的思考模式默认开启。思维内容通过 reasoning_content 返回，API 的 usage 还会在 completion_tokens_details.reasoning_tokens 中单独列出推理 token^[4][2]。

这意味着做容量规划时，不能只看最终 content 的可见长度。复杂推理会消耗 completion 预算。思考模式下，temperature、top_p、presence_penalty 和 frequency_penalty 即使传入也不会生效^[4]。

简单抽取、格式转换或低延迟请求可以测试非思考模式：

{
  "model": "deepseek-v4-flash",
  "thinking": {"type": "disabled"},
  "messages": [
    {"role": "user", "content": "把下面三行日志转成 JSON。"}
  ],
  "max_tokens": 2048
}

不要为了省 token 一律关闭思考。正确做法是把任务分层：确定性强的轻任务走 Flash 非思考，需要规划、编码或多步工具调用的任务再开启思考并考虑 Pro。

工具调用时要保留以前的 reasoning_content 吗？

DeepSeek 当前规则取决于请求是否包含 tools：带工具时，历史 assistant 的 reasoning_content 应随消息回传，并计入上下文；不带工具时可以省略，即使传入也会被忽略。工具循环不能统一套用“删除所有历史思考”的处理^[4]。

deepseek api pricing

价格核实日期：2026 年 10 月 23 日。 DeepSeek Direct 将缓存输入、未缓存输入和输出分别按高峰与非高峰计费。高峰为周一至周五 UTC 01:00–04:00 和 06:00–10:00，中国公共节假日除外；其他时间均为非高峰。非高峰费率为高峰的一半。推荐的 Flash ID 是 deepseek-flash，由 DeepSeek-V4.1-Flash-1017 提供服务；旧 deepseek-v4-flash 请求也由该版本处理并按 Flash 费率计费。deepseek-v4-pro 列出的版本为 DeepSeek-V4-Pro-0813。这些映射和时段属于 DeepSeek Direct，不会自动适用于 reAPI^[8]。

当前 DeepSeek Direct 价格，单位为美元/100 万 token：

两个 reAPI 模型页展示了三个分别命名的请求选项。下列 reAPI 价格读取自 2026 年 10 月 23 日页面实际渲染的 Pricing 区域，单位同样为美元/100 万 token。页面没有将其标为 DeepSeek Direct 的高峰/非高峰费率^[9]。

前两个 ID 请使用 V4 页面，deepseek-v4.1-flash 请使用 V4.1 Flash 页面；三者都通过 reAPI 的统一 Chat Completions 路由调用。Direct 的别名规则不能证明 reAPI 中分别命名的选项使用相同权重。Pro 未列缓存费率不代表价格为零，也不能借用 Flash 的费率^[9][10]。

假设某请求有 100,000 个输入 token，其中 80,000 个命中缓存、20,000 个未命中，另有 20,000 个输出 token，Direct Flash 非高峰费用为 0.08 × $0.003 + 0.02 × $0.15 + 0.02 × $0.60 = $0.01524，高峰为 $0.03048。将相同 token 数套入 reAPI 的 V4.1 Flash 类别，得到 0.08 × $0.015 + 0.02 × $0.400 + 0.02 × $1.300 = $0.0352。这里比较的是公开 token 费用，不是实测模型等同性、保证的缓存命中或实际观察到的账单。缓存 token 不再按未缓存输入费率重复计费^[8][9]。

下方保留的 2026 年 7 月 30 日表格是 Direct 价格的历史快照。新的估算请使用上方按平台区分的当前价格表。

DeepSeek 直连 API 按三类 token 分开计费：

1. 缓存命中的输入 token；
2. 缓存未命中的输入 token；
3. 输出 token。

官方人民币价格如下，单位均为每 100 万 token，读取时间为 2026 年 7 月 30 日^[1]：

计费公式是：

费用 =
  缓存命中输入 / 1,000,000 × 命中单价
  + 缓存未命中输入 / 1,000,000 × 未命中单价
  + 输出 / 1,000,000 × 输出单价

例如一次 Flash 请求包含 80 万缓存未命中输入、5 万缓存命中输入和 2 万输出，按官方直连价格估算：

0.8 × ¥1 + 0.05 × ¥0.02 + 0.02 × ¥2 = ¥0.841

这是按公开单价做的数学示例，不含其他平台的路由或加价。通过 reAPI 调用时，应以 DeepSeek V4 模型页 的实时美元价格卡为准，不要把 DeepSeek 直连人民币价格直接套到聚合网关账单。

1M 长上下文怎样提高缓存命中？

DeepSeek 的上下文硬盘缓存对所有用户默认开启，不需要额外开关。后续请求只有完整复用已经落盘的前缀单元时才会命中；仅仅“内容相似”并不够^[5]。

适合缓存的请求结构：

稳定的 system prompt
+ 固定工具 schema
+ 不变的长文档或代码库
+ 每次变化的问题

把稳定内容放在前面，把每轮变化的指令放在后面。响应的 usage 会给出：

• prompt_cache_hit_tokens
• prompt_cache_miss_tokens
• completion_tokens
• total_tokens

用这些字段计算真实命中率。不要通过猜测“应该缓存了”来估算成本。

Flash 和 Pro 的并发限制

DeepSeek 官方直连 API 按账号限制并发：

一个请求从发出到模型响应结束都占一个并发位。限制按账号计算，与创建了多少个 API Key 无关；超过限制会返回 HTTP 429^[6]。

user_id 可以帮助做内容安全、KV Cache 和调度隔离，但对普通账号，所有 user_id 仍合并计算总并发^[6]。所以“多建几个 key”或“多传几个 user_id”都不是扩容方案。

还要区分供应商额度与网关额度。2500/500 是 DeepSeek 官方直连账号的公开限制；通过 reAPI 时，实际并发、排队和上游渠道策略以 reAPI 控制台、文档和响应为准。

1M 请求上线前的检查清单

• 先估算输入 token，不要用字符数代替 token 数。
• 为输出、工具 schema 和后续轮次预留空间。
• 根据任务设置 max_tokens，不要无条件填 384K。
• 记录 finish_reason，区分自然停止、max_tokens 截断和上下文耗尽。
• 固定可复用前缀，并监控缓存命中与未命中 token。
• 分开统计 reasoning token 和最终回答的有效长度。
• 对 429 做指数退避和抖动，不要立即并发重试。
• 在高并发轻任务中优先测试 Flash，把 Pro 留给复杂推理。
• 使用当前模型 ID；DeepSeek 公告中的旧 deepseek-chat 与 deepseek-reasoner 弃用日期是 2026 年 7 月 24 日^[3]。

FAQ

DeepSeek V4 Flash 支持 1M 上下文吗？

支持。Flash 和 Pro 的官方上下文长度都是 1M，最大输出都是 384K^[1]。

1M context 是纯输入长度吗？

不是。输入 token 和生成 token 的总长度受 1M 上下文限制^[2]。需要输出多少，就应为输出预留多少窗口空间。

max_tokens 最大可以设多少？

模型规格的最大输出是 384K，但本次实际输出还受剩余上下文限制。设置 384K 不代表一定生成 384K。

max_tokens 包含思考 token 吗？

容量与计费时应把推理 token 视为 completion 使用量。DeepSeek 在 completion_tokens_details.reasoning_tokens 中单独报告它们^[2]。

超过 1M 会发生什么？

请求的输入与输出总长度不能超过模型上下文。应用应在提交前控制输入并预留输出；如果生成碰到限制，finish_reason 可能返回 length^[2]。

DeepSeek V4 的并发是按 API Key 计算吗？

不是。DeepSeek 官方说明并发按账号计算，与 API Key 无关。Flash 为 2500，Pro 为 500；超限返回 429^[6]。

缓存需要手动开启吗？

不需要。DeepSeek 上下文硬盘缓存默认开启。想提高命中率，应保持长内容前缀稳定，并检查响应里的命中 token 字段^[5]。

DeepSeek V4 在 reAPI 上怎么收费？

reAPI 以美元按 token 用量计费，Flash 与 Pro、缓存命中与未命中、输出分别定价。当前数值请看 DeepSeek V4 中文模型页 的实时价格卡。

参考与下一步

• DeepSeek V4 中文模型页 — Playground、能力和实时价格。
• DeepSeek V4 API 文档 — reAPI 请求与响应字段。
• reAPI 模型目录 — 用同一个接口比较其他聊天模型。

References

1. DeepSeek. 模型 & 价格 — V4 上下文、最大输出、功能与人民币价格。 Retrieved July 30, 2026 from api-docs.deepseek.com/zh-cn/quick_start/pricing

2. DeepSeek. 对话补全 API — max_tokens、上下文约束、finish_reason 与 usage。 Retrieved July 30, 2026 from api-docs.deepseek.com/zh-cn/api/create-chat-completion

3. DeepSeek. DeepSeek-V4 预览版：迈入百万上下文普惠时代。 April 24, 2026. api-docs.deepseek.com/zh-cn/news/news260424

4. DeepSeek. 思考模式 — 开关、reasoning_effort 与 reasoning_content。 Retrieved September 8, 2026 from api-docs.deepseek.com/zh-cn/guides/thinking_mode

5. DeepSeek. 上下文硬盘缓存 — 命中规则与 usage 字段。 Retrieved July 30, 2026 from api-docs.deepseek.com/zh-cn/guides/kv_cache

6. DeepSeek. 限速与隔离 — Flash/Pro 账号级并发与 user_id。 Retrieved July 30, 2026 from api-docs.deepseek.com/zh-cn/quick_start/rate_limit

7. DeepSeek. Models & Pricing. 重新核查于 2026 年 10 月 22 日. api-docs.deepseek.com/quick_start/pricing

8. DeepSeek. 模型与价格——当前模型版本、高峰/非高峰费率及官方 API 接口。 2026 年 10 月 23 日核实。api-docs.deepseek.com/quick_start/pricing

9. reAPI. 页面实际渲染的 Pricing 区域。 2026 年 10 月 23 日核实。DeepSeek V4、DeepSeek V4.1 Flash。

10. reAPI. 请求模型 ID、Chat Completions 端点及鉴权。 2026 年 10 月 23 日核实。DeepSeek V4 文档、DeepSeek V4.1 Flash 文档。