8月17日0点，DeepSeek API 新价格正式生效。界面新闻这次调价不是简单的一刀切涨价，官方在8月13日的公告里明确了峰谷定价结构：高峰时段为北京时间9:00-12:00和14:00-18:00，其余为空闲时段，空闲时段价格为高峰时段的一半。对靠 DeepSeek API 吃饭的 AI 编程用户来说，这是一次必须重新算账的变化。
到底贵了多少
先看调价前的价格：V4-Pro 缓存命中输入0.025元/百万Tokens，未命中输入3元、输出6元；V4-Flash 对应是0.02元、1元和2元。界面新闻新价格下，旗舰模型 V4 Pro 受伤最重：高峰时段每百万 tokens 输入（缓存未命中）从3元涨到9元，涨幅200%；输出从6元涨到27元，涨幅350%；缓存命中输入从0.025元涨到0.3元，单项涨幅达1100%。界面新闻跑 Agent 任务的用户对此会更敏感：长会话里缓存命中输入才是计费大头，这1100%恰好涨在最常用的地方。
涨价并非毫无预兆，8月6日的官方开发者公告就已经把话说得很明白。界面新闻但新价格真正落地时，编程圈的震动还是超出预期，最先被波及的是 OpenCode Go 这类套壳 DeepSeek 的订阅制 agent 工具用户：DeepSeek一涨价，OpenCode Go 立刻下调了套餐内的调用额度。小红书
OpenCode 官方回应得很快：已经在上大规模GPU，CheepSeek 第一阶段近期上线，后面会逐步把 Flash 的体验和额度提上去。小红书8月18日，额度确实有回调，社区用户反馈可以接着用了。小红书8月19日，套餐里又新增 meta 的 muse-spark-1.2，社区实测每5小时4万多次请求，比之前 v4 flash 的三万多次还多，如果同意数据用于训练还能拿大折扣，折扣后价格低于 v4 flash 涨价前。小红书
路线一：留在官方，但要学会用空闲时段
如果用量不大、任务能错峰，官方 API 其实还能用。空闲时段 V4 Pro 每百万 tokens 输入（缓存未命中）4.5元，输出13.5元，缓存命中输入低至0.15元。界面新闻整体相当于打了对折，但问题在于，9:00-12:00 和 14:00-18:00 两个高峰恰好覆盖大多数人的工作时间：实时交互式编程基本躲不开高峰价，只有后台批处理、定时脚本、测试流水线这类任务能真正吃到空闲时段的低价。另外提醒一句，涨价之后打着低价 DeepSeek 旗号的中转平台会变多，付费前先看清计量单位和模型版本，不要一次性大额充值。
路线二：Ollama Pro，社区盯上的订阅选项
订阅制方案里，Ollama Pro 是这两天社区提得最多的名字。涨价生效当天的深夜，就有用户在盘完一圈后写下结论：目前比较推荐的只有 ollama pro 那个订阅，他们按照算力收费。小红书原帖还提到速度大概是 opencode go 的两倍，这属于个人体感，会随设备和模型浮动，别当成官方承诺。看实际用量，一位用了一周多的用户晒出了自己的用量页：一周内 deepseek-v4-flash 用了1498次，v4-pro 只用了44次，他的结论很直接，v4 flash 量充足，不要用 v4Pro。小红书这个用量结构其实很有代表性：编程场景里 flash 档模型承担了绝大多数请求，订阅前重点确认的也应该是 flash 的额度和速度。
对想顺便玩 DeepSeek Harness 的用户，Ollama 这边已经第一时间支持：一条命令 ollama launch dsh，就可以直接在自己的本地环境中运行 DeepSeek Harness。小红书这一版还内置了网页搜索能力，并加入了 Trajectory View，可以完整查看 Agent 调用了哪些工具、走了哪些步骤，对调试多步任务很实用。想把 agent 技术栈整体留在本地可控环境的用户，这是路线二的加分项。
路线三：本地自部署，硬件一次性投入
如果手里本来就有硬件，或者愿意一次性投入，本地部署是边际成本最低的路线：不按 token 计费，数据不出本机。但先泼一盆冷水，很多人判断电脑能不能跑本地 AI，只看模型文件能不能下载，这个判断少算了三块内存：系统占用、运行框架，以及 KV cache。小红书这也是下载了跑不动、跑起来就卡死这两个新手坑的根源。
社区整理过一份保守的内存对照档位：8GB 适合2B—4B的4-bit量化模型，主打摘要和分类；16GB 可以跑9B—12B，对应文档问答和轻量代码。小红书24GB 可以尝试20B—27B，32—48GB 跑26B—35B更从容，64GB 以上再考虑70B量化模型。对 AI 编程这种需求，想真正可用至少要从20B+档位起步，也就是24GB内存或显存是入场线，低于这个数，本地模型更容易变成玩具而不是生产力。
三个坑，部署前先知道
第一，上下文长度不够用。Ollama 默认上下文只有4K，跑 agent 工具调用会立刻捉襟见肘，建议手动调到至少16K，否则工具调用容易报错或被截断。第二，KV cache 吃内存。KV cache 是模型保存已读上下文的内存区域，对话越长，它占用越大。小红书模型支持长上下文不代表应该直接拉满，记得留20%—30%内存余量，出现交换内存激增、速度骤降就降模型档位。第三，端口别裸奔。Ollama 默认的11434端口没有鉴权，局域网自用没问题，千万别直接暴露到公网。
怎么选，按你的用量算账
最后给可以直接套用的判断。用量低、轻度使用：留在官方空闲时段，或者观望 OpenCode 调整后的套餐，不必急着迁移。重度使用、天天跑 agent：优先考虑 Ollama Pro 按月试水，确认常用模型的覆盖和速度后再谈长期方案；同时留意 muse-spark-1.2 的实际编程表现，社区刚上手测，样本还不够多。有大内存统一内存 Mac 或闲置显卡、又在意代码隐私：本地部署值得认真算一笔账，24GB 是入场线，电费是唯一持续成本。
后续值得盯三个信号：OpenCode CheepSeek 第一阶段的上线时间和额度结构、DeepSeek 峰谷定价是否还有下一轮调整、Ollama Pro 的模型覆盖更新。DeepSeek 低价时代的落幕大概率只是国产大模型 API 重新定价的开始，对写代码的人来说，骂涨价没有用，把自己的月调用量算清楚，组合出成本最低的路线才是正经事。
