11月3日16:58，DeepSeek 状态页记录了一次“网页/API 部分中断”。 17:06、17:36、18:21 等时间点，状态页连续给出“已实施修复，正在监控”的更新，18:48 才关闭事故，前后 1 小时 49 分。 如果你在 17:06 第一次看到“已修复”就把流量切回主通道，17:36 还会再撞上一次。四天后的 11月7日 15:11，同样的“网页/API 部分中断”再次出现，受影响的是 V4 Pro、V4.1 Flash、对话和搜索，15:56 恢复，45 分钟。第一财经DeepSeek 状态页DeepSeek 官方状态页
两次都不是机房整体断电式的全挂，而是部分请求失败、变慢、间歇恢复。很多团队的兜底却只针对前一种：再加一个账号、再加一层重试、再把超时调长。遇到这种断断续续的故障，这些做法只会把更多请求送进同一个堵点。
你买的不是 SLA。DeepSeek 开放平台服务协议把服务定义为按“现状”提供，并明确不保证不中断。 能拿到的赔偿上限，是过去十二个月实际消耗的服务费。10月15日那次 4 小时 52 分的故障后，平台按故障前一周的 API 消耗返还赠金。 赠金只能继续用来调用，抵不了你赔给客户的钱。兜底得自己建。DeepSeek 开放平台DeepSeek 状态页微博
先别急着加供应商，给请求分级。用户正在等结果的同步请求，和可以晚点再做的批处理，不该共用一套失败策略。前者需要一条能在几秒内切走的通道；后者更适合进队列，等故障过去再跑。所有请求都重要，等于所有请求都不重要。
然后是重试，得把它管住。DeepSeek 的错误码文档写明：500 是服务端问题，503 是过载，建议短暂等待后重试；429 是限流，应该放慢请求；402 是余额不足，重试没有意义。 故障时最危险的动作，是在几秒内连续重试，把一次局部过载拖成更大的过载。给每个请求定一个总预算，预算内退避重试，超预算就切走或降级；只重试幂等请求，写操作带幂等键。DeepSeek API 文档
再往后才是换供给。DeepSeek-V4.1-Flash 不只在官方卖。阿里云百炼上架了同一个快照版本 deepseek-v4.1-flash-1017。 火山方舟也提供 DeepSeek-V4.1-Flash（升级 1017）。 它们都支持 OpenAI 兼容的调用方式，原来的提示词和评测集基本不用重写，只换 base_url、密钥和模型 ID。阿里云百炼火山方舟
价格也没有想象中那么贵。阿里云百炼的 deepseek-v4.1-flash-1017，闲时输入 1 元、输出 4 元，忙时输入 2 元、输出 8 元，按每百万 tokens 计。 硅基流动也标着 1 元/4 元和 2 元/8 元两档。 对大多数业务，这比切到另一个模型家族更可控：模型行为基本不变，单位成本没有翻几倍，改的是供给方，不是产品逻辑。阿里云百炼硅基流动
但“同型号”不等于“同实现”。版本、量化、缓存策略、参数支持都可能不同；阿里云百炼的页面上，批量推理就不在支持列表里。 备用通道上线前，要拿同一套 golden set 跑一遍，比较输出结构、工具调用、长上下文和延迟；上线后先放 1% 到 5% 的流量做常驻灰度，而不是等主通道挂了才第一次打开。阿里云百炼
还有一层更便宜的缓冲：先降级，再切换。关掉思考模式、压低 max_tokens、缩短上下文、暂时去掉搜索和抓取，把 V4 Pro 换成 V4.1 Flash。这些动作不离开同一个供应商，适合算力紧张但服务还活着的场景；如果供应商整体不可用，才轮到跨供给方切换。顺序是：退避重试、功能降级、同模型换供给、换模型、排队或转人工。
最后是合同和数据的账。换一个供给方，等于多一个数据处理者；数据驻留、日志、训练使用政策、跨境路径都要重新过一遍。备用通道也不是配置文件里的一行 base_url，它需要独立的密钥、配额、告警和演练。每个月做一次故障演练：人为把主通道的 503 打出来，测从报警到切走用了多久。没演练过的备用通道，故障当天大概率会以另一种方式失败。
一周两次宕机，真正该记住的不是“DeepSeek 不稳定”，而是把可用性完全外包给任何一家 API 都不成立。第二把钥匙可以买，但门得自己留。
