有人跑一次任务用了2734万token，账单2.81元。知乎也有人用同一个模型干差不多的活，每个月多花好几倍的钱。这两天我把这件事翻来覆去研究了一遍，越看越确定：AI编程账单的真正差距，不在单价，而在一个大多数人压根没关注过的变量——缓存命中率。
尤其在这个时间点：DeepSeek已经在官网价格页预告整体上调API定价，原话是"预计涨幅较大"，社区里从几倍到十几倍的猜测都有。极客公园单价你说了不算，那是厂商定的；但命中率是你自己能争取来的折扣，而且涨价之后，这个变量的分量只会更重。
账单算的已经不是"字数"了
跑过coding agent的人都有体感：你下一条指令之后，模型要读文件、做计划、调终端、改代码、跑测试、看报错，再循环。一次用户指令背后，可能是几十甚至上百次模型调用，而且每一次调用，都要把之前积累的全部上下文重新喂进去。
所以Agent任务的真实成本公式更接近这样：任务成本 = token单价 × token数量 × Agent步骤数 × 重试次数。腾讯科技这意味着两件事。第一，Agent任务的token消耗比聊天放大了一个量级，对价格极其敏感。第二，也是更关键的——每轮重复喂进去的上下文，绝大部分其实是同一批内容：系统提示词、历史对话、之前的工具调用结果。这部分如果每轮都按正常输入价计费，账单会爆炸；如果命中缓存，计费会掉到"缓存价"。
差距有多大？在OpenRouter的对比表里，DeepSeek官方的缓存命中价是每百万token 0.0028美元，是全表最低价，大约只有第三方平台缓存价的十分之一，相对正常输入价更低了一个量级。InfoQ知乎上有用户说得更直白：命中率无限趋近99%的时候，“四舍五入等于不要钱”。知乎
所以，同一个模型、同样的工作量，命中率99%和命中率50%，账单差出几倍不是比喻，是算术。
2万次实验：缓存的"保质期"差距比你想的大
命中率听着玄学，其实有个很物理的含义：服务器端那份KV缓存能活多久。你隔一段时间回来，发同样的内容，它还能不能认得你？
有知乎用户为了排除单次测试的随机性，做了个很硬的实验：自己部署服务器，连续3天，每隔40分钟发27条随机请求，再分别在1分钟到12小时之后重发相同内容，看是否命中，覆盖DeepSeek、Kimi、智谱GLM、MiniMax和走OpenRouter的OpenAI一共五款模型、2万次请求。
结果分层非常清晰：DeepSeek在工作时间和非工作时间都保持100%命中率，间隔拉到12小时之后依然维持100%。知乎MiniMax排第二，非工作时间约90%，工作时间掉到70%左右，而且有个怪毛病——间隔1分钟时的丢失率反而偏高。Kimi和OpenAI居中。
GLM垫底，而且崩得很快：2分钟命中率80%，3分钟50%，5分钟只剩25%，几乎探测不到超过15分钟的缓存存活。知乎作者推测，原因可能是缓存只放在显存里、没法落盘到更便宜的存储，也可能是请求量太大把缓存容量打穿了。推测归推测，现象本身对用GLM跑长任务的人是实打实的提醒：任务间隔稍微一长，缓存就凉了，每一轮都在重新付全价输入的钱。
这个实验还有一个容易被忽略的坑：Qwen、Seed、MiMo这类模型不做自动缓存，需要手动创建、额外付费。知乎不知道这个机制就直接拿它们跑Agent，就是全程全价在烧。
这也不是孤证。DeepSeek相关问题下面，晒调用图、命中率97%到99%的用户一抓一大把，开头那个2734万token花2.81元的案例，命中率就是97.9%。而DeepSeek今年4月和5月两次调价时，都把"缓存永久大降价"单独列为一项——官方自己很清楚，性价比的护城河到底是哪一段。
第三方中转：看起来便宜，可能反而更贵
理解了命中率，就能看懂最近开发者圈在吵的另一件事。
OpenRouter上，第三方供应商的DeepSeek V4 Flash标价比官方便宜约36%——DeepInfra报0.09/0.18美元，官方是0.14/0.28美元。InfoQ只看价格表，中转完胜。
但OpenRouter的真实流量口径把另一面摆了出来：同一款模型，不同供应商的缓存命中率能从80%以上一路掉到20%、30%，甚至0%。标价便宜不代表账单便宜，你走哪扇门，决定了你能拿到几折。
有位开发者做了个对照实验：在一个100多个仓库的代码库上，同时开两个终端跑相同的调查任务，一个走OpenCode Go订阅，一个直连DeepSeek官方API。结果短任务消费差约2倍，平均差约4倍，部分长会话超过10倍。InfoQ他归因到的核心变量还是缓存——Go一侧命中率低，会话越长，缓存未命中累积越多，重复的上下文全按完整输入价计费。
也要把反方观点摆出来：有人指出Go界面里显示的"美元"是订阅套餐内部的额度折算，不等于真金白银的支出，直接对比会夸大现金成本差距。这个说法有道理，但即便打个折扣，方向不变——长会话的重度Agent工作，"订阅标价"和"真实账单"是两回事。
还有一个更隐蔽的代价不在账单上：走OpenCode路由的V4 Flash，上下文窗口实际只有600k左右，超出后会被压缩截断，而官方是完整1M。InfoQ中转可能不仅让你多花钱，还会让模型"变笨"——很多关于DeepSeek聪不聪明的评价分歧，源头可能在这里。
所以判断可以很简单：短任务、尝鲜、对上下文不敏感的活，中转平台省事；长期跑仓库级编程任务，先看命中率和上下文完整性，再决定走哪条通道。
同一个模型，换个"驾驶舱"就是另一种命运
顺便说清楚一件事：同一个模型在不同工具里的成本和效果差异，为什么能这么大？因为命中率只是一半，另一半握在你用的编程工具——现在这层东西叫Harness——手里。
一个开发者的对比很有代表性：同一款V4 Flash，接在Codex里表现接近Fable 5，放在OpenCode里只能发挥出大约一半的真实水平。InfoQ差距体现在两处：一是整体把握能力，在OpenCode里更容易钻进局部细节、忽略整个系统；二是长任务记忆连贯性，步骤链一长就忘了最初目标，在不同方案之间打转。
反过来看，DeepSeek官方给Codex的接入文档里，直接提供了一整套models.json配置：并行工具调用、约104万token上下文、95%的有效上下文窗口，还有上下文过长后怎么压缩历史、压缩后怎么接着干而不是从头再来——全是工程细节。这就是一个成熟Harness该有的工程沉淀。
开发者社区里流传的另一组数据同样说明问题：同一款DeepSeek模型，换不同的编程客户端，缓存命中率最高能到98.6%，最低只有89.3%。别小看这几个百分点，在Agent几十上百轮的调用里，它就是账单和效果的双重差距。
这也解释了DeepSeek这两天最大的动作：8月13日深夜，V4-Pro正式版API上线，官方编程工具Harness以MIT协议开源了v0.1预览版，官方评测表上，Agent基准DeepSWE从预览版的12.8飙到正式版的62.7，TerminalBench从72.1到87.9。极客公园官方的公式是Model + Harness = Agent——模型是大脑，Harness是神经系统和四肢。36氪AI编程的竞争正在从"谁的模型更聪明"，转向"谁能把大脑、手脚和工具箱组装成稳定干活的系统"。对用户的实际含义是：评估任何编程工具，别只看模型列表有多长，要看它接上你常用模型之后的真实成本和真实效果。
涨价前后，你能做的几件事
回到最现实的问题。涨价定在8月17日，新价格表还没公布，社区说的几倍、峰谷定价都还是传闻，别拿传闻下注。知乎但有几件事，不管价格怎么变都值得现在就做：
1. 先给自己测一次命中率基线。 API响应里有cached_tokens这类缓存命中字段，拿你日常的任务连跑几轮看看。90%以上和50%以下，优化方向完全不同。
2. 把前缀固定住。 缓存按前缀匹配：会话中途别随手改system prompt，别在上下文头部乱插内容。如果工具里有"不要重写历史消息、不要删除之前推理内容"这类选项，打开它——那相当于保缓存的开关。
3. 别随手清对话。 至少在DeepSeek上，缓存能活12小时以上，同一个项目接着昨天的会话跑，往往比新开一个便宜。反过来，如果你在用缓存偏弱的模型，硬撑长会话意义不大，不如把任务切短，一次干完。
4. 给任务分模型。 现在的行业方向是：贵的模型做规划和复杂推理，便宜的模型做分类、抽取、简单修改这些执行步骤。斯坦福一项覆盖51个企业落地项目的调研发现，42%的项目认为底层模型完全可以替换，规则明确的常规任务里这个比例是71%。腾讯科技社区维护的真实任务实测也反复显示：推理档位越高效果越好，但成本以数倍增长，低价模型落在"能力略低、成本大幅降低"的区域。高频、可验证、能重试的活，让便宜模型多跑几轮更划算。
5. 盯住8月17日的价格表，尤其是缓存价那一行。 有人算过：DeepSeek的缓存价要涨到与第三方平台持平，全部价格统一上调约3倍才够；如果只涨缓存读取、不动普通输入，要涨约30倍。InfoQ缓存是它性价比的护城河，轻易不会填平——但价格表一旦落地，命中率的价值只会更大。如果出现峰谷定价，顺便观察谷时段的命中率和稳定性。
6. 用Qwen类模型的用户多提醒一句： 它们没有自动缓存，需要手动创建、单独计费，跑重度任务之前先查文档。
单价是厂商定的，命中率是自己争取的。8月17日之后，拿着新价格表对照这篇再算一遍你的账单，这篇建议先收藏。
