8月17日，DeepSeek V4新的API价格正式生效。
这次调整最容易被注意到的，当然是涨价。但我仔细看了一遍新的价格表之后，觉得里面还有一个更值得讨论的数字。
以DeepSeek V4 Pro为例，在高峰时段，100万输入Token如果没有命中缓存，价格是9元；如果命中缓存，只需要0.3元。
同样100万Token，价格相差整整30倍。
V4 Flash也是一样，缓存未命中是3元，命中只有0.1元。再加上DeepSeek这次新增的峰谷定价，闲时价格只有高峰的一半，那么V4 Pro的100万输入Token，最低可以是0.15元，最高却可以达到9元，极端情况下相差60倍。DeepSeek的新价格已经于北京时间2026年8月17日0时生效，高峰时段为9:00—12:00和14:00—18:00。
这件事其实挺有意思。
过去我们比较大模型价格，习惯问一句：这个模型100万Token多少钱？
但进入Agent时代之后，这个问题可能已经越来越没有意义。
因为真正决定你最后付多少钱的，不再只是用了多少Token，还有一个以前很少被普通用户关注的指标：
缓存命中率。
一、缓存命中，不是AI“记住了你”
先说什么叫缓存。
假设你把一份500页的公司资料交给一个员工，让他看完以后回答问题。
第一次，你问：“这家公司去年收入增长了多少？”
他需要从头把500页资料读一遍。
过了一会儿，你还是把完全相同的500页资料交给他，只是把最后的问题换成：“这家公司利润为什么下降？”
如果他又从第一页重新读到第500页，显然很浪费。
更合理的方法是：前面的资料刚刚已经处理过了，这次直接利用之前的结果，只处理新增加的问题。
大模型的上下文缓存，可以简单理解成在做类似的事情。
DeepSeek的上下文硬盘缓存默认对所有API用户开启。第一次请求以后，系统会把可以复用的Prompt前缀对应的计算状态保存下来；后面的请求如果完整匹配这些前缀，就不需要再从头完成相同的计算，而是从缓存中读取。
所以这里有一个很容易混淆的地方：
缓存命中，不等于AI记住了你的聊天记录。
它不是ChatGPT里的“记忆”功能，也不是模型突然知道了你上个月告诉它的事情。更准确地说，它是：
这部分内容我刚刚已经算过，不需要再算一遍。
二、为什么只是“不重新算”，价格就能差30倍？
因为我们看到的Token，只是计费单位，真正昂贵的是Token背后的计算。
一个长Prompt进入模型之后，模型首先需要处理整段输入上下文，这个过程通常被称为Prefill。如果你扔进去的是一份几十万Token的代码库、一份很长的财报，或者一个已经持续几十轮的Agent任务，这部分计算本身就不便宜。
如果前面几十万Token和上一轮完全相同，就没有必要重新处理一遍。
缓存真正省掉的，并不是Token本身，而是Token背后的重复计算。
而且一次请求并不是简单地分成“命中缓存”和“没有命中缓存”两种状态。
例如一个Coding Agent当前的上下文已经有10万Token，下一轮又增加了2000 Token的新任务，那么这10.2万Token里面，可能有9万多Token命中缓存，只有新增或者发生变化的部分按照未命中价格计费。
DeepSeek甚至会在API返回结果里直接告诉开发者两个数字：
prompt_cache_hit_tokens
以及：
prompt_cache_miss_tokens
也就是说，缓存命中率本身已经变成一个可以被统计、被优化，最终直接影响账单的指标。
三、但缓存并不会永远存在
这里还有一个很容易被忽略的问题。
既然第一次算过以后可以复用，是不是以后一直都是缓存价格？
当然不是。
缓存都有生命周期，只是不同公司的做法差别非常大。
| 厂商 | 主要缓存机制 | 缓存有效期 |
|---|---|---|
| DeepSeek V4 | 自动硬盘缓存 | 通常几小时到几天，系统自动清理，不保证命中 |
| OpenAI GPT-5.6+ | Prompt Cache | 默认30分钟，每次复用重新刷新30分钟 |
| Claude | Prompt Cache | 默认5分钟，可选择1小时 |
| Gemini | Implicit Cache | 内存缓存TTL为24小时 |
| Gemini Explicit Cache | 显式缓存 | 默认1小时，可由开发者自行设置 |
这张表看起来好像DeepSeek时间比较长，但实际上不能简单这么比较。
DeepSeek采用的是一种“尽力而为”的机制。官方明确说明，不保证100%命中；缓存不再使用以后会自动清理，时间通常是几个小时到几天。
OpenAI在GPT-5.6及以后的模型上采用了更明确的30分钟TTL，而且这是一个滑动窗口。比如10点建立缓存，10点20分再次命中，那么有效期就重新延长到10点50分。GPT-5.6之前的部分模型则采用5—10分钟的内存缓存，或者支持最长24小时的Extended Retention。
Claude默认只有5分钟，但每次命中以后也会刷新；如果任务间隔比较长，可以使用1小时缓存，不过创建1小时缓存的价格是普通输入的2倍。Claude的缓存读取则只有普通输入价格的10%。
Gemini又是另一种思路。2.5及更新模型默认开启Implicit Caching，Google披露其内存缓存TTL为24小时；此外还允许开发者主动创建Explicit Cache，默认保存1小时，并且可以自己设置TTL，保存时间越长，还要额外支付存储成本。
所以“缓存”虽然是同一个词，不同公司的产品设计其实并不完全相同。
四、为什么到了Agent时代，缓存突然重要了？
如果只是过去那种问ChatGPT一个问题、得到一个答案的使用方式，缓存并没有那么重要。
但Agent完全不同。
一个Coding Agent工作的时候，每执行一步，都可能重新带上System Prompt、工具定义、项目规则、AGENTS.md、之前读取过的代码、前面的对话以及工具执行结果。
任务运行到后面，一次请求的上下文可能已经有几十万Token，但真正新增加的内容只有最后几千Token。
这恰好就是缓存最擅长处理的场景：
前面绝大多数东西都一样，只有最后一小部分发生变化。
Anthropic最近在自己的Agent任务测试中发现，缓存命中率可以达到81%—90%，开启缓存之后，部分任务成本降低到原来的约1/2.5至1/3.7。Anthropic甚至把Prompt Caching称为Agent成本优化中优先级非常高的一项，因为一个40轮的Agent任务，会反复把早期上下文带入后续请求。
这也是为什么我觉得，DeepSeek这次价格调整真正值得关注的，并不是简单的“涨了多少钱”。
当V4 Pro缓存命中和未命中的输入价格能够相差30倍时，Agent是怎么管理上下文的，可能和模型本身卖多少钱一样重要。
五、Prompt怎么排列，现在都会直接影响你的账单
缓存还有一个非常重要的特点：
它通常要求前缀匹配。
比如你的Prompt是：
公司资料 + 用户资料 + 今天的问题
第二次变成：
公司资料 + 用户资料 + 明天的问题
前面的固定内容很容易被复用。
但如果每一次都变成：
当前时间 + 随机Request ID + 公司资料 + 用户资料 + 问题
那么Prompt一开始就已经不同，后面的缓存复用就会受到影响。
所以DeepSeek和OpenAI都强调，把稳定、重复使用的内容放在前面，把经常变化的内容尽量放到后面。
这件事情其实很有意思。
以前我们研究Prompt Engineering，关心的是：
怎么写，AI回答得更好。
现在又多出了一个问题：
怎么排列，AI运行得更便宜。
Prompt已经不只是模型效果问题，也开始成为成本工程问题。
六、这也是为什么Harness越来越重要
我之前一直觉得，国产AI Coding现在一个很重要的短板，已经不是模型本身，而是Harness。
缓存这件事其实再次说明了这个问题。
一个好的Harness，不只是负责把问题交给模型、调用工具，然后把结果拿回来。它还要决定每一轮带多少上下文，什么时候压缩，什么内容应该长期保留，哪些内容能够稳定形成缓存前缀，以及一次任务到底需要循环多少轮。
这些设计最终都会落到Token和钱上。
以前我们比较两个模型，经常只看：
100万Token多少钱？
以后更值得比较的可能是：
完成同一个任务到底多少钱？
因为模型能力决定了这件事情能不能做成，而Harness越来越决定这件事情要调用多少次模型、重复计算多少上下文，以及最后到底花多少钱。
这也是Agent时代一个很容易被忽略的变化。
七、AI模型的价格，正在从一个数字变成一道公式
DeepSeek V4 Pro现在的输入价格到底是多少？
答案可以是：
0.15元、0.3元、4.5元，也可以是9元。
它们全部都对。
因为同样100万Token，最终价格取决于它是在高峰还是闲时调用，也取决于这部分Token到底有没有命中缓存。
所以以后再看到一家模型公司说“我们的API只需要多少元/百万Token”，其实已经不能完整反映真实成本了。
真正的成本越来越接近：
用了多少Token × 其中多少能够复用 × 调用了多少轮 × Harness怎样管理上下文。
DeepSeek这次把缓存命中和未命中的价格差拉到了30倍，只是让这个原本藏在API账单里的问题，突然变得非常醒目。
大模型进入Agent时代以后，我们可能也需要重新理解“模型价格”这四个字。
模型多少钱是一回事，怎么使用模型，是另一回事。