DeepSeek 涨价刷屏：国产大模型“低价红利”结束后，企业 AI 预算怎么重算？

很多企业 AI 试点从一个简单逻辑开始：选择当前最便宜、效果看起来不错的模型，把客服、知识库、报告生成、代码辅助等需求都接过去。试点阶段调用量小，账单不明显，这种做法很容易跑通。

当使用范围扩大后，问题会逐渐出现：

• 对话历史越来越长，输入 Token 快速增加；
• 为了让结果可用，需要反复重试或多模型复核；
• 同一份企业资料在不同任务中重复发送；
• 高峰期并发、延迟和失败重试带来额外成本；
• 模型升级后，提示、格式和质量基线需要重新验证；
• 一旦供应商调整价格，所有场景同时受影响。

因此，一次涨价最先暴露的不是“某个模型贵不贵”，而是系统有没有把模型当作可替换资源，还是已经把全部流程绑在一个接口和一种能力上。

老板看到模型报价，容易直接用“每百万 Token 多少钱”乘以预计用量。但真实项目至少还有六类成本。

1. 上下文成本

企业知识库不是把整份手册全部塞给模型。检索范围太宽、文档切分不合理、重复资料太多，都会让每次任务带上无效上下文。

2. 重试与修订成本

一次回答便宜，不代表一个合格结果便宜。如果任务经常需要重新生成、切换模型或由员工重写，最终成本会远高于账面调用费。

3. 人工复核成本

合同、报价、客服承诺、财务分析等场景不能只看模型输出。复核人员花费的时间，应该进入项目成本。

4. 接口与系统整合成本

模型要完成真实业务，通常需要连接 CRM、ERP、工单、知识库、文件系统或审批平台。接口开发、权限、日志和异常处理不会因为模型便宜而免费。

5. 评测与变更成本

模型版本、价格、限额和行为都可能变化。企业需要保留测试集，在切换版本或供应商前重新验证关键任务。

6. 失败与风险成本

错误回复、重复建单、越权读取、敏感信息泄露或高风险动作误执行，造成的损失可能远大于模型账单。

所以更实用的指标不是“调用一次多少钱”，而是《OpenAI 发布 AI 投资计分卡》中也强调的思路：按达到质量线的成功任务计算完整成本。

企业可以先从最近两到四周的日志里回答下面几个问题：

1. 哪些业务场景正在调用模型？
2. 每个场景每天或每月有多少任务？
3. 单个任务平均输入、输出和上下文多大？
4. 有多少任务第一次就达到质量线？
5. 重试、人工修改和转人工分别占多少？
6. 哪些任务必须用强模型，哪些只是分类、抽取或改写？
7. 哪些调用来自测试、重复触发或无人使用的功能？
8. 当前系统是否支持按部门、用户和场景设置预算？

如果这些数据拿不到，直接讨论涨价影响没有意义。企业甚至无法判断账单上涨来自厂商调价，还是来自自己的上下文浪费、异常重试和业务增长。

一个可执行的预算表可以这样设计：

这样做以后，厂商涨价不会直接变成“所有 AI 功能统一关停”。团队可以知道哪些场景仍然值得保留，哪些应该优化，哪些本来就没有产生业务价值。

动作一：把模型调用封装成统一接口

业务代码不要散落着绑定某个供应商的请求格式。统一处理鉴权、超时、重试、日志、限额和返回格式，后续才有可能替换模型或增加备用路线。

统一接口不等于所有模型完全兼容。不同模型的工具调用、上下文、输出格式和安全边界仍需单独测试，但至少不会让业务系统直接依赖供应商细节。

动作二：建立按任务路由

简单任务优先使用规则、小模型或批处理；复杂判断再进入强模型。不要因为某个模型表现最好，就让它承担所有摘要、分类、翻译和格式整理。

动作三：压缩无效上下文

清理重复文档，按权限和主题检索，只传完成当前任务所需的信息；对长对话设置摘要和截断策略。很多企业的第一笔节省，并不来自换便宜模型，而是减少无效输入。

动作四：保留评测集和退出方案

为每个关键场景保存一组脱敏真实任务、合格答案和失败样本。准备切换模型时，用相同任务比较成功率、人工修订和完整成本。

退出方案还应包括：数据能否导出、日志保留多久、密钥如何撤销、知识库能否迁移、供应商停止服务后系统怎样降级。

不建议只根据新闻做决定。至少比较四项：

1. 新价格：以官方最终公布为准；
2. 真实质量：在企业自己的任务上测试，不看单一榜单；
3. 单次成功任务成本：包含重试和人工复核；
4. 迁移成本：提示、接口、评测、合规和运维需要改多少。

如果 DeepSeek 在某类任务上成功率更高，即使单价上涨，完整成本仍可能有优势。反过来，如果一个便宜模型需要多次重试和大量人工修改，它在涨价前就不一定划算。

这也是为什么《豆包开始收费：国产 AI 免费时代结束后，企业该怎么重新算账？》里的判断仍然成立：免费和低价适合降低试用门槛，不能替代长期成本模型。

第 1—2 天：冻结事实

记录当前官方价格、产品名称、上下文限制和折扣规则，不采信截图转述。把未来价格调整标记为“待官方确认”。

第 3—5 天：拆分场景

按部门、流程和风险列出所有调用，识别无人使用、重复触发和无法验收的功能。

第 6—8 天：建立基线

统计任务量、Token、成功率、重试、人工修订和平均处理时长。选取脱敏样本建立评测集。

第 9—11 天：测试路由

比较规则、经济型模型和强模型的组合，不追求一个模型赢下全部任务。

第 12—14 天：设置控制

给部门、用户和业务场景设置预算、并发、步数和报警阈值，同时写清超限后的降级与人工接管方式。

完成这些动作，即使后续价格再次变化，企业也能快速计算影响，而不是每次跟着新闻重新慌一遍。

• 价格调整提前多久通知；
• 新价格对存量客户何时生效；
• 缓存输入、批处理或特定时段是否有不同计费；
• 失败请求、重试和工具调用怎样计费；
• 限流和可用性承诺是什么；
• 企业数据是否用于训练；
• 日志、内容和账号数据保留多久；
• 服务中断时能否导出数据；
• 是否提供明确的迁移和停用机制。

没有这些信息，所谓“低价采购”可能只是把成本推迟到系统扩大以后。

DeepSeek 调价值得关注，但它不应该决定企业 AI 项目的生死。真正危险的不是某个模型涨价，而是企业没有用量账、没有任务路由、没有评测集，也没有第二条可用路线。

模型价格仍会继续变化。把流程拆清楚、把上下文做小、把简单任务分流、把接口封装、把成功成本算出来，才是企业能够长期拥有的能力。

如果你正在建设 AI 客服、知识库、流程自动化或多模型 Agent，可以查看华茂思捷的企业 AI 与系统整合服务。已有调用账单、业务流程或供应商方案，也可以通过联系页面提交，我们可以先帮助完成用量审计和两周预算重算。

更多热点判断可浏览热门文章栏目。

• Bloomberg 经 Google News 聚合：DeepSeek Plans ‘Significant’ Price Increase for Its AI Services。
• DeepSeek 官方：模型与 API 定价页。价格、模型名称和执行时间均应以官方实时页面及账户通知为准。
• 本文不引用媒体猜测的新单价，也不把“将显著调价”扩写成所有产品已经同步涨价。