AI 应用 API 降本实测：DeepSeek V4.1 Flash、Gemini 3.8 Flash、千问怎么选

摘要： 本文比较 DeepSeek V4.1 Flash、Gemini 3.8 Flash 和千问 Flash 系列三款“快而便宜”的大模型 API，回答独立开发者最关心的问题：做 AI 小工具，调用哪家最省钱。最重要的结论是：按各家官方价格计算，千问 Flash 在我们测算的三个典型场景里都最便宜，DeepSeek V4.1 Flash 约为千问 qwen3.8-flash 的两倍、但错峰调用能再省一半，Gemini 3.8 Flash 按人民币折算后贵出一个数量级，而且 2027 年起价格翻倍。本文适合正在做或准备做 AI 应用的个人开发者和小团队。需要说明的是，本文的“实测”是用官方单价加可运行的成本测算工具算出来的，并没有用真实 API Key 比较三家的回答质量和延迟；文末附带的测试脚本可以让你用自己的提示词补上这一步。读完本文，你能看懂三家的计费规则、算出自己业务的月度成本，并知道在什么场景该选哪一家。

配套项目源码：下载 LLM API 成本计算与对比工具（ZIP）。解压后阅读 README.md，并在本地填写环境变量。

核心结论

只看价格，千问 Flash 最便宜，DeepSeek V4.1 Flash 次之，Gemini 3.8 Flash 最贵；但选型不能只看单价，还要看场景长度、调用时段和你的用户在哪里。

• 千问 Flash 单价最低：阿里云百炼官方价格页显示，qwen3.8-flash 在北京地域输入 0.8 元、输出 2.7 元每百万 token；上一代 qwen3.7-flash 在单次输入不超过 32K 时只要输入 0.2 元、输出 0.8 元，是三家里的价格地板。
• DeepSeek 有峰谷价，错峰就是降本：DeepSeek 官方价格页显示，V4.1 Flash 空闲时段输入 1 元、输出 4 元每百万 token，高峰时段翻倍；高峰为北京时间工作日 9:00–12:00 和 14:00–18:00。批量任务挪到晚上和周末，成本直接减半。
• Gemini 3.8 Flash 贵且有涨价时钟：Google Cloud 官方价格页显示，Gemini 3.8 Flash 推广价为每百万 token 输入 0.75 美元、输出 3.75 美元，截至 2026 年 12 月 31 日；2027 年 1 月 1 日起标准价为 1.5 美元和 7.5 美元。
• 输出 token 才是大头：三家的输出单价都是输入单价的 3 到 5 倍。控制回答长度、关掉不必要的思考模式，比换模型更容易省钱。
• 价格不等于性价比：本文没有比较回答质量。建议用附带的 bench.py 拿你的真实提示词各跑一遍，再结合成本做决定。

背景与主要变化

九月是 Flash 级模型集中更新的一个月，三家都把“便宜的快模型”推到了新一代。对开发者来说，这意味着同样的预算能做更多调用，但也意味着旧的成本估算需要重算。

DeepSeek 方面，官方更新日志显示 V4.1 Flash 是其新架构家族中最小的模型，原生支持图像理解；API 模型名改为 deepseek-flash，旧的 deepseek-v4-flash 等名称暂时路由到新模型。DeepSeek 官网公告还说明，自 9 月 14 日起所有 deepseek-v4-pro 请求都路由到 V4.1 Flash 并按 Flash 价格计费，直到 V4.1 Pro 上线。多家第三方媒体报道其发布日期为 2026 年 9 月 10 日。

Google 方面，第三方报道一致称 Gemini 3.8 Flash 于 9 月 2 日发布，而且与 3.7 Flash、3.6 Flash 执行完全相同的推广价（第三方报道，价格本身已在 Google Cloud 官方页面核验）。阿里方面，百炼价格页已上架 qwen3.8-flash，并保留了 qwen3.7-flash、qwen3.5-flash、qwen-flash 等多代 Flash 模型可选。

下表是三款主力 Flash 模型的官方计费要点（核验日期 2026 年 9 月 27 日，单位：每百万 token）：

还有一个容易被忽略的“省钱档”：千问 qwen3.7-flash 采用阶梯计费，单次请求输入不超过 32K 时输入 0.2 元、输出 0.8 元，32K 到 256K 之间是 0.6 元和 2.4 元。百炼官方说明，阶梯按单次请求的输入总量决定，整个请求（含输出）都按该档单价结算。

核心功能拆解

三家的计费结构看起来都是“输入价 + 输出价”，但真正决定账单的是四个变量：输入与输出的比例、缓存命中率、调用时段、单次请求长度。搞懂这四个变量，才能看懂后面的测算结果。

变量一：输出比输入贵得多

DeepSeek 的输出价是输入价的 4 倍，千问 qwen3.8-flash 约 3.4 倍，Gemini 3.8 Flash 是 5 倍。这意味着同样 1000 个 token，放在回答里要比放在提示词里贵得多。写文案、生成长回答这类“输出重”的场景，模型选择对成本影响最大。

需要特别注意思考模式。DeepSeek 官方说明 V4.1 Flash 默认开启思考模式，千问价格表也注明输出单价包含思维链和回答。思考过程产生的 token 按输出计费，简单任务开着思考模式，可能让输出 token 成倍增加。

变量二：缓存命中率

如果你的每次请求都带着一段相同的长系统提示（比如客服知识库、固定角色设定），缓存能让这部分输入几乎免费。DeepSeek 的缓存命中价是 0.02 元，只有未命中价的 2%；千问官方文档说明缓存命中按折扣计费，示例为标准输入价的 10%。Gemini 的缓存价格本文未核验，测算时按全价计算，所以在高缓存场景里 Gemini 的真实成本可能比本文估算低一些。

变量三：调用时段

这是 DeepSeek 独有的变量。官方规定空闲时段价格为高峰时段的一半，北京时间周末和法定节假日全天都是空闲时段。对于数据清洗、批量生成、离线摘要这类不需要实时响应的任务，把它们排到晚上跑是零成本的降本手段。

变量四：单次请求长度

千问的阶梯计费让单次请求长度直接影响单价。qwen3.7-flash 在 32K 以内是最低档，一旦超过就跳到 3 倍价格。处理长文档时，把一篇 6 万 token 的文档切成两段 3 万 token 分别处理，理论上可以回到最低档（切分可能影响摘要质量，需要实测）。

适用人群与使用场景

这篇文章最适合“每个月 API 账单在几十到几千元之间”的个人开发者和小团队。账单太小，换模型省下的钱不值得折腾；账单特别大，应该直接找厂商谈企业价或考虑自部署。

以下是几类典型用户的选型思路（编辑判断，不代表官方结论）：

• 做中文 AI 小工具的独立开发者：比如口播文案生成器、标题生成器、公众号改写工具。这类工具输出重、请求短，千问 Flash 的单价优势最明显，站内的 千问相关教程 可以帮你快速接入。
• 做客服、问答机器人的团队：长系统提示加短回答，缓存命中率是关键。DeepSeek 的缓存价极低，千问也有缓存折扣，两者都适合。
• 做编程 Agent、需要强推理的开发者：价格之外更看重能力。第三方报道显示 DeepSeek V4.1 Flash 和 Gemini 3.8 Flash 都主打编程和 Agent 场景，建议用真实任务对比，站内也有 DeepSeek 相关教程。
• 面向海外用户的产品：Gemini 3.8 Flash 在海外生态中接入方便，第三方报道称它已进入 GitHub Copilot 的模型选择器。服务海外用户时，价格劣势可能被生态和合规便利抵消。
• 跑批量离线任务的团队：数据标注、内容批量改写、历史文档摘要，优先考虑 DeepSeek 空闲时段，或千问的 Batch 调用（百炼官方说明部分模型的 Batch 调用按实时价格的 50% 计费）。

安装、配置或使用步骤

三家都提供 OpenAI 兼容接口，这是降本最重要的前提：只要把代码写成 OpenAI 格式，换模型只需要改三个参数（地址、密钥、模型名）。下面用本文附带的 llm-cost-lab 工具演示完整流程，工具只用 Python 标准库，不需要安装任何第三方包。

1. 下载并解压 llm-cost-lab。解压后先直接运行成本测算，不需要任何 API Key：

cd llm-cost-lab
python3 cost_calc.py

2. 按你的业务修改 scenarios.json。每个场景填写五个数：每日请求数、单次输入 token、单次输出 token、缓存命中率、高峰时段请求占比。例如口播文案生成器的配置：

{
  "口播文案生成": {"requests_per_day": 1000, "input_tokens": 800, "output_tokens": 1200, "cache_hit_rate": 0.0, "peak_share": 0.4}
}

3. 核对 prices.json 中的单价。价格文件里的数字来自三家官方价格页，核验日期写在文件开头。价格随时可能调整，每次测算前建议打开官方页面核对一遍；汇率 usd_cny 默认按 7.1 计算，请改成你实际结算时的汇率。
4. 申请三家的 API Key。DeepSeek 在开放平台申请，千问在阿里云百炼控制台申请，Gemini 在 Google AI Studio 申请。注意千问的最新官方文档中，北京地域的接口地址带有工作空间 ID。
5. 填写 .env 配置文件。复制 .env.example 为 .env，填入你自己的密钥。没有填写密钥的厂商会被自动跳过，所以只想对比其中两家也可以：

# 复制为 .env 后填写；未填写 KEY 的厂商会被跳过
DEEPSEEK_API_KEY=YOUR_API_KEY
DEEPSEEK_BASE_URL=https://api.deepseek.com
DEEPSEEK_MODEL=deepseek-flash
GEMINI_API_KEY=YOUR_API_KEY
GEMINI_BASE_URL=https://generativelanguage.googleapis.com/v1beta/openai
GEMINI_MODEL=gemini-3.8-flash
QWEN_API_KEY=YOUR_API_KEY
QWEN_BASE_URL=https://YOUR_WORKSPACE_ID.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
QWEN_MODEL=qwen3.8-flash
BENCH_TIMEOUT=60
BENCH_MAX_TOKENS=800

6. 准备你的真实提示词并运行对比。在 prompts.txt 里放入你业务中最常见的几条提示词，用单独一行 --- 分隔，然后运行：

set -a; . ./.env; set +a
python3 bench.py prompts.txt

7. 阅读输出结果。脚本会为每家输出成功率、平均延迟、实际消耗的输入输出 token 和折算费用。重点看两件事：同样的提示词，各家实际输出了多少 token（有的模型更啰嗦）；回答质量是否满足你的要求（需要人工打开结果判断）。

cost_calc.py 的核心是下面这个单次请求计费函数，它分别处理 DeepSeek 的峰谷价、千问的阶梯价和普通的固定价：

def per_request_cny(model_id: str, inp: int, out: int, hit: float, peak_share: float) -> float:
    """单次请求成本（元）。hit=缓存命中比例，peak_share=高峰时段请求占比（仅 DeepSeek 使用）。"""
    m = PRICES["models"][model_id]
    rate = PRICES["usd_cny"] if m["currency"] == "USD" else 1.0
    fresh, cached = inp * (1 - hit), inp * hit

    def cost(p_in, p_hit, p_out):
        return (fresh * p_in + cached * p_hit + out * p_out) / 1e6 * rate

    if "offpeak" in m:  # DeepSeek 峰谷定价
        o, p = m["offpeak"], m["peak"]
        return (1 - peak_share) * cost(o["input"], o["cache_hit"], o["output"]) + \
            peak_share * cost(p["input"], p["cache_hit"], p["output"])
    if "tiers" in m:  # 千问阶梯：按单次请求输入总量选档，整单同价
        t = next(t for t in m["tiers"] if inp <= t["max_input"])
        return cost(t["input"], t["input"] * m["cache_hit_ratio"], t["output"])
    f = m["flat"]
    if f.get("cache_hit") is not None:
        p_hit = f["cache_hit"]
    elif "cache_hit_ratio" in f:
        p_hit = f["input"] * f["cache_hit_ratio"]
    else:
        p_hit = f["input"]  # 未核实缓存价时按全价计，偏保守
    return cost(f["input"], p_hit, f["output"])

bench.py 对限流（HTTP 429）和服务端错误会自动重试两次，间隔按 1 秒、2 秒递增；其他错误（如密钥错误导致的 401）不会重试，避免无意义地消耗额度。

实际工作流示例

我们用三个典型场景跑了一遍 cost_calc.py，下面是真实运行结果。计算基于官方单价，汇率按 1 美元兑 7.1 元，每月按 30 天计。以下为示例计算，非官方数据。

场景一：口播文案生成器

假设每天 1000 次请求，每次输入 800 token、输出 1200 token，无缓存，40% 的请求发生在高峰时段。月度成本测算结果：qwen3.7-flash 约 33.6 元，qwen3.8-flash 约 116.4 元，DeepSeek V4.1 Flash 约 235.2 元，Gemini 3.8 Flash 推广价约 1086.3 元，2027 年标准价约 2172.6 元。

这是一个典型的“输出重”场景，输出 token 是输入的 1.5 倍，所以输出单价最低的千问优势最大。如果你的工具像这样每天几百到几千次调用，选千问一年能省下的钱相当可观。

场景二：客服问答（长系统提示）

假设每天 5000 次请求，每次输入 4000 token（其中 80% 是可缓存的固定系统提示）、输出 300 token，一半请求在高峰时段。测算结果：qwen3.7-flash 约 69.6 元，qwen3.8-flash 约 255.9 元，DeepSeek V4.1 Flash 约 464.4 元，Gemini 3.8 Flash 推广价约 4393.1 元。

这里 Gemini 的数字偏高，因为我们没有核验它的缓存价，按全价计算了全部输入。即便如此，缓存对另外两家的作用非常明显：DeepSeek 的缓存命中价只有 0.02 元，如果客服系统主要在晚上和周末使用，成本还能进一步降低。

场景三：长文档摘要

假设每天 200 次请求，每次输入 6 万 token、输出 1500 token，无缓存。测算结果：qwen3.7-flash 约 237.6 元，qwen3.8-flash 约 312.3 元，DeepSeek V4.1 Flash 约 514.8 元，Gemini 3.8 Flash 推广价约 2156.6 元。

注意 qwen3.7-flash 在这个场景里的优势明显缩小：6 万 token 超过了 32K 的最低档，整单跳到 0.6 元和 2.4 元的第二档。这正是阶梯计费的特点——短请求极便宜，长请求要么切分、要么换用不分档的 qwen3.8-flash。

离线测试说明

我们用本地假上游（mock_server.py）测试了 bench.py 的完整链路：正常调用 3 条提示词全部成功；让上游第一次返回 429 限流，脚本自动重试后仍然 3 条全部成功；没有配置 Gemini 密钥时，脚本输出“跳过”提示而不是报错；上游不可达时，脚本记录错误类型并继续运行。这些测试验证的是脚本逻辑，不代表各厂商真实服务的表现。

对比与选型建议

选 Flash 模型的正确顺序是：先用成本测算排除明显太贵的，再用真实提示词比较剩下的质量，最后根据用户所在地和合规要求定案。

三条通用建议（实施建议，非官方数据）：

• 不要只绑定一家。三家都支持 OpenAI 兼容接口，把模型名和地址放进配置文件，某家涨价、限流或故障时可以快速切换。
• 按场景混用。同一个产品里，简单任务用最便宜的千问 Flash，复杂推理用更强的模型，这种“模型路由”是成熟团队最常用的降本手段。
• 给 Gemini 算两套账。如果选择 Gemini 3.8 Flash，预算要按 2027 年的标准价准备，避免明年账单突然翻倍。

想了解更多模型的 API 接入方法，可以在站内搜索 API 接入教程。

风险、限制与注意事项

降本的前提是服务稳定、结果可用。以下风险在选型和上线时都要考虑。

价格随时可能变。 DeepSeek 官方价格页明确写着保留调整价格的权利；Gemini 3.8 Flash 的推广价有明确截止日期；千问价格表只展示原价，限时优惠需在控制台查看。建议把价格写进配置文件而不是代码，并每月核对一次官方页面。

模型名和路由会变。 DeepSeek 已经把旧模型名路由到新模型，deepseek-v4-pro 目前也按 Flash 计费并由 Flash 提供服务。如果你的代码里写死了旧模型名，行为和费用可能已经悄悄改变。上线前请确认你调用的到底是哪个模型。

思考模式会让 token 暴涨。 DeepSeek V4.1 Flash 默认开启思考模式，思考内容按输出计费。简单任务应按官方文档切换到非思考模式，并用 max_tokens 限制最大输出长度，防止单次请求失控。

限流与并发。 DeepSeek 官方标注 V4.1 Flash 的并发限制为 2500；其他厂商也有各自的限流规则。遇到 429 时应该指数退避重试，而不是立即重复请求。批量任务要控制并发，避免触发限流后整批失败。

重试与幂等。 网络超时不代表请求没有被处理，盲目重试可能导致重复扣费或重复写入。对于会产生副作用的操作（写数据库、发消息），要设计幂等键，保证重复执行结果一致。

密钥安全。 API Key 只放在服务端的环境变量或密钥管理服务里，不要写进前端代码、不要提交到 Git 仓库。给每个项目单独创建密钥，并在控制台设置用量上限和告警，密钥泄露时损失可控。

Prompt Injection 与输出校验。 如果你的工具让用户输入内容再拼进提示词，用户可能通过注入指令改变模型行为。模型返回的结构化数据（如 JSON）要做格式和字段校验，不能直接信任并执行。涉及付款、删除、对外发布、发送邮件、修改权限或操作生产数据库的动作，必须保留人工审批环节。

地区与合规。 三家服务的可用地区、数据存储位置和合规要求不同。千问的免费额度仅适用于北京地域；Gemini API 的可用地区请以 Google 官方列表为准。面向国内用户的产品，还需要关注数据出境和备案等合规要求。

事实依据与来源

本文信息按可信度分级如下：

• 官方已确认：DeepSeek V4.1 Flash 的模型名、峰谷单价、缓存价、高峰时段定义、1M 上下文、384K 最大输出、2500 并发限制，来自 DeepSeek 官方价格页；旧模型名路由规则来自 DeepSeek 官方更新日志和官网公告。Gemini 3.8 Flash 的推广价（0.75/3.75 美元）、截止日期和 2027 年标准价（1.5/7.5 美元），来自 Google Cloud 官方价格页。千问 qwen3.8-flash、qwen3.7-flash 的单价、阶梯规则、Batch 半价、缓存折扣说明和北京地域免费额度，来自阿里云百炼官方价格页。三家的 OpenAI 兼容接口地址来自各自官方文档。
• 第三方报道：DeepSeek V4.1 Flash 发布日期（9 月 10 日）、Gemini 3.8 Flash 发布日期（9 月 2 日）、Gemini 3.8 Flash 上下文长度、进入 GitHub Copilot 等信息，来自第三方媒体和聚合平台，请以官方为准。
• 实测结果：三个场景的月度成本数字由 cost_calc.py 在本文写作时实际运行得出；bench.py 的调用、重试和跳过逻辑已在本地假上游上测试。未使用真实 API Key 比较三家的回答质量与真实延迟。
• 示例计算与假设：汇率按 1 美元兑 7.1 元；千问缓存按官方示例折扣 10% 估算；Gemini 缓存价未核验，按全价计算；场景参数为假设值。
• 编辑判断：人群选型思路和选型表为本站编辑判断，不代表官方结论。

内容核验日期为 2026 年 9 月 27 日。

FAQ

三家里哪个 API 最便宜？

按官方单价，千问 Flash 最便宜。在本文测算的三个场景中，qwen3.7-flash 和 qwen3.8-flash 都低于 DeepSeek V4.1 Flash，Gemini 3.8 Flash 按人民币折算后最贵。

DeepSeek 的高峰时段是什么时候？

北京时间周一至周五的 9:00–12:00 和 14:00–18:00，法定节假日除外。其余时间包括周末全天都是空闲时段，价格为高峰时段的一半。

Gemini 3.8 Flash 明年会涨价吗？

会涨。Google Cloud 官方价格页显示推广价截至 2026 年 12 月 31 日，2027 年 1 月 1 日起输入和输出单价都翻倍。

qwen3.7-flash 和 qwen3.8-flash 该选哪个？

请求短就选 qwen3.7-flash，请求长就选 qwen3.8-flash。qwen3.7-flash 在单次输入 32K 以内价格最低，超过后会跳档；qwen3.8-flash 在 1M 以内不分档，单价稳定。两者的能力差异请用真实提示词实测。

换模型需要重写代码吗？

不需要重写。三家都提供 OpenAI 兼容接口，通常只需修改接口地址、API Key 和模型名三个参数，本文附带的 llm-cost-lab 就是这样实现的。

本文的“实测”包括回答质量吗？

不包括。本文的成本数字来自官方单价和可运行的测算工具，没有用真实 API 比较回答质量和延迟。建议用附带的 bench.py 和你自己的提示词完成这一步。

思考模式会影响成本吗？

影响很大。思考过程产生的 token 按输出单价计费，简单任务开着思考模式可能让费用成倍增加。按官方文档关闭思考模式或限制最大输出长度可以有效控制成本。

参考来源

• DeepSeek API 文档：模型与价格
• DeepSeek API 文档：更新日志
• DeepSeek 官网：DeepSeek-V4.1-Flash 发布公告
• Google Cloud：生成式 AI 价格
• Gemini API：OpenAI 兼容说明
• 阿里云百炼：模型调用价格
• 阿里云百炼：OpenAI Chat 接口兼容
• OpenRouter：Gemini 3.8 Flash 模型信息（第三方）

内容核验日期：2026 年 09 月 27 日