挑中转站，很多人盯着「模型多不多、单价廉不廉」。但真正让账单失控的，往往不是这两样——是输出 token，以及你根本没察觉的上游静默换模型。
一、9 月 14 日那晚，你的模型被偷偷换了
DeepSeek 在 9 月 14 日 12:00 起正式退役 V4 Pro：所有写成 deepseek-v4-pro 的请求，被静默路由到 V4.1 Flash，并按 Flash 价格计费。官方原话是「有序退役」，代码里写死 V4 Pro 的请求依旧返回 HTTP 200——只是背后跑的已经是另一个模型、另一个价。
业内把这种变更叫最危险的形状：nothing falls over, so nothing alerts（什么都不报错，所以没人报警）。你的评测脚本假设的是 V4 Pro 的推理深度，分数会在生产环境里悄悄漂移，而日志里一个错都没有。
更扎心的是：首批开发者实测，V4.1 Flash「速度确实更快了，但烧钱也更快」。
教训只有一句：上游静默换模型、静默调价，是你账单上对不上的最大盲区。挑平台，先看它换模型/调价会不会提前告诉你。
二、为什么输出 token 才是吞金兽
输出 token 是模型一个一个顺序生成的，算力刚性、省不下来，所以定价普遍是输入的 3 到 10 倍：
- GPT-4o mini：输出约 4× 输入
- Claude Sonnet：约 5×
- GPT-5 档：约 8×
落到你最熟悉的 DeepSeek V4 Flash（闲时，元/百万 tokens）：
- 输入·缓存命中：0.02
- 输入·缓存未命中：1.00
- 输出：4.00
输出是缓存命中输入的 200 倍。而 9 月 10 日那轮降价，缓存命中砍了 60%、输入砍了 33%，输出只动了 11%，而且绝对值仍卡在涨价前的两倍价（涨前输出 2 元，现在还是 4 元）。
一句话：降得最狠的是缓存命中，最烧钱的输出几乎没让。长文生成、代码补全、Coding Agent、深度推理——这些场景烧的全是输出 token。
三、4 个开关，把账单砍下来
每个都能在一个下午改完，省下来的钱会叠加。
开关 1：给每个请求设 max_tokens 封顶。 输出是供应商利润最厚的一段，也是你唯一能「一不小心归零」的段。一个失控的生成（死循环、啰嗦的推理轨迹、停不下来的总结）一次就能吐出上万 token。设个上限，既省钱也让延迟可预期。
开关 2：打开上下文缓存。 多轮对话、Agent、RAG 这类长上下文，系统提示词和文档前缀每次都重发。DeepSeek 的自动缓存把重复前缀降到缓存命中价（0.02 元），直接省约 90%。三个习惯让它生效：系统提示词保持稳定、别把变量拼到前缀最前面、复用稳定会话上下文。
开关 3：按 key / 按项目设硬上限。 Agent 一旦失控（工具调用循环、重试风暴），单 key 能在几分钟内爆量。给每个 key、每个项目设月度/日级硬上限，等于给账单装了保险丝。
开关 4：逐笔明细可出证。 账单真正的坑不在单价，在于「出了事你才发现不了」。每次调用给 request_id 级明细、思考 token 单列、能导出对账，异常（某 key 突然翻 10 倍、某模型偷偷被替换）当天就能看见。
四、Yady 的取舍：不靠隐藏乘数赚钱
我们把上面 4 件事，变成承诺写进服务：
- 固定倍率，不随时段浮动。 上游有峰谷差价，由我们承担，不转嫁给你。
- 上游换模型、调价，提前公告，不做静默变更。 9 月 14 日那种「你账单对不上还不知道」的事，在 Yady 不会发生。
- 逐笔 request_id 明细可导出，思考 token 如实入账，不掺水。
- 方舟官方授权 + 境内链路不出境 + 不留存不训练。
也诚实交代短板：方舟通道当前只激活 1 个模型（DeepSeek-V4-Flash）。输出 token 的单价由上游定，我们不在上面加任何隐藏乘数——你看到的就是上游价叠固定倍率。
五、30 秒自检：你的账单经得起 4 问吗？
- 每个请求都设
max_tokens了吗？ 没设的，先设。 - 系统提示词稳定、能命中缓存吗？ 命中即白捡那 60% 降幅。
- 每个 key 有硬上限吗？ 没有的，Agent 场景迟早爆一次。
- 每笔调用能给 request_id 级明细、能导出对账吗？ 给不了的，换平台。
省不省、省多少，你的调用日志说了算，不是「降价 60%」的通稿说了算。把 4 个开关打开，再拿自己的账单算一遍——比看任何价格表都准。
