指数在跌，账单在涨：这不是数据打架
先摆两个同周发生、方向完全相反的事实。
一边在跌。 2026 年 9 月 1 日，数据服务商 Silicon Data 编制的大语言模型 token 支出指数（彭博代码 SDLLMTK）首次跌破每百万 token 1 美元关口，报 0.97 美元，创该指数 2025 年底推出以来的最低纪录。它是按使用量加权计算全球主流大模型实际成交价的核心基准，从 5 月底的 2.04 美元一路跌到 8 月初的 1.16 美元，再跌破 1 美元，仅过去 7 天又跌了 8.6%。
一边在涨。 2026 年 8 月 16 日 16:00 UTC（北京时间 8 月 17 日 00:00）起，DeepSeek 对 V4 系列启用峰谷分时定价。V4-Flash 输出价从原来的每百万 token 2 元，变成谷时 4.5 元、峰时 9 元——涨幅 125% 到 350%。路透对这次调整的总结是：整体涨幅在 50% 到 1100% 之间，取决于模型、token 类型和调用时刻。
同期的第三方追踪数据更直白：DeepSeek 提价约 3 到 12 倍之后，调用量还在涨；智谱 API 均价上涨 101%，同期 token 用量增长超过 40 倍。致同咨询交易支持服务合伙人梁伟在接受《21世纪经济报道》采访时的判断是，行业正在从「白菜价」转向分层定价——高附加值场景的用户真正买的不是更便宜的 token，而是更低的任务失败率和更稳定的生产系统。
那为什么指数还在跌？ 因为它算的是使用量加权均价。海量低价轻量模型、缓存命中价、近乎免费的引流层被大量调用，把均价一路往下拽；而你主力在跑的那个模型、那个时段、那次缓存未命中，恰恰是被涨价的部分。
换句话说：指数跌是别人的，账单涨是你的。 这两件事完全可以同时成立。
2026 年新增的三个隐性计费变量
过去两年选 API，大家比的都是「同一个模型，谁便宜」。2026 年开始，单价表只能解释你账单的一部分——下面这三个变量，才是近几个月账单突然变贵的真正原因。
变量一：时段——同一个请求，价格能差 1 倍
峰谷分时的规则非常硬：
| 项 | 规则 | | --- | --- | | 高峰时段 | 北京时间 09:00–12:00、14:00–18:00（工作日） | | 低谷时段 | 其余全部时间；周六、周日全天按低谷计 | | 谷峰关系 | 低谷价 = 高峰价 ÷ 2 | | 计价锚点 | 按平台收到请求的时刻计，不是处理完成的时刻 | | 时区基准 | 峰时段以 UTC 定义，周末判定以北京时间为准 |
以 DeepSeek-V4-Flash 为例，单位：元 / 百万 token：
| token 类型 | 调价前 | 低谷 | 高峰 | 低谷涨幅 | 高峰涨幅 | | --- | --- | --- | --- | --- | --- | | 缓存命中输入 | 0.02 | 0.05 | 0.10 | +150% | +400% | | 缓存未命中输入 | 1.00 | 1.50 | 3.00 | +50% | +200% | | 输出 | 2.00 | 4.50 | 9.00 | +125% | +350% |
两个容易被忽略的补充：2026 年 8 月 23 日 00:00 起，官方把周末全天统一按低谷计费，相当于每周高峰时段从 49 小时压缩到 35 小时，变相让利 14 小时。而火山引擎方舟对自家托管的 DeepSeek-V4 系列按量计费同样执行高峰时段自动 ×2，费用中心的「用量明细」里每笔请求都带一个「计费时段标识」字段（PEAK / OFF_PEAK），可以逐条核对。
这意味着：同一个模型、同一段 prompt、同样的 token 数，09:30 发出和 13:30 发出，成本差整整一倍。 时间，第一次变成了 API 账单上的一个显性变量。
变量二：缓存——30 倍价差，比挑供应商更划算
这是三个变量里杠杆最大、也最常被忽略的一个。
还是 V4-Flash，低谷时段的输入：缓存命中 0.05 元，缓存未命中 1.50 元——相差 30 倍。高峰时段是 0.10 元对 3.00 元，同样 30 倍。
对比一下量级你就有感觉了：挑一家便宜 20% 的中转站，省下的是 20%；把缓存命中率从 20% 提到 70%，省下的是输入成本的一大半。后者的量级远大于前者。
提高命中率的方法不复杂，但必须写进规范，靠自觉没用：
- system prompt 放在请求最前面，且保持稳定。 缓存是从前缀开始匹配的，前缀一变，后面全部作废。
- 不要在前缀里插入时间戳、随机数、UUID、trace_id。 这是最常见的自伤行为——为了让日志好看，把
当前时间：2026-09-04 13:37:22塞进 system prompt 第一行，等于每次调用都是 100% 未命中。 - 多轮对话的历史顺序固定，只追加不重排。 排序变了，前缀就断了。
- 用
user_id参数做租户级 KV-cache 隔离。 官方支持该参数，既能提高命中率，也顺带解决多租户之间的调度与内容安全隔离。
变量三：时区——中国开发者是最吃亏的一群
峰时段是按 UTC 定义的，所以「你什么时候在上班」直接决定了你要不要付双倍。按 2026 年 9 月时区换算，当地工作日 09:00–17:00 落在高峰窗口的比例：
| 所在地 | 工作日 8 小时中落在峰时的时长 | 占比 | | --- | --- | --- | | 新加坡 / 中国（UTC+8） | 6 小时 | 75% | | 班加罗尔（UTC+5:30） | 4.5 小时 | 56% | | 伦敦（UTC+1） | 2 小时 | 25% | | 美东（UTC-4） | 0 小时 | 0% | | 美西（UTC-7） | 0 小时 | 0% |
北京时间的白天工作时段，几乎完整覆盖了两个高峰窗口——中国团队是最容易为峰时买单的一群人。反过来，一个面向美西用户的产品，白天调用基本碰不到峰时。
还有一个隐藏坑：峰时判定是「周一到周五（UTC）」，所以美西周日 18:00–21:00 属于 UTC 周一峰时，照样双倍。
如果调用量 24 小时均匀分布，峰时占 35/168 小时即 20.8%，混合倍率约 1.21×；但对一个「白天跑业务、晚上没流量」的典型中国 B2B 应用，这个倍率会显著高于 1.21×。
四步自查：先把钱花在哪弄明白
不要凭感觉调，先把数据拉出来。这四步只需要你自己的调用明细。
第 1 步：把调用明细按小时聚合，看峰谷分布。 导出逐笔明细，按「请求小时」分组统计输入/输出 token 与金额，标出 09–12、14–18 两个窗口的占比。如果这两个窗口占了你 60% 以上的量，那么错峰就是你的第一优先级。
第 2 步：算缓存命中率。 命中率 = 缓存命中输入 token ÷ 总输入 token。低于 30% 的，先别谈换供应商——你的前缀规范大概率有问题，这是白送的钱。
第 3 步：算输出 token 占比。 输出单价通常是输入的 2–3 倍，而且思考（thinking）过程的 token 也按输出计费。输出占比超过 40% 的应用，削输出比压输入更有效。
第 4 步：给任务打标签。 把你的调用分成三类：实时（用户在线等）、近实时（分钟级可接受）、批处理（小时级可接受）。只有第一类必须在峰时跑。 大多数团队会发现，真正必须实时的调用不到 30%。
四个省钱动作，按性价比排序
动作 1：错峰调度（见效最快）。 把第三类批处理任务——日报生成、离线摘要、数据清洗、批量 embedding、评测集跑分、历史数据回填——挪到 12:00–14:00、18:00–次日 09:00 和整个周末。工作量通常只是一个 cron 表达式或一个队列的延迟投递，成本直接减半。
动作 2：稳定前缀，提缓存命中（杠杆最大）。 按上文四条规范改造请求构造。特别是把 system prompt 里的时间戳、随机数挪到用户消息而不是系统前缀里。
动作 3：削输出。 非必要不开最强 reasoning effort；给每次调用设 max_tokens 上限防止失控；能用结构化模板（JSON schema）压缩的就别让模型自由发挥；把「让模型复述一遍问题」这类冗余输出删掉。
动作 4：分层调度。 分类、抽取、格式转换、简单改写这类标准化任务交给轻量模型；只在复杂推理、高精度生成等核心环节调用旗舰模型。这已经是 2026 年的主流做法——东方证券研报也指出，多模型分层调度与协同应用正成为行业新趋势，单一高价旗舰模型全覆盖的模式正在退场。
Yady API 这边：能给什么，给不了什么（如实交代）
诚实性是本站一贯的做法，这里把边界一次写清。
我们能给的：
- 上游是火山引擎方舟官方授权通道，不是账号池、不是共享 Key，来源口径可核验。
- 本站按固定倍率计价，不随调用时段浮动。 同一模型、同样 token 数，你 09:30 调还是 13:30 调，你付的钱一样。上游通道的峰谷差价由我们承担，你的账单是可预期的——不用一边写代码一边看表。
- 逐笔调用明细可导出，你可以按小时自行聚合，做上面那四步自查。数据不留存、不训练，原样透传。
- 人民币计价、1.27× 透明倍率、新用户赠额度、充值阶梯优惠（50 元 95 折 / 100 元 9 折 / 200 元 85 折 / 500 元 8 折）、单级 8% 邀请返利（无入门费、无层级抽成）。
我们给不了的：
- 不代客做调度。 错峰队列、缓存前缀规范、分层路由都是你应用层的事，本站只提供透明计费和可导出明细，不托管你的业务逻辑。
- 不承诺全网最低价。 我们的定位是「可预期、可核验、可追责」，不是「绝对最便宜」。如果你只看单价表，市场上确实有更低的报价。
- 模型广度目前受限。 方舟通道当前仅激活 1 个模型（DeepSeek-V4-Flash），多模型分层调度这件事，我们还在补。
- 上游若调整分时段结算，我们会提前公告，不做静默变更。 这一条是承诺。
一句话收尾
2026 年的 API 成本，已经从「选一家便宜的」变成「把时段、缓存、时区三件事管起来」。指数跌破 1 美元是真的，你的账单在涨也是真的——差别在于你是被这三个变量推着走，还是主动管理它们。
能自己管的，先把明细导出来做那四步自查。管不了的（比如上游通道的峰谷结算规则），选一个愿意把差价扛下来、把明细给你、把变更提前告诉你的供应商，就够了。
