（本文转载，原文含完整调价明细、curl / Python 示例与成本测算脚本，此处保留计费规则与优化策略，原文链接见文末。）
很多人以为 API 账单贵是因为模型大、输出长。调价之后真正拉开差距的是另一件事：输入的缓存有没有命中。闲时缓存命中 0.02 元/百万 token，未命中 1 元，输出 4 元——同一段输入，命中与否差的是近 50 倍。
一、先把价格结构看懂
- 峰谷分时：工作日 9:00–12:00、14:00–18:00 为高峰，价格是闲时的两倍；其余时段全按闲时算。
- 闲时新价（元/百万 token）：缓存命中 0.02，未命中 1，输出 4。
- 高峰新价：缓存命中 0.04，未命中 2，输出 8。
- 缓存自动生效：不用改接口地址、不用加参数，只要请求前缀一致就会命中。
二、缓存只认「从第一个字符开始」的前缀
缓存的匹配规则很严格：只有请求消息列表从头开始的前缀完全一致才算命中，中间某段重复不算。典型的多轮对话里，system 提示词加上前几轮历史构成前缀，新增的那句提问才算未命中输入。所以命中率高低，取决于你把固定内容放在了什么位置。
三、四个把前缀固定住的做法
- system 提示词放最前面，而且别每次微调：措辞、标点、空白一变，前缀就变了，整段输入按未命中计费。
- RAG 把长期不变的文档片段放前缀，用户的问题放末尾，让可复用的部分最大化。
- 会话别频繁截断：过早裁掉历史会丢掉可命中的前缀，宁可给足上下文。
- 批量任务挪到闲时：文档解析、代码评审这类跑量任务，排到非高峰时段单价直接减半。
四、盯住 usage，别靠感觉省钱
调用返回的 usage 里有缓存命中与未命中的 token 数，把它们记下来做监控，命中率持续偏低就去查前缀是不是每次都在变。另外两点边界要记清：输出 token 不享受缓存折扣，多模态图片输入也不参与缓存匹配。
五、什么时候别指望缓存
- 每次提问都完全独立、没有固定 system 的问答，前缀天天变，只能吃到基础降价。
- 以全新生成为主的业务，输出占比高，缓存优化空间天然有限。
- 超复杂推理、长代码工程，更适合强档位模型，省钱的优先级要往后放。
一句话总结：把固定内容钉在消息列表最前面，把跑量任务挪到闲时，把命中率变成可观测的指标——这三件事做完，长对话和 Agent 场景的 API 开销会明显下来。
本文转载自阿里云开发者社区 《最高降幅 60%！DeepSeek Flash 调价详解：缓存输入 0.02 元，API 代码示例与成本核算全指南》，原文链接：https://developer.aliyun.com/article/1766248。版权归原作者所有，如需删除请联系我们。