0.30 美元和 0.45 美元之间：同一款 V4.1-Flash，第三方货架上摆着三个价

DeepSeek-V4.1-Flash 是 9 月 10 日发布的开源 MoE 模型：552B 主干、输入只激活 8B、输出激活 16B，1M 上下文、MIT 许可、KV 缓存约 890 字节/token，约为此前 V4 的 1/4 HBM 与 1/8 SSD 占用。10 月下旬它陆续出现在第三方推理货架上，Fireworks 把它列为标准档 $0.30 / $0.006 / $1.20（每百万 tokens，输入 / 缓存输入 / 输出），同时给出美国区档 $0.45 / $0.009 / $1.80 和优先档 $0.375 / $0.0075 / $1.50。

同一个模型，四个价签，最贵的是最便宜那档的 1.875 倍

按 Fireworks 公开价目表，标准档 $0.30 是基线：优先档 +25%，美国区标准档 +50%，美国区优先档 +87.5%（$0.5625 / $0.01125 / $2.25）。而模型原厂 DeepSeek 自己的价目表是空闲时段 $0.15 输入 / $0.60 输出、高峰时段翻倍，即高峰 $0.30 / $1.20。换句话说，第三方的标准价恰好等于原厂的高峰价——你在第三方货架上，永远拿不到原厂那个 5 折的时间弹性窗口。

这不是一家的做法。DeepInfra 对同款给出促销价 $0.21 / $0.63（已含 30% 折扣，Priority 档 1.5 倍、Flex 档 0.8 倍）；按其统计，OpenRouter 上已有 19 家供应商提供这一款模型，跨供应商价差最高到 4.9 倍。同一组权重，价格成了纯粹的渠道变量。

174:1 的输入输出比，决定了该看哪个数字

Fireworks 公布的 DeepSWE 实测里，这款模型跑一个编码任务消耗 3690 万输入 tokens、21.1 万输出 tokens，输入输出比 174:1。这意味着按任务计费时，输入单价占了成本结构的 99.4%，输出单价几乎不影响结论。厂商侧的说法是单任务成本 $0.43，比 GPT-6 Astra 便宜 15 倍、比 Claude Opus 5 便宜 28 倍、比 Gemini 3.8 Flash 便宜 5.5 倍。

但要看另一面：HLE（Humanity Last Exam）上它是 34.52%，Astra 是 50.40%。便宜 15 倍换来的是编码能力对齐、学术推理明显落后——这类模型适合当高频迭代的编码代理，不适合当唯一大脑。

还有一条容易被忽略的路径：Fireworks 对这款模型同时提供 serverless 共享端点和按需独占部署（dedicated capacity，无速率限制）。当单月任务量足够大时，按 token 计费的共享端点会撞上速率限制，而独占部署把成本变成小时计价，这是第三方货架之外的第三种采购方式，需要单独按 GPU 小时数核算。

缓存单价才是真正的战场

我按上面标价做了一份月账单测算：月输入 10 亿 tokens、缓存命中率 99.6%、输出按 174:1 折算约 574.7 万 tokens。结果是——原厂空闲时段 $7.04，原厂高峰 $11.08，Fireworks 标准档 $14.07，美国区标准档 $21.11，美国区优先档 $26.39。同样是跑完这批活，最贵和最便宜差 3.75 倍。

账单里最容易被漏掉的一项是缓存命中价：原厂 $0.003、Fireworks $0.006、美国区 $0.009，差到 3 倍。在 99.6% 命中率下，仅缓存这一项就占 Fireworks 标准档账单的 42.5%（约 $5.98 / $14.07）。谈合同时把缓存命中单价单独列出来谈，比在输入单价上磨 1 美分有用得多。

我的选型判断

第一，按 174:1 建比价模型，别按每百万 token 综合价建——输入权重 99.4%，谁家输入便宜谁赢，输出价只用来卡长文生成场景。第二，把负载切成两段：能等批处理的走原厂空闲时段（省 50%），对延迟敏感或有数据驻留要求的走第三方美国区，预算要预先上浮 50%（美国区标准档）到 87.5%（美国区优先档）。第三，把缓存命中率和缓存单价写进 SLA 条款，这是当前第三方货架之间最大的隐性差价。

来源：Fireworks AI 模型页与 serverless 价目表、DeepSeek 官方 API 定价页、DeepInfra 模型页与 API 基准博客（2026-10-23 读取）；单任务 $0.43 及倍数关系为 Fireworks 自报口径。