DeepSeek đổi giá API V4 theo từng khung giờ: Mức phí Flash và Pro được tính ra sao?

DeepSeek đã chuyển API của hai mô hình DeepSeek-V4-Flash và DeepSeek-V4-Pro từ bảng giá cố định sang cơ chế tính phí theo giờ. Chính sách có hiệu lực lúc 0:00 ngày 17/8/2026 theo giờ Bắc Kinh, tương đương 23:00 ngày 16/8 theo giờ Việt Nam và 16:00 UTC ngày 16/8. Giá ngoài giờ cao điểm bằng đúng một nửa giá cao điểm. 12

Với các nhóm phát triển phần mềm, thay đổi này có nghĩa chi phí không còn chỉ phụ thuộc vào việc chọn mô hình và số token. Thời điểm gửi yêu cầu, khả năng tái sử dụng nội dung đầu vào và độ dài câu trả lời cũng ảnh hưởng trực tiếp đến hóa đơn.

Khung giờ cao điểm của DeepSeek V4

DeepSeek quy định hai khoảng cao điểm mỗi ngày:

• 9:00–12:00 giờ Bắc Kinh
• 14:00–18:00 giờ Bắc Kinh

Các thời gian còn lại được tính là thấp điểm. Vì Việt Nam cùng múi giờ UTC+8 với Bắc Kinh, các mốc trên có thể được áp dụng trực tiếp khi lập lịch tác vụ từ Việt Nam.

Mức phí của từng yêu cầu được xác định theo thời điểm máy chủ nhận yêu cầu, không phải thời điểm xử lý xong. Nếu yêu cầu đến hệ thống trong giờ cao điểm, toàn bộ yêu cầu được tính theo giá cao điểm. 27

Bảng giá DeepSeek V4-Flash và V4-Pro

Các mức dưới đây tính bằng nhân dân tệ trên mỗi một triệu token. “Cache hit” là đầu vào có thể sử dụng phần tiền tố đã được lưu trong bộ nhớ đệm; “cache miss” là đầu vào chưa được lưu và phải xử lý ở mức giá cao hơn.

Mô hình và loại token	Giá cũ	Thấp điểm	Thay đổi so với giá cũ	Cao điểm	Thay đổi so với giá cũ
V4-Flash, đầu vào cache hit	¥0,02	¥0,05	+150%	¥0,10	+400%
V4-Flash, đầu vào cache miss	¥1,00	¥1,50	+50%	¥3,00	+200%
V4-Flash, đầu ra	¥2,00	¥4,50	+125%	¥9,00	+350%
V4-Pro, đầu vào cache hit	¥0,025	¥0,15	+500%	¥0,30	+1.100%
V4-Pro, đầu vào cache miss	¥3,00	¥4,50	+50%	¥9,00	+200%
V4-Pro, đầu ra	¥6,00	¥13,50	+125%	¥27,00	+350%

Bảng giá V4-Flash được công bố ở mức ¥0,05, ¥1,50 và ¥4,50 trong giờ thấp điểm cho đầu vào cache hit, đầu vào cache miss và đầu ra; các mức này tăng lên ¥0,10, ¥3 và ¥9 trong giờ cao điểm. 2 Theo Reuters, mức tăng mới trên toàn bộ mô hình và loại token dao động từ 50% đến 1.100%, tùy thời điểm sử dụng. 18

Nhóm tác vụ nào chịu ảnh hưởng lớn nhất?

Tác vụ theo lô có thể chuyển sang giờ rẻ hơn

Các công việc như chạy đánh giá, lập chỉ mục tài liệu, xử lý bù dữ liệu, tạo dữ liệu tổng hợp và những tác vụ không cần phản hồi ngay có thể được đưa vào hàng đợi ngoài hai khung giờ cao điểm.

Do giá thấp điểm chỉ bằng 50% giá cao điểm, việc lập lịch có thể giúp giảm đáng kể chi phí mà không cần đổi mô hình hay cắt giảm ngân sách token. Hệ thống hàng đợi chỉ cần biết thời hạn hoàn thành và lịch tính phí theo giờ Bắc Kinh để trì hoãn các công việc linh hoạt. 2

Ứng dụng tương tác khó tránh giờ cao điểm

Chat hỗ trợ khách hàng, trợ lý lập trình và các tác nhân AI thời gian thực thường phải hoạt động khi người dùng đang trực tuyến. Những hệ thống này có thể vẫn phải chịu giá cao điểm, nhưng còn nhiều cách giảm chi phí:

• Tái sử dụng chỉ dẫn hệ thống, định nghĩa công cụ và ngữ cảnh tài liệu để tăng tỷ lệ cache hit.
• Rút ngắn phần đầu vào không cần thiết.
• Giới hạn độ dài đầu ra.
• Dùng Flash cho các lượt xử lý thông thường và chỉ chuyển sang Pro khi cần năng lực cao hơn.

Cache hit đặc biệt đáng chú ý vì đầu vào dạng này vẫn rẻ hơn rất nhiều so với cache miss ở cả hai mô hình. Với các hệ thống liên tục gửi cùng một bộ hướng dẫn hoặc tài liệu nền, tăng tỷ lệ cache hit có thể hiệu quả hơn việc chỉ giảm số lượng yêu cầu.

Ứng dụng tạo nhiều nội dung sẽ chịu hóa đơn lớn hơn

Các tác vụ tạo chuỗi suy luận dài, báo cáo, mã nguồn hoặc câu trả lời chi tiết tiêu thụ nhiều token đầu ra. Trong giờ cao điểm, mỗi một triệu token đầu ra có giá ¥9 trên Flash và ¥27 trên Pro.

Các nhóm phát triển có thể đặt giới hạn đầu ra chặt chẽ hơn, sử dụng Flash cho những lượt hỏi thường nhật và dành Pro cho các nhiệm vụ mà năng lực bổ sung đủ để biện minh cho mức phí cao hơn. 12

Cache hit của V4-Pro tăng mạnh nhất theo tỷ lệ phần trăm

Giá đầu vào cache hit của V4-Pro trong giờ cao điểm cao gấp 12 lần mức giá cố định trước đây, tương đương mức tăng 1.100%—cao nhất trong bảng giá mới. Dù giá tuyệt đối vẫn thấp hơn nhiều so với đầu vào cache miss và token đầu ra, thay đổi này đáng kể đối với các ứng dụng có khối lượng cực lớn và thường xuyên sử dụng prompt được lưu đệm. 119

V4-Pro-0813 có liên quan gì đến đợt điều chỉnh giá?

Đợt thay đổi giá diễn ra sau khi DeepSeek-V4-Pro-0813 được đưa vào sử dụng rộng rãi trong tháng 8 thông qua endpoint deepseek-v4-pro. Các thông số được công bố mô tả đây là mô hình văn bản có cửa sổ ngữ cảnh một triệu token, khả năng tạo tối đa 384.000 token và kiến trúc mixture-of-experts với khoảng 1,6 nghìn tỷ tham số tổng cộng, trong đó khoảng 49 tỷ tham số được kích hoạt cho mỗi token. 2933

DeepSeek cũng phân biệt giới hạn số yêu cầu đồng thời giữa hai dòng:

• V4-Pro: 500 yêu cầu đồng thời.
• V4-Flash: 2.500 yêu cầu đồng thời.

Một yêu cầu chiếm một suất xử lý cho đến khi hoàn tất, bao gồm cả trường hợp trả kết quả theo luồng. 28

Kết hợp giữa mức giá và giới hạn đồng thời, có thể thấy Flash phù hợp hơn với lưu lượng thường nhật cần thông lượng cao, còn Pro được định vị cho các tác vụ suy luận khó và xử lý ngữ cảnh lớn hơn. Đây là suy luận từ cơ cấu giá và giới hạn được công bố, không phải tuyên bố áp dụng cho mọi trường hợp sử dụng. 228

Vì sao tính phí theo giờ là một thay đổi đáng chú ý?

Động thái của DeepSeek giống một hình thức điều tiết nhu cầu sử dụng GPU cho suy luận AI. Nhu cầu thường tập trung vào thời điểm người dùng tương tác nhiều, trong khi các công việc theo lô có thể chờ. Tăng giá vào các khung giờ đó và giảm giá ở thời gian khác tạo động lực dàn đều tải xử lý trong ngày.

Với nhà phát triển, bài toán tối ưu nay bao gồm nhiều câu hỏi hơn:

1. Yêu cầu nào cần độ trễ thấp và phản hồi ngay?
2. Công việc nào có thể đưa vào hàng đợi thấp điểm?
3. Có thể tái sử dụng bao nhiêu nội dung đầu vào thông qua bộ nhớ đệm?
4. Khi nào nên chuyển tác vụ từ Pro sang Flash?
5. Ứng dụng thực sự cần tạo bao nhiêu token đầu ra?

Trong cuộc đua giá của các mô hình ngôn ngữ lớn, đây là dấu hiệu cho thấy thị trường có thể đang dịch chuyển từ cạnh tranh bằng một bảng giá thấp đồng nhất sang định giá theo mức độ khan hiếm của năng lực tính toán. DeepSeek vẫn duy trì một “làn giá rẻ” cho nhu cầu có thể trì hoãn, nhưng đồng thời làm cho chi phí suy luận cao cấp phụ thuộc nhiều hơn vào thời điểm sử dụng. Reuters mô tả đây là một đợt tăng đáng kể, thay đổi theo mô hình, loại token và thời gian sử dụng—không phải một khoản phụ phí đồng loạt. 1

Bài học thực tế cho các đội ngũ đang dùng DeepSeek V4 khá rõ ràng: hãy coi lập lịch, bộ nhớ đệm, điều phối mô hình và giới hạn đầu ra là các phần của cùng một bài toán chi phí API. Tác vụ không thể dời lịch có thể cần chuyển sang mô hình khác hoặc giảm ngân sách token; tác vụ có thể chờ thì vẫn có cơ hội giữ hiệu quả kinh tế bằng cách chạy ngoài giờ cao điểm.