首页 / 场景成本 / 知识库问答（RAG）

RAG 知识库问答的 DeepSeek API 成本

检索若干文档片段拼入 prompt 后提问，输入长、输出中等。

单次输入

4000

tokens

单次输出

500

tokens

每日调用

800

次

每日 tokens

4,500

月成本（30 天）

模型	单次（高峰）	单次（离峰）	月成本（高峰）	月成本（离峰）	离峰可省
DeepSeek Flash	$0.0018	$0.0009	$43.20	$21.60	$21.60
DeepSeek V4 Pro	$0.0073	$0.0036	$174.24	$87.12	$87.12

很多人以为 RAG 贵在模型，其实贵在「检索了几段、每段多长」。把 top-k 从 10 降到 5，输入 token 直接减半；把 chunk 从 800 字降到 400 字，同样 top-k 下输入再减半。两次调整叠加，成本降到 1/4，而答案质量往往没有明显下降。

反过来说，如果检索质量差，模型拿到无关片段，需要更长的输出解释，输出成本又上去了。检索质量直接决定总成本。

配置	每次输入 tokens	单次成本（离峰）	月成本（800 次/天）
k=10, chunk=800	8,000	$0.0013	$31.2
k=10, chunk=400	4,000	$0.0007	$16.8
k=5, chunk=800	4,000	$0.0007	$16.8
k=5, chunk=400	2,000	$0.0004	$9.6
k=3, chunk=400	1,200	$0.0003	$7.2

按 Flash 离峰价算，仅输入。输出 500 tokens 另计。

RAG 的输入里，检索结果每次不同，无法命中缓存。能缓存的只有开头的指令和格式要求，通常只占输入的 10-20%。所以不要指望靠缓存省钱，要靠检索设计。

但有个例外：如果用户反复问同一批问题，可以缓存「问题→答案」这一层，命中就直接返回，不调用模型。这是业务层的缓存，比模型缓存有效得多。