长文摘要场景的 DeepSeek API 成本
把长文档（报告、论文、会议记录）整体送入，输出摘要。
单次输入
20000
tokens
单次输出
800
tokens
每日调用
100
次
每日 tokens
20,800
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 | $0.0070 | $0.0035 | $20.88 | $10.44 | $10.44 |
| DeepSeek V4 Pro | $0.030 | $0.015 | $88.70 | $44.35 | $44.35 |
一次送全文，还是分段摘要后再汇总
两种做法的成本结构完全不同。一次性：输入 = 全文，输出 = 摘要，一次调用。map-reduce：先分段各出摘要（N 次调用），再把 N 个摘要汇总成终稿（1 次调用）。
直觉上一次性更便宜，但实际上要看文档长度。文档在 1M 上下文以内时，一次性确实最省。但如果文档超长必须分段，reduce 阶段反而变成主要成本——因为它要读所有分段摘要。
两种策略的成本对比（10 万字文档）
| 策略 | 调用次数 | 总输入 tokens | 总输出 tokens | 月成本（100 篇/天） |
|---|---|---|---|---|
| 一次性 | 1 | 约 80,000 | 800 | $36.3 |
| map-reduce（10 段） | 11 | 约 96,000 | 4,000 | $55.4 |
| 先抽取关键段再摘要 | 2 | 约 30,000 | 1,000 | $15.3 |
按 Flash 离峰价。第三种做法需要额外的抽取逻辑，但对长文档最省。
预处理比重试更值钱
长文档里通常有大量页眉、页脚、目录、参考文献，这些占了 15-30% 的 token 但不影响摘要质量。用程序先清理，比反复调 prompt 有效得多。
另一个做法是先做抽取式摘要（关键词/句子打分），把 10 万字压到 2 万字再送模型。这一步不花 API 成本，纯本地计算，但能省一半以上。
相关场景
客服机器人 · 知识库问答（RAG） · 批量翻译 · 代码生成与补全 · 文本分类与打标 · 信息抽取 · 内容创作 · 数据分析解读 · Agent 任务执行