DeepSeek 免费吗？价格、免费额度与海外可用性

深度求索出品的开源大模型助手，以极低 API 价格与开源权重著称：提供 V4 Flash / V4.1 Flash / V4 Pro 等型号，上下文 105 万 tokens，支持深度思考模式；网页与 App 全功能免费，权重开放可自托管。跑分上综合能力与代码能力处于中游（见站内「跑分」页），优势集中在价格、上下文长度与推理讲解。

这篇专门说性价比，也说清楚它的短板。

先看价格，这是它真正的杀手锏官方 API 缓存命中后输入低到 $0.02/百万 tokens；V4 Flash 输入 $0.12、输出 $0.24，V4.1 Flash 输入 $0.14、输出 $0.42——对比 Claude Opus 5.5 的 $4/$20、GPT-6 Astra 的 $10/$50，差不多是别人 1/20 到 1/50 的价格。这个差价不是省一点，是能让一个小团队把“要不要加这个 AI 功能”的决策从“先算成本”变成“先做出来试试”。再加上 105 万 tokens 的上下文和开源权重（能自己部署、数据不出机房），性价比这一项我给到国产里最高的那一档，没有争议。

但代码能力必须说实话：它是短板，不是强项按站内跑分数据（Artificial Analysis，2026-10-28），它的代码分（SciCode）55.9，在 28 个模型里排第 16——正中间。综合智能指数 32.5，排 15/29。而 Claude Opus 5.5 是 66.9、Gemini 4 Argon 是 61.8、Kimi K3.1 Pro 是 60.8。这个差距在我自己的体感里也对得上：简单脚本、单文件函数、报错解释，它又快又好，基本一次到位；但一旦进到跨文件重构、需要理解整个项目结构、或者多步调试的任务，它就开始出现“改 A 处坏 B 处”“臆造不存在的 API”“循环打转”这些典型症状。这里要说清一个区别：上面这些数字是 V4.1 Flash 这一档，也就是大多数人日常真正在用的便宜型号；

别被“Pro”这个名字骗了V4 Pro 卖 $0.66/$1.98，是 V4.1 Flash 的四五倍价，但它是上一代型号——名字里没有 .1，不是 V4.1 的加强版。新的是 Flash，不是 Pro。所以“多花点钱升级到 Pro”这个念头可以直接打消：贵的那档更老，主力应该选 V4.1 Flash。而且即便把整个 DeepSeek 系列放在一起看，代码上也仍不在第一梯队——Claude Opus 5.5（66.9）、Gemini 4 Argon（61.8）、Kimi K3.1 Pro（60.8）都明显领先，连价格更低的 MiMo-V2.6-Pro（60.9）也不输。买 DeepSeek 就买最新最便宜的那档，别为旧型号多付钱。

那它适合干什么？三个场景我强烈推荐：一是大批量、低价值的文本处理——分类、抽取、改写、翻译、摘要，跑十万条也不心疼，这个场景它的性价比无人能敌；二是数学与逻辑推理，深度思考模式下它讲思路很扎实，这点我一直认可；三是对成本极度敏感的早期产品，先把功能跑通验证需求，等真的有收入了再换更强的模型写核心代码。

不适合干什么？大型项目的核心开发、需要长期维护的代码重构、以及任何“改错了代价很高”的工程任务——这些地方省下的 token 费用，会以你 review 和返工的时间加倍还回去。

一句话结论把它当“便宜的批量处理器 + 推理好手”，它是国产里最值得的那一个；把它当主力编程模型，你会为了省下的钱付出更多时间。真要写重要代码，那段差价该花就花。

DeepSeek's models are the price reference point for the entire industry. V4 Flash runs at $0.12/$0.24 per million tokens with a 1.05M context window; V4.1 Flash at $0.14/$0.42; V4 Pro at $0.66/$1.98 — note that Pro is the previous generation, not an upgrade on V4.1, so the newer Flash tier is both cheaper and the one to use. Weights are open, so self-hosting is possible when data cannot leave the building. The chat product is free, including the deep-thinking mode.

Worth being precise about what you are buying.

The price is the storyAt roughly 1/20th to 1/50th of frontier pricing, the decision changes from "can we afford to add this feature" to "let us just build it and see". Long context is genuinely long, and the open weights make it viable for compliance-sensitive deployments. The honest limitation is coding. On SciCode it scores 55.9 — 16th of 28 models, dead centre. In practice: single-file scripts, error explanations and straightforward functions are fine; cross-file refactoring and multi-step debugging produce the classic failure modes — fixing one thing and breaking another, inventing APIs that do not exist. Note also that cheaper models now match or beat it on code: MiMo-V2.6-Pro scores 60.9 and costs less.

VerdictExcellent as a high-volume text processor and reasoning model; do not make it your primary coding model. The tokens you save get paid back in review time.