DeepSeek 开始限额:全球调用量第一的代价
写在前面:这不是宕机,是一次主动收缩
先给结论:这次限额不是服务崩了,是在算力增量跟不上调用量曲线时,把免费 C 端的高消耗场景主动切掉,把资源让给按量付费的 API 与研发侧。
11 月 16 日,#DeepSeek使用额度已达上限# 登上热搜。用户集中反馈三处变化:长期不活跃的长对话无法续聊、单次输入长度被压缩、每日对话额度触顶。同一周,OpenRouter 周榜上 DeepSeek V4.1-Flash-1017 以 59.2 万亿 Token 的周调用量连续第四周位列全球第一,是第二名腾讯混元 Hy4(18.1 万亿)的 3 倍多。
一边是全球第一的调用量,一边是免费用户撞上"额度墙"。这两件事不是矛盾,是同一条曲线的两端。
先把边界说清楚,免得读成阴谋论或官宣解读:截至本文写作时,DeepSeek 没有发布统一的限额规则说明,没有公布每日额度的具体数值,也没有披露何时放宽或解除;官方状态页在 11 月 15 至 16 日并无对应故障记录,页面显示"一切运行正常"——所以这是容量调度层面的主动调整,不是故障态的应急降级。有开发者在网页端前端代码里发现额度管理逻辑与 "CodingPlan" 字样,据此推测 C 端付费套餐在酝酿,这属于代码侧发现,未经官方证实,本文只作为线索记录,不当结论用。
一、限额三刀:先把事实和口径摆正
从公开的用户反馈和多家媒体核实,变化集中在三处:
| # | 限制项 | 公开口径 | 影响场景 |
|---|---|---|---|
| ① | 长对话续聊 | 不再支持"存续超过 7 天且无活跃交互"的长对话,建议新开对话或导出历史记录 | 论文修改、长篇文档整理、持续数周的角色扮演 |
| ② | 单次输入长度 | 单次文字输入上限缩至约 4 万字 | 长文档、整段代码库、整份合同投喂 |
| ③ | 每日对话额度 | 触顶后提示"因服务器繁忙,使用额度已达上限";有用户连续使用不到 2 小时即触发 | 全天高频使用的工作台式用法 |
这三刀的口径比看上去乱,值得逐条校准:
- ① 的阈值改过一次。 11 月 15 日白天用户看到的提示是"已超过 72 小时的长对话暂不可用",到晚上变成"7 天";也有用户反馈自己遇到的仍是 72 小时。官方没发公告、官网更新日志里也查不到这条,用户只能靠弹窗互相比对。所以"7 天"是当前较普遍的口径,不是一条正式公布的 SLA。
- ② 和另一个常被混用的提示不是同一条规则。 知乎热榜原问题写的是"最多阅读前 20 页或 1 万 token",这来自用户上传长文档时收到的提示,指向文件阅读能力;"单次输入约 4 万字"指向对话框文字输入。有用户还实测出单个会话累计约 14.8 万字触顶,这也是用户自测、非官方数字。把它们当成同一个"4 万字上限"来讨论,后面全都会算错。
- ③ 的具体数值官方从未公布,用户是撞到墙上才知道。此前 DeepSeek 也从未公布过每日消息上限,业内多份测评把它的主要瓶颈归为"容量限流"而非"额度墙"。额度墙的出现,才是这次真正的新东西。
还有一个最容易被忽略的区分:这次只砍 C 端 App 与网页版,开发者 API 不受影响。 API 有独立的并发限制与按量计费机制,与 C 端资源池隔离——据报道 deepseek-flash 与 v4-pro 分别设 2500、500 的账号并发上限。官方弹窗里那句"可导出对话到其他 App 使用",本质是在把用户往这套付费体系里引。
左:三刀各自指向的高消耗场景;右:API 独立计费与并发上限不受影响;底部:OpenRouter 11-9 至 11-15 周榜前四名。
二、被砍的为什么偏偏是长对话:KV cache 那本账
如果只按"省算力"理解,最容易问的是:为什么不一刀切日均总时长,而是精准砍长对话、砍输入长度、砍闲置会话?因为这三样恰好都压在同一个稀缺资源上:显存里的 KV cache。
把一次长对话的成本摊开:
- 上下文是累积的,不是覆盖的。 免费版聊天不做有损摘要,每一轮新提问都要把历史消息原样拼回上下文再送进模型。第 100 轮的成本,不是第 1 轮的 100 倍那么简单——注意力计算随上下文长度增长,而每一轮都要为前面所有 token 重新付一次账。
- KV cache 占的是 HBM 显存,不是磁盘。 模型把历史 token 的 Key / Value 缓存在 GPU 显存里以加速后续生成,上下文越长,驻留的缓存越大。这是推理集群里最贵、最难临时扩容的一类资源。减少 KV 缓存压力、节约 HBM 显存,正是这次调整被普遍解读的直接动机。
- 缓存命中与未命中差着数量级。 官方 API 定价把"缓存命中"与"缓存未命中"分开计价,且差了几十倍——V4.1-Flash 闲时每百万输入 token 缓存命中约 0.15。原因很直白:命中的上下文几乎不用重算,没命中的要从头算一遍。
- 闲置会话的成本是"占着不用,一用就炸"。 一个一周没动的窗口仍占着缓存位;而缓存有过期时间,真要接着聊,第一句话就得把前面几十万字**重新预填充(prefill)**一遍,瞬时开销比连续对话高得多。
于是"7 天不活跃"这条线就更清楚了:它更像一条缓存回收线,而不是一条产品规则。 系统不做有损摘要,又不能无限期替一批不活跃会话留着显存,最省事的做法就是把这些会话判为"不可续聊",让用户自己新开或导出。砍单次输入 4 万字、砍日额度,则是给单轮 prefill 和全天累计占用各加一道闸门。
这也解释了为什么轻度用户几乎无感:日常问答、写短文案、理清单,上下文短、缓存小、频次低,离这三条线都远。被精准命中的,是"把 AI 当工作台"的那批人。
上:上下文累积 → KV cache 占显存 → 缓存命中/失效的价差;下:7 天闲置线为什么更像缓存回收线。
顺带补一组行业侧的量级参照(均为公开转引,统计口径不同不宜互相换算):据 Anthropic 实测,一次典型智能体任务的 token 消耗约为普通对话的 4 倍、多智能体协作下达 15 倍;据 QuestMobile,一款办公 AI 产品今年 9 月的 token 消耗较上线初期增长 50 倍。对话式产品正在被 agent 式用法推着走,而成本曲线是指数级的。
三、59.2 万亿 Token 与两套账:调用量第一的代价
先看榜单。据《每日经济新闻》依 OpenRouter 数据测算,11 月 9 至 15 日全球大模型总调用量 211 万亿 Token;OpenRouter 官方周榜前四为:
| 排名 | 模型 | 周调用量 | 环比 |
|---|---|---|---|
| 1 | DeepSeek V4.1 Flash 1017 | 59.2T | +6%(连续四周第一) |
| 2 | 腾讯混元 Hy4 | 18.1T | +42% |
| 3 | DeepSeek V4.1 Flash | 15.5T | -12% |
| 4 | 智谱 GLM 5.3 Flash | 11.9T | -10% |
第一名是第二名的约 3.3 倍。增长曲线更陡:据第一财经,V4.1 Flash 在 9 月 14 日那周的调用量还只有 15.8 万亿,两个月涨了近三倍。另有界面新闻引 OpenRouter 口径称,10 月 19 至 25 日那周 V4.1-Flash-1017 为 33.6 万亿、环比 +801%——这是版本更新当周的爆发值,与"15.8 万亿 → 59.2 万亿"不是同一条统计序列,不要串起来算增长率。
问题在于:调用量第一不等于收入第一。 这 59.2 万亿里,通过 OpenRouter / 官方 API 产生的部分按量计费,而 App 与网页版的免费对话不产生订阅收入、也不产生广告收入,每一轮却都对应真实的 GPU 时间。于是形成两套账:
| 维度 | 开发者 API | 免费 C 端 |
|---|---|---|
| 计费 | 按 token 计费,缓存命中/未命中有价差 | 免费,无付费入口 |
| 容量 | 独立并发上限(flash 2500 / v4-pro 500),资源池隔离 | 与免费用户共享,容量限流为主 |
| 调度 | 2026-08-16 起峰谷分时定价,闲时半价引导错峰 | 本次新增日额度与输入长度上限 |
| 战略位 | 按量付费 + 开发者生态,11-13 开放全家桶 API | 品牌与用户规模,商业化长期克制 |
峰谷定价是一次更早的、用价格做的调度。 官方定价页显示,自 2026 年 8 月 16 日 16:00 UTC 起,高峰时段(01:00–04:00、06:00–10:00 UTC)价格翻倍、其余时段为闲时半价;V4.1-Flash 闲时每百万输入 token 缓存未命中约 0.003、输出约 $0.60。(有媒体把这一机制记作"今年 7 月引入",与官方生效日期不一致,本文按官方定价页为准;中文定价页仍显示旧版 V3.2 价目,查价请以官方英文定价页为准。)再往前,2025 年 2 月 DeepSeek 曾以"服务器资源紧张"为由暂停 API 充值;2026 年 5 月曾限制短期重复请求与专家模式文件上传;10 月 17 日起 Search / Fetch 单独计费。从暂停充值 → 分时定价 → 工具单独计费 → 免费 C 端设额度,是同一条思路的延续:算力增量有限时,先用规则把需求摊平。
11 月 13 日开放全家桶 API 是这组动作里最值得对照的一步:联网搜索、深度思考搜索、文件输入、阅读链接、模型安全,以及 OCR / ASR / TTS 独立接口全部组件化,工具调用单独计费(文字/图片搜索与网页抓取 5 元/千次、文字识别 1.5 元/千页、语音识别限时五折 0.39 元/小时、语音合成限时五折 1.5 元/万字符),并配套开源了一个支持导入网页端导出历史对话的轻量前端 Demo。两天后,弹窗开始建议用户"导出对话到其他 App 使用"。一收一放落在同一周,不是巧合,是资源优先级的公开表达。
供给侧的远水
需求曲线两个月涨近三倍,扩容却是以年为单位的。据科技日报 10 月报道,DeepSeek 计划在乌兰察布建设 GW 级数据中心、部署至少 16 万颗国产 AI 芯片,预计 2027 年底至 2028 年初逐步投产。另据 The Information、《中国新闻周刊》等媒体报道,10 月完成二轮融资约 1055 亿元、投后估值约 6155 亿元,市场认为资金首要投向算力基础设施——但界面新闻明确指出,DeepSeek 官方未发布公告确认融资金额、估值与资金用途,这部分只能按"媒体报道、官方未确认"处理。
这就是"代价"最具体的含义:钱可以一次到位,机柜、芯片、集群调试、推理栈适配不能。 在新集群投产前的这段窗口里,能调的只有需求侧规则。
稳定性也在这段窗口里承压。官方状态页显示,10 月 15 日 08:11–13:04 发生网页/API 部分中断,持续 4 小时 52 分,影响对话服务、V4 Pro API、V4.1 Flash API 等组件;官方随后发布《服务恢复及补偿通知》,按账号 7 日内(10/8–10/14)消耗金额以赠金全额返还,并称将"全面梳理并剥离单点依赖"。那次故障有个很值得记的细节:定位只用了不到一小时,修复却耗掉四个多小时——大模型服务重启本身近似一次小型发布,要重新加载权重、预热、逐步放流量,缓存重建还会带来二次冲击,而早高峰里用户反复点"重试"又把访问量成倍放大。
左:API 与免费 C 端两套账;右:导出 → 导入演示客户端 → 闲时 API 三步过渡。
四、"想付费都没入口":CodingPlan 线索与行业对照
这次舆论里最扎心的一句不是"怎么限额了",而是"我不是不愿意付费,是没有选项"。用户的诉求很集中:像其他厂商那样给月卡 / 季卡 / 年卡,让高频用户用钱换稳定额度。
对照一下同行:豆包开了 68 元/月的付费档、免费版仍保留;Kimi 免费版提供长上下文;腾讯元宝、通义千问目前也未对免费对话设同等额度墙(均为公开产品口径,随时可能调整)。多数厂商用订阅回收 C 端成本,DeepSeek 一直用"免费 + 开源 + 低价 API"建立声誉,如今第一次给免费划了边界。
市场因此开始猜 C 端收费:有开发者在网页端前端代码中发现较完整的额度管理逻辑,以及与 "CodingPlan" 相关的信息。必须强调:这是代码侧发现,官方没有任何对外信息,是否推出、何时推出、怎么定价都未证实,不能写成"即将推出付费套餐"。
战略侧的公开表述可以作为背景,但不宜替它下结论:据媒体转引,今年 7 月梁文锋与投资人交流时反复强调长期目标是 AGI,称真正限制团队的是算力而非方向,把眼前的商业机会称作"芝麻";同期公司资源明显向按量计费的 API 与算力建设倾斜。在这个排序里,免费 C 端的优先级最低,是可以从动作推出来的,不必写成官方宣言。
对用户来说,真正的问题其实不是"收不收费",而是规则不透明:三条线里两条没有公布数值、一条当天改过阈值、更新日志查不到、没有恢复时间表。第一财经的评论说得挺克制——不急于 C 端商业化,不等于可以忽略用户体验,对这种体量的产品,更透明的规则也是必要的。
五、重度用户的三个过渡方案(按成本从低到高)
如果你正好是被命中的那批人,下面是可操作的路径,都不需要等官方放宽:
1)先做自查,确认你踩的是哪条线
- 是长对话续不上(闲置超过 7 天 / 部分用户 72 小时)→ 新开对话,把关键背景手工压成一段摘要带过去;
- 是长文档读不全("前 20 页或 1 万 token")→ 拆成多份,或先自己做目录级摘要再分段投喂;
- 是日额度触顶(不到 2 小时)→ 说明你是工作台式用法,直接看第 3 步。
别把三种提示当成同一个 bug 反复重试,重试只会更早撞墙。
2)导出对话,导入官方演示客户端
11 月 13 日全家桶 API 同步开源的轻量前端 Demo 明确支持导入网页端导出的历史对话接着聊。做法是:网页端导出历史 → 在自己的环境里配置 API Key → 用官方 Demo 或兼容客户端接续。这条路保留全部上下文与操作习惯,成本只是你自己的 API 用量。注意它仍是按量计费,且工具调用(搜索 / 抓取 / OCR / 语音)单独计费,别按"免费续聊"预期去用。
3)把批量任务挪到闲时 API
峰谷定价下闲时是高峰价的一半,把不要求实时的活儿(批量摘要、文档解析、分类、离线跑批)排到闲时窗口,是唯一能同时省钱和帮集群削峰的做法。V4.1-Flash 闲时每百万输入 token 缓存未命中约 0.003、输出约 $0.60;尽量复用前缀、让上下文命中缓存,比换模型更省钱——这也正好呼应第二节那本账。具体价格以官方定价页实时报价为准,本文数字为 2026-11 公开口径。
补充一句风险提醒:从 C 端迁到 API,等于把"额度不确定"换成了"账单不确定"。 建议先在客户端里设用量上限与告警,再谈迁移;对团队协作,还得多想一层数据边界与审计。
六、还留着的空白
- 官方未发布统一限额规则,三条线的具体数值、是否分用户群灰度、何时放宽或解除,都没有说明。
- "CodingPlan" 与 C 端付费套餐属前端代码侧发现,未经官方证实。
- 10 月以来服务中断次数口径不一:光明网 / 第一财经称"至少 5 起",科创板日报 / OFweek 称"8 起";而官方状态页历史页显示 10 月 7 起、11 月截至 15 日 3 起(含"性能下降"与"部分中断",统计口径与媒体不同)。本文并列标注,不取一。
- 可用性数字同理:有转引称 8–11 月对话服务 99.56%、V4.1 Flash API 99.55%、V4 Pro API 99.73%;也有转引称 8–10 月 V4.1 Flash API 99.46%、V4 Pro API 99.74%。时间窗不同,不宜混用。
- 融资与估值(1055 亿元 / 6155 亿元)为媒体报道,官方未公告确认。
把这些留白和 59.2 万亿放在一起看,结论反而很朴素:当一家公司把"全球调用量第一"当作成绩单时,它同时也得为这 59.2 万亿 token 里的每一轮免费对话付电费、付显存、付扩容周期。 免费从来不是没有成本,只是成本一直记在别人账上;现在账本翻到了正面。
对做产品的人,这次最值得抄走的不是"DeepSeek 会不会收费",而是一条更通用的设计经验:当资源必须配给时,规则的透明度本身就是体验的一部分。 砍三刀可以,但把三刀的线画在哪、什么时候变、被砍的人能往哪走,提前讲清楚,比事后一条热搜便宜得多。
口径说明:限额三刀(7 天 / 部分用户 72 小时、单次输入约 4 万字、日额度触顶)、"前 20 页或 1 万 token"文件阅读提示、单会话约 14.8 万字用户实测、11-15 当天阈值由 72 小时改为 7 天,综合澎湃新闻、第一财经、央广网、光明网、科创板日报、界面新闻、OFweek 等公开转引与用户反馈整理,均为用户侧口径,非官方公布规则。OpenRouter 11-9 至 11-15 周榜(59.2T / 18.1T / 15.5T / 11.9T、总 211T)来自 OpenRouter 官方榜单与《每日经济新闻》测算;9-14 周 15.8 万亿来自第一财经;10-19 至 25 周 33.6 万亿、环比 +801% 来自界面新闻引 OpenRouter,属不同统计序列。API 峰谷定价、并发上限、全家桶工具定价综合 DeepSeek 官方 API 定价页 / 状态页、澎湃新闻、北京商报、界面新闻,价格以官方页面实时报价为准;中文定价页仍显示旧版 V3.2 价目。10-15 中断 4h52min 与赠金补偿来自官方状态页及 21 世纪经济报道。乌兰察布数据中心、融资与估值为科技日报 / The Information / 中国新闻周刊等媒体报道,官方未公告确认。"CodingPlan" 属前端代码侧发现,未经官方证实。10 月以来中断次数、可用性百分比、峰谷机制引入时间均存在多来源口径差异,已分别标注、不加总。本文只作技术机制与产品规则复盘,不含地缘或管制引申,具体规则请以 DeepSeek 官方公告为准。