В описании приложения DeepSeek в Google Play ассистент назван бесплатным, но официальная документация DeepSeek для API считает расход по токенам. Именно эту границу важно увидеть до интеграции: дипсик бесплатно в пользовательском приложении не означает бесплатный API. В приложении можно оценить ассистента, а в API нужно заранее понять, из каких токенов и какого состояния кэша сложится счёт.
Это не придирка к формулировке. Команда может принять решение по привычному бесплатному чату, а затем передать в API длинные инструкции, историю диалога и развёрнутые ответы. Тогда стоимость определяется уже не впечатлением от интерфейса, а конкретным запросом.
Подключите модели для проверки контента с оплатой в рублях на provod.ai
«Бесплатно» относится к разным продуктам
Запись в Google Play обновлялась 9 июля. Это полезный факт для человека, который хочет попробовать чат: приложение DeepSeek в Google Play описано как бесплатное. Но официальная документация DeepSeek Models & Pricing для API описывает другую модель расчёта: расход равен числу токенов, умноженному на тариф, причём для cache hit, cache miss и output указаны отдельные ставки.
Для API важны три отдельные части:
| Часть запроса | Что проверить | Почему это меняет счёт |
|---|---|---|
| Вход с попаданием в кэш | Число input tokens и состояние cache hit | Для попадания в кэш действует отдельная ставка |
| Вход без кэша | Число input tokens и cache miss | Полный новый контекст учитывается по другой ставке |
| Ответ модели | Число output tokens | Длинный ответ добавляет расход независимо от входа |
Значит, вопрос перед запуском не «дешёвая ли модель вообще», а «сколько стоит наш запрос при нашем контексте и ожидаемой длине ответа». 21 июля на Hacker News обсуждали материал о снижении цены DeepSeek на 75%. Это сигнал внимания к теме, а не новый тариф и не идентификатор проверяемой модели: для расчёта нужны название модели и точные ставки с официальной страницы цен API на дату проверки.
Один запрос вместо спорной оценки на глаз
Сделайте маленький canary до интеграции. Он не докажет будущую месячную стоимость, зато покажет механизм, который потом нужно масштабировать.
Возьмите один фиксированный, несекретный промпт, например: «Сформулируй два нейтральных предложения о пользе проверки токенов перед интеграцией». Не меняйте его между запусками.
Этот текст не выдаёт шаблон за выполненный canary: без фактического ответа API нельзя честно назвать модель, число токенов, состояние кэша или стоимость. Воспроизводимой проверка станет только после одного реального запроса, для которого сохранены и сам промпт, и учёт ответа. После него соберите одну запись расчёта:
{ "model": "<фактический\_идентификатор\_модели>", "price\_page\_date": "YYYY-MM-DD", "cache\_state": "<hit\_или\_miss>", "cache\_hit\_tokens": "<число>", "cache\_miss\_tokens": "<число>", "output\_tokens": "<число>", "cost": "cache\_hit\_tokens × hit\_rate + cache\_miss\_tokens × miss\_rate + output\_tokens × output\_rate" }
Сверьте, что учёт выполненного запроса позволяет заполнить каждое поле фактическими значениями, а не предположениями. Ставки перепишите с официальной страницы тарифов в тот же день вместе с названием модели. Если интерфейс или ответ не позволяют увидеть модель, состояние кэша, нужные значения токенов и дату применённого тарифа, это уже результат проверки: счёт нельзя воспроизводимо посчитать одним запросом.
Не подставляйте в формулу одну усреднённую цену входа. И не прячьте output tokens: они добавляют расход, если продукт просит модель подробно объяснять, переписывать или генерировать большой результат.
Где первоначальная логика ломается
Кажется разумным сказать: если тариф снизился, можно сразу переносить нагрузку. Это сильная позиция, особенно когда задача короткая, контекст мал, а ответ ограничен несколькими строками. В таком случае один запрос действительно может стоить очень мало.
Поворот начинается не с абстрактного риска, а с первой квитанции. Она может показать не одну «цену запроса», а раздельные cache hit, cache miss и output. Если фиксированный промпт дал короткий ответ, это всё ещё не подтверждает стоимость сценария с длинной историей или развёрнутой генерацией. Официальное правило расчёта уже разделяет эти категории на разные ставки: промах кэша меняет категорию входа, а требование «ответь подробно» увеличивает выход. Скидка уменьшает ставку на момент наблюдения, но не отменяет структуру расхода.
Поэтому один canary не следует превращать в обещание бюджета. Его задача скромнее и полезнее: выявить, какие переменные в вашем продукте вообще способны сделать счёт заметным.
Диагностика перед интеграцией
Используйте API, если вам нужна автоматическая обработка и вы готовы измерять токены на реальном ограниченном сценарии. Не называйте это бесплатным API только потому, что приложение DeepSeek в Google Play описано как бесплатное.
Перед расширением нагрузки остановитесь и пересмотрите решение, если выполняется хотя бы одно из условий:
- для ключевого запроса не видны модель, входные токены, выходные токены или состояние кэша;
- расчёт использует старую цену без даты проверки;
- один тестовый ответ пытаются выдать за прогноз для всех пользователей;
- продукт не ограничил длину контекста или ответа;
- тест содержит чувствительные данные.
Следующий шаг после canary уже не гадание, а три сценария с явно записанными допущениями: короткий запрос, типичный запрос и длинный запрос с cache miss. Для каждого подставьте свои токены и текущие ставки. До запуска заранее выберите порог, при котором сценарий требует ограничения контекста, ограничения ответа или повторной оценки модели. Ограничение контекста контролирует объём входных токенов, а состояние cache miss нужно измерять и проверять отдельно. Так появится диапазон и правило решения, а не ложная точность.
Когда нужно сопоставить тот же ограниченный workload на едином API-маршруте, полезно держать рядом видимую модель и сравнимый учёт расхода. provod.ai может быть таким местом сравнения, но не делает DeepSeek бесплатным и не отменяет проверку тарифов и токенов.
Что для вашего сценария разумнее ограничить первым после canary: длину контекста для контроля входных токенов или длину ответа для контроля output tokens, если cache miss вы будете измерять отдельно?
provod.ai — отдельное пространство для задач компании
Рабочие запросы, доступы и расходы не должны жить в личных аккаунтах сотрудников: корпоративное пространство объединяет команду и помогает сохранять управляемый контур использования AI.
В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.
Компания получает единый тарифный принцип: цены 1:1 с официальными поставщиками и нулевая собственная наценка provod.ai.
Создайте рабочее пространство команды: форма регистрации · цены на модели · защита данных по 152-ФЗ · политика обработки данных