搜「deepseek rag多少钱」的人,多半已经跑通了 demo,正准备算上线后的账。这时候最容易犯的错,是把整个 RAG 当成一次模型调用,拿生成单价去乘对话条数。实际用下来,账单是三段拼出来的,而且每段的发生频率完全不同。这篇按「先分类再套数」的顺序走一遍,告诉你哪些项要去站内页面看当时数字,哪些项可以直接按调用特征估算。
搜「deepseek rag多少钱」的人,多半已经跑通了 demo,正准备算上线后的账。这时候最容易犯的错,是把整个 RAG 当成一次模型调用,拿生成单价去乘对话条数。实际用下来,账单是三段拼出来的,每段的发生频率差得很远。
跑 demo 那几天,几十份文档、几百次问答,花不了多少。上了线就变了:用户天天问,同一个资料被反复召回,分块策略改一次还得重建一遍。所以先别问「一次调用多少钱」,先问「哪一段在反复花钱」。这篇按先分类、再取数的顺序走一遍。
先把一笔账拆成三段,不然永远算不准
RAG 从文档进来到用户看到回答,中间经过三个花钱的地方。它们不是同一件事,发生频率也不一样。把三段混成一个单价去乘调用量,误差基本都在这里冒出来。
- 入库段
- 文档清洗、切块、向量化。只在建库和增量更新时发生,是一次性投入加周期性增量。
- 检索段
- 每个问题先向量化,再做相似度查询。调用量随提问数线性涨,还容易被重问放大。
- 生成段
- 把召回片段拼进上下文交给 DeepSeek 回答。输入 token 里裹着一大段检索内容,比普通对话肥得多。
三段里,入库段最像「装修」,装完能撑一阵子;检索和生成才是「水电煤」,月月都要付。算账的时候把装修钱摊进月度运营账,会把首月成本看得虚高,也不方便判断业务到底跑不跑得动。
最容易被漏掉的两笔:重复输入和返工重建
第一笔是重复输入。同一段资料,会被不同用户的提问反复带进上下文。用户问的是产品退款规则,召回来了;隔两天换个问法,又召回来了。资料本身的存储成本几乎可以忽略,但它在生成段被调用的次数才是大头。
第二笔是返工重建。分块没切好,回答老是串题;换个 embedding 模型,又得把整个库重新向量化一遍。这部分钱在建库期最难预估,偏偏又最常发生。说白了一句话:召回质量差,用户重问一遍,就是一次完整的三段开销。
- 先看召回片段的总长度,而不是看召回了几条。条数乘长度才是真实输入规模
- 记录同一份资料被召回的频次。一个月被召回几十次的内容,它的成本在生成段不在存储段
- 把建库成本和月度运营成本分开记,别混在一张表里比
- 分块参数和 embedding 模型定下来之前,返工余量至少留一轮
动手算之前,先按这个顺序取数
顺序不能反。先估月提问量,再量单次平均召回的片段长度,两者相乘才是输入侧的真实规模。跳过这一步直接拿模型单价去乘,算出来只是「一次干净问答」的成本,跟线上的实际差得很远。
- 估提问量和重问率用上线前小范围试用的日志估月提问量,另外单独记重问次数。重问率高说明检索段没配好,这部分会翻倍花出去。
- 量平均召回长度抽一批真实问题,看每次召回塞进上下文的片段平均多长。这个数字乘月提问量,就是生成段输入侧的基本盘。
- 分开记建库和运营首次建库的文档总量和更新频率分开写。首次建库按一次性投入记,增量更新按周期性记,别摊进月度账里搅浑。
- 去站内核对单价DeepSeek 的生成单价、向量模型单价都到站内页面核对当时的数字,不要用记忆里的旧价,也不要拿别家的价换算。
| 费用段 | 发生频率 | 怎么估 | 容易错在哪 |
|---|---|---|---|
| 入库段 | 建库一次 + 增量更新 | 文档总量 × 单篇切块后的向量化量 | 把首次建库摊进月度运营账 |
| 检索段 | 每次提问 | 提问量 × 单次查询开销 | 忽略重问带来的重复查询 |
| 生成段 | 每次提问 | 提问量 × 平均召回长度 × 单价 | 只按对话条数算,漏掉召回内容 |
真实单价这里不写死,模型价格会调,写死的数字看两次就过期了。生成侧和向量侧的单价,到 /price-watch 看当时的数字,再套进上面这张表里算。
什么情况下这套算法不适用
上面这套按调用次数线性外推的算法,有几种场景会明显失准。资料量很小、问题又高度集中的业务,可能把文档直接塞进长上下文更省事,检索层纯属白花钱,多搭一套反而多了维护成本。
需要多步推理、反复查资料的场景也一样。一个问题背后可能触发好几轮检索和生成,轮次不可预测,按单轮去乘会低估不少。对回答时延极度敏感的业务,还得在召回条数和模型档位之间做取舍,成本不是唯一变量。
- 资料少、问题集中:先试试不搭检索层,够用就别加
- 多步推理、反复查证:按轮次上限估,别按平均单轮估
- 时延敏感:先定可接受的响应时间,再倒推召回条数和模型档位
- 更新极频繁的库:增量向量化的频率可能比生成段还值得盯
判断标准其实不复杂:如果一个月里检索层的调用次数远低于生成层,而且重问率很低,那这套三段拆法对你的收益有限;反过来,重问多、召回长,拆开算才能看出钱花在哪。
下一步想按自己业务的提问量和召回长度把三段账套一遍,去站内价格追踪页核对当时的模型单价,再回来填表。→常见问题
deepseek rag 的费用主要是模型调用还是向量库?
多数团队跑下来,模型调用那头占大头,尤其是生成段的输入 token。向量库要么自建要么用托管,是相对固定的一笔,量小的时候甚至可以先不花钱。先看调用侧,再看存储侧。
建库那一次到底要花多少?
没有固定答案,取决于文档总量、切块粒度和你选的向量模型。做法是先用一小批资料试跑,量出单篇的向量化开销,再按总量外推。具体单价去站内价格页核对当时数字。
怎么判断是检索段贵还是生成段贵?
看两个指标:平均召回了多少片段、这些片段拼起来多长。召回条数调大一点,生成段成本立刻跟着涨;检索段本身调用量小得多。所以优化优先级通常是先砍召回精度,再谈模型降档。