上周三下午，我对着账单发了十分钟呆。

不是因为贵，是因为便宜得有点离谱——把团队的 AI 工作流从 GPT-4 切到 DeepSeek，一个月省下来的钱，折算成瑞幸，够 8 个人喝 30 天。

这笔账我得掰开了算。

一杯咖啡背后的数学题

先说原来的开销。我们组做的是内部知识库问答，每天大概 5000 次调用，平均每次 1500 tokens。用 GPT-4-turbo 的话，input $10/M tokens，output $30/M tokens。简单算：每月光 API 就要 $400+。

换成 DeepSeek V3 呢？百万 tokens 才 1 块钱（缓存命中更低）。同样的调用量，月费用直接掉到 $15 以下。

省下来的差价：$385，折合人民币 2700 多。瑞幸 9.9 一杯，8 个人每天一杯，一个月正好花 2400。还剩 300 块零头。

数学不会骗人。

为什么不早换？

其实很多团队有同样的疑虑：便宜的 API 能打吗？

这个问题得分场景。如果你做的是强推理任务（比如复杂数学证明），模型差异确实存在。但大多数企业场景——客服、知识库、文档摘要、数据清洗——DeepSeek V3 的效果已经"够用且有余"。

我们切换前做了一周 AB 测试：同样的 Prompt，DeepSeek 的回答准确率 91%，GPT-4 是 93%。2 个百分点的差距，换来 95% 的成本下降。这笔账，值。

实操路径：Sealos + Dify 的组合拳

光有便宜 API 还不够，怎么把它跑起来才是问题。

我们的方案很直接：Sealos 上一键部署 Dify，然后在 Dify 里接入 DeepSeek。

为什么选这套组合：

• Dify 是开源的 LLM 应用开发平台，能可视化搭建工作流，不用写一行代码就能把 RAG、Agent、API 编排搞定

• Sealos 解决部署问题，模板商店里直接有 Dify，点两下就跑起来，不用折腾 K8s 配置

整个迁移过程花了半天。上午部署环境，下午把原来的 Prompt 迁移过去，改个 API 地址，收工。

没有最好的，只有最适合的

说句公道话：GPT-4 依然强大，Claude 在长文本上有优势，国内的 Kimi、文心也各有场景。

DeepSeek 的牌面很清晰——性价比。对于调用量大、对延迟不敏感、效果"够用就行"的场景，它是目前最务实的选择。

而 Sealos + Dify 的价值在于：让切换成本趋近于零。今天用 DeepSeek，明天想试试别的，改个配置就行。不被任何一家绑死。

后记

这周五组里聚餐，我请客。

小朋友们问为什么突然大方了，我说："DeepSeek 请的。"

没人听懂，但不重要。重要的是，技术选型这件事，有时候真不用那么拧巴——能省钱的方案，就是好方案。