面向编程代理的低价 LLM API

为什么缓存输入决定账单

代理的每一步都是一次新调用，它以相同的系统提示词、相同的工具模式以及到目前为止的全部对话开头，再加上一小部分新内容：刚读到的文件、一次测试结果。到任务中途，一次调用就有数万个 token，而其中几乎全部都出现在上一次调用里。

当一次调用的开头与最近一次调用相同时，模型从缓存读取该开头，这些 token 按缓存价计费。在 DeepSeek 上，缓存价为每百万 $0.011，未缓存为 $0.45，约便宜 41 倍。缓存是自动的；每条回复都会在 usage.prompt_tokens_details.cached_tokens 中说明有多少被缓存。

• 保持开头稳定：系统提示词和工具放最前，历史居中，新消息放最后。代理通常已经是这样的顺序。
• 如果代理压缩或改写历史，就会开始一个新缓存；下一次调用会全额付费一次。
• 缓存持续几分钟，且需要约 1,000 个或以上 token 的开头。为每个任务发送 prompt_cache_key，让其调用保持在已缓存它的服务器上。

一个月的代理工作，算好价

一位开发者，代理每个工作日运行约 4 小时，每小时约 100 次调用，共 22 天：8,800 次调用。每次调用发送 50,000 个 token，返回 700 个。50,000 个中的 46,000 个（92%）重复上一次调用，来自缓存。以下为 DeepSeek V4.1 Flash Uncensored 的计算：

缓存输入占 token 的 92%，但只占费用的 14%。如果完全没有缓存命中，同一个月将是 $208.78，是原来的 6.7 倍。

你的数字会不同。用你自己的 token 大小在定价页面计算，并核对一次真实运行：每个回复都会在 usage.nokeep_credits 中带有成本，控制台按天显示花费。

为长时间代理运行而构建

• 百万 token 的上下文，适用于 deepseek-v4.1-flash-uncensored，回复最长 131,072 个 token，因此大型仓库地图或长会话无需裁剪即可容纳。
• 两个模型都支持 OpenAI 格式的工具调用，DeepSeek 还支持 tool_choice 和 parallel_tool_calls。参见工具调用。
• 任务中途不拒答。 两个模型的拒答都已移除，因此安全修复、漏洞利用测试或爬虫不会让运行中断。
• 自动充值。 在控制台中开启后，余额不足的调用会向你已保存的银行卡收取一次费用并继续完成，而不是返回会让代理停止的 402。每 24 小时最多运行三次、最多 $100，且目前尚不支持印度发卡的银行卡。
• 默认无每日上限。 新密钥仅受你的积分限制；如需上限，可在控制台为每个密钥添加。每个密钥每分钟 120 次请求。

设置你的代理

下面每个代理都支持 OpenAI 格式。把它指向 https://nokeep.ai/v1，粘贴你的密钥，并选择 deepseek-v4.1-flash-uncensored。凡有指南的，都会展示确切的设置界面：

• opencode
• Cline
• Kilo Code
• Aider
• Continue
• Zed
• Goose

其他任何接受自定义 OpenAI 兼容端点的工具，设置方法相同。哪些支持、哪些不支持，参见 OpenAI 兼容 API 页面。