2026 DeepSeek Harness 跑一天多少钱？成本这样估

「一天」不是成本單位，只是觀察時間。真正可比較的單位應是：

總成本 = 模型呼叫成本 + Mac 環境成本 + 儲存與日誌成本 + 人工維護成本

其中模型呼叫成本再拆成：

模型成本 =（快取命中輸入 Token × 命中單價）+（快取未命中輸入 Token × 未命中單價）+（輸出 Token × 輸出單價）

若有多個子任務，還要乘上實際請求次數，而不是只看主任務數量：

有效完成成本 = 當日總成本 ÷ 完成並通過驗收的任務數

短期驗證，建議按「每個任務」計量。每天固定批次，按「每日有效完成成本」監測。持續 Agent，則必須加上預算上限、自動停止條件與人工接管率。沒有完成條件和中止條件時，「跑一天」只會形成一筆無法重現的帳。

截至 2026 年 8 月 18 日，DeepSeek 官方價格頁列出：

• DeepSeek V4 Flash：快取命中輸入每百萬 Token $0.0028，未命中輸入每百萬 Token $0.14，輸出每百萬 Token $0.28。
• DeepSeek V4 Pro：快取命中輸入每百萬 Token $0.003625，未命中輸入每百萬 Token $0.435，輸出每百萬 Token $0.87。
• 兩者上下文長度均為 1M Token，最大輸出均標示為 384K Token。

資料來源：DeepSeek 官方 Models & Pricing。價格可能調整，重新估算前應再次核對官方頁面。

這代表不能只問「V4 Pro 和 V4 Flash 哪個更省成本」。應同時記錄三個變數：

1. 每次請求的輸入 Token。
2. 每次請求的輸出 Token。
3. 任務完成前需要重試或重新推理的次數。

例如，V4 Pro 的輸出單價較高，但如果它能減少工具失敗、錯誤修補和人工重新發起，最終的有效完成成本未必較高。相反，V4 Flash 適合大量格式化、初步分類、簡單測試與批次改名，但若輸出品質不足，重試造成的 Token 會抵銷單價優勢。

我們建議在 Harness 的每筆請求記錄以下欄位：

task_id
model
prompt_tokens
prompt_cache_hit_tokens
prompt_cache_miss_tokens
completion_tokens
retry_count
tool_failure_count
human_takeover
final_status

官方 API 回應會提供 prompt_tokens、prompt_cache_hit_tokens、prompt_cache_miss_tokens 和 completion_tokens，可直接用來填入公式。欄位定義可參考 Chat Completion 回應文件。

DeepSeek Harness 一天會用多少 Token？

沒有固定答案。長時間編碼通常不是一個請求，而是「讀取狀態、呼叫工具、取得結果、再次推理」的循環。每次循環都可能重新提交部分上下文，輸出也可能包含推理內容、程式碼、測試結果和修正方案。

因此我們不應以「運行 24 小時」推算 Token，而應先估算：

每日 Token = 每個子任務平均請求次數 × 每次輸入 Token + 每次輸出 Token，再加上失敗重試 Token

如果每個任務的輸入高度重複，快取命中會降低輸入成本；但官方明確說明快取採最佳努力方式，並不保證百分之百命中。快取命中狀態應以 API 回應中的欄位為準。相關規則見 DeepSeek Context Caching 文件。

DeepSeek 的磁碟快取預設啟用。只有完整匹配已建立的前綴單位，後續請求才可能命中。若 Harness 每次改動系統提示、工具描述或檔案前綴，原本可重用的內容便可能變成未命中輸入。

我們會把快取問題分成兩類：

• 穩定前綴：固定系統指令、工具定義、專案規則、長篇參考資料。這些內容適合放在請求前段，並觀察後續命中狀況。
• 高變動內容：最新錯誤、測試輸出、即時檔案差異和使用者新指令。這些內容通常較難重用。

官方文件指出，每次請求會建立快取前綴單位，快取可能在停止使用後自動清除，通常是數小時至數天；這不是我們可以當作永久儲存的資料層。

提醒： 不要把快取命中率直接當成節省比例。即使輸入成本下降，輸出 Token、失敗重試、Mac 待機與人工接管仍會繼續計費。

官方目前列出的帳戶級並發限制為：DeepSeek V4 Pro 500，DeepSeek V4 Flash 2500。超過限制會收到 HTTP 429；並發是從請求送出直到模型回應完成期間計算，且限制按帳戶計算，不是每把 API Key 各自獨立計算。詳細限制見 DeepSeek Rate Limit 文件。

這些數字是服務端連線限制，不是 Harness 在 Mac 上可以安全承受的工作數。實際成本還會受到以下因素影響：

• 子任務是否共用同一份檔案與工作目錄。
• 工具呼叫是否會互相覆寫結果。
• 429 限流後採取固定等待、指數退避，還是立即重試。
• 工具回傳錯誤後，Agent 是否重新提交整段上下文。
• 人工是否因任務看似卡住而再次發起請求。

官方錯誤文件把 429 定義為請求過快，402 則代表餘額不足；500 和 503 則屬於服務端錯誤或過載，重試策略必須與錯誤類型分開處理。可按 DeepSeek API 錯誤碼說明設定不同的停止與重試規則。

Mac 成本不是只有租金。若使用已有設備，至少要記錄它在任務期間無法服務其他工作的機會成本；若使用遠端 Mac，則要加入啟動、連線、儲存、日誌保留、備份與無人值守恢復。

我們通常把環境分成三種：

• 已有 Mac 閒置運行：現金支出可能接近零，但會占用磁碟、記憶體、電力、網路上傳頻寬和日常工作時間。
• 短期遠端 Mac：適合驗證任務流程。環境週期應覆蓋安裝、執行、匯出結果和清理，不宜只按模型實際推理時間計算。
• 長期保留節點或多人共享：適合固定批次，但要把閒置時間、權限審批、使用者隔離、備份和故障接管納入。

MESHLAUNCH 的遠端 Mac 方案頁面可作為環境選型入口，但本文不預填租賃金額，也不把任何未核實的 Mac 配置或節點價格寫進成本公式。若需要進一步比較本地設備與遠端環境，可參考本地 Mac 與雲端 Mac 的成本比較方向，再把實際報價與占用時段填入自己的預算表。

本地 Mac 與雲端 Mac 的比較，可先用這個口徑：

本地環境成本 = 設備機會成本 + 電力與網路增量 + 儲存與備份 + 維護時間

遠端環境成本 = 租賃費 + 啟動與清理時間 + 儲存與日誌 + 連線及故障恢復成本

若本地設備只在夜間執行，卻需要白天人工處理異常，低現金成本不等於低總成本。反過來，若任務只做一次驗證，長期保留遠端節點也可能造成不必要的閒置支出。

持續運行 AI Agent 要計算哪些費用？除了 API 和 Mac，還要計算人的時間：

• 安裝與升級 Harness。
• API 格式、工具介面或模型參數變更後的相容性修復。
• 檔案權限、SSH、VNC、金鑰和環境變數審批。
• 任務失敗時的人工接管。
• 產出程式碼的測試、審查和結果復核。
• 日誌清理、備份還原與無人值守恢復。

DeepSeek 官方文件目前列出 thinking 模式預設啟用，部分複雜 Agent 請求會自動使用較高推理 effort；這會影響輸出量和任務耗時，不能把所有請求視為同一種推理成本。設定方式可參考 Thinking Mode 官方文件。

開發者預覽期尤其要預留升級回歸成本。今天可以完成的工具鏈，未必能在下次模型、SDK 或 Harness 更新後原樣運作。若每次異常都由資深工程師處理，人工成本可能很快超過 API 費用。

我們建議每次執行前先填入：

任務名稱：
完成條件：
中止條件：
預計子任務數：
模型：
預計輸入 Token：
預計輸出 Token：
可重用上下文：
最大重試次數：
Mac 環境開始時間：
Mac 環境結束時間：
人工接管條件：
每日預算上限：

完成條件要能驗收，例如「所有測試通過並產出差異檔」，而不是「Agent 沒有再回覆」。中止條件也要明確，例如連續工具失敗、超出 Token 預算或人工接管時間已達上限。

可勾選檢查清單：

• [ ] 已保存每次請求的輸入與輸出 Token。
• [ ] 已分開記錄快取命中與未命中輸入。
• [ ] 已統計限流、工具錯誤和人工重新發起。
• [ ] 已把 Mac 從啟動到清理的完整占用時間記入。
• [ ] 已記錄日誌、備份和儲存保留成本。
• [ ] 已把人工分鐘數換算成團隊內部成本。
• [ ] 已按「通過驗收的任務」計算有效完成成本。

模型選擇可依以下條件分支：

• 若任務需要複雜程式設計、長鏈推理，且 V4 Pro 能顯著降低重試或接管，則保留 DeepSeek V4 Pro。
• 若任務是大量簡單批次、固定格式輸出，且錯誤率可接受，則優先測試 DeepSeek V4 Flash。
• 若輸入前綴重複度高，先優化上下文排列並觀察快取命中，再判斷是否需要縮短上下文。
• 若 429 或工具失敗頻繁出現，先降低並發與增加退避，不要直接增加 Mac 算力。
• 若每日有效完成成本超過預算上限，先縮短環境週期或暫停低價值任務，再考慮擴容。
• 若人工接管率持續偏高，先修正工具權限、測試流程和中止條件，不能只換更貴模型。

我們會每天查看四個指標：

每任務成本：判斷單項工作是否值得自動化。

有效完成成本：排除失敗任務後，判斷真正交付一項結果要花多少。

每日預算消耗：防止多個 Agent 同時重試，把固定預算快速用盡。

人工接管率：判斷目前是模型能力問題、工具鏈問題，還是環境運維問題。

如果成本主要來自輸出 Token，應限制輸出長度、拆小任務或調整推理模式。如果成本主要來自未命中輸入，應整理固定上下文。如果成本主要來自重試，應先處理限流、工具錯誤和狀態保存。如果成本主要來自 Mac 占用，則應比較短期遠端環境、長期保留節點與已有設備的實際占用率。

若我們直接把 Harness 放在開發者日常使用的本地 Mac，常見缺點是會與互動式開發爭用記憶體和磁碟，重啟後不一定能自動恢復，權限與金鑰也較難交接；若改用一般雲端主機，則可能遇到 macOS 相容性、圖形工具、Apple 平台測試和遠端操作流程不一致。

對只做短期驗證、夜間批次或需要特定 Mac 工具鏈的任務，先租用 MESHLAUNCH 的 Mac 環境，通常比立即購置設備或長期保留未充分利用的節點更容易校準成本。對長期穩定重負載、需要物理介面或已有專用設備的團隊，自購 Mac 仍可能更合適。無論選哪一種，先用小規模真實任務填滿上述記錄，再按環境占用率決定短租或長期保留，預算才不會被「跑了一天」這個模糊單位帶偏。