DeepSeek 免费档能干什么：5 个生产级用法

提到「免费模型」，很多开发者的第一反应是玩具：限流、质量不稳、随时下线。这话对了一半——免费档确实不适合当主力，但如果你把它放到正确的岗位上，它能替你扛掉流水线里量大、简单、错一点无所谓的那部分调用，一个月省下的钱可能比你的服务器账单还多。

本文以平台上的 deepseek-v4-flash-free（按次计费 0 元，每天限流）为例，讲清楚 5 个真正能上生产的用法。所有价格取自价格页实时挂单价；付费档 DeepSeek 的对比测试在上篇实测里写过，本文不重复。

先看清这个免费档的边界#

选型之前先把能力边界摸清，免费模型翻车几乎都是因为用错了场景：

因为限流按「天」算，它的正确用法不是「替代付费模型」，而是把确定性高的批量任务从付费档挪过来。付费档 deepseek-v4.1-flash 的挂单价是 $2.00 / $8.00（输入/输出，美元/百万 tokens），deepseek-v4-pro 是 $12.00 / $24.00——后者一个长 agent 回答的钱，够免费档跑几千次分类。

用法一：意图分类与工单分流#

客服系统的第一跳永远是分类：这句话是投诉、咨询还是闲聊？要不要转人工？这类任务输出只有几个词，token 消耗几乎为零，却占掉全部请求量的 30%–50%。用按 token 计费的模型跑，等于每天都在为几个字付「百万 tokens」的单价零头。

from openai import OpenAI

client = OpenAI(
    base_url="https://api.zaimod.com/v1",
    api_key="sk-...",
)

SYSTEM = "把用户消息分类为:complaint/consult/chatter/other，只输出标签。"

def classify(msg: str) -> str:
    r = client.chat.completions.create(
        model="deepseek-v4-flash-free",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": msg},
        ],
        max_tokens=10,
        temperature=0,
    )
    return r.choices[0].message.content.strip()

三个细节决定成败：temperature=0 保证同一句话分类稳定；max_tokens=10 防止模型「多解释两句」浪费限流额度；标签词表写死在 system prompt 里，输出异常时兜底返回 other。

用法二：内容打标签与审核预处理#

UGC 平台每天要处理成千上万条内容：打话题标签、粗筛敏感内容、判断是否值得进人工审核。这类任务单条成本极低但量极大，是免费档最理想的岗位。实测思路是两段式：免费档做第一遍粗筛，置信度低的（模型输出了犹豫词、或标签冲突）再升级到付费模型复查。

按次免费意味着误杀的代价只是多跑一次，而按 token 计费时每条误杀都是真金白银。把复查率控制在 10% 以内，整体成本基本归零。

用法三：结构化抽取（文本进、JSON 出）#

从简历、订单备注、新闻里抽字段，输出是固定 schema 的 JSON——这是免费模型表现最好的任务类型之一，因为：

• 输出长度短且可预测，不依赖模型的长文能力；
• 判断标准客观（字段在不在、对不对），可以程序化验证；
• 失败可以用 function calling 或 JSON mode 强约束，抽不出来就重试。

import json

def extract_order(text: str) -> dict:
    r = client.chat.completions.create(
        model="deepseek-v4-flash-free",
        messages=[
            {"role": "system", "content": "抽取订单号/商品/数量/地址，输出 JSON，缺字段填 null"},
            {"role": "user", "content": text},
        ],
        response_format={"type": "json_object"},
        temperature=0,
    )
    try:
        return json.loads(r.choices[0].message.content)
    except json.JSONDecodeError:
        return {}   # 解析失败走人工队列

给抽取任务配一个「解析失败 → 记录 → 兜底」的通道，比反复调 prompt 更重要。

用法四：会话标题与摘要#

聊天产品里每轮对话都要生成一个短标题、每次会话结束要存一条摘要。这两个任务的共同点是：不追求文采，只追求不离谱。用旗舰模型给对话起标题，属于典型的「高射炮打蚊子」——deepseek-v4-pro 跑一次摘要的钱，免费档能跑上千次。

摘要的工程要点是分段：长会话先按窗口切，免费档逐段摘，最后拼一次总摘要。全程免费，质量损失靠最后一段总摘要的 prompt 补。

用法五：批量数据的预处理流水线#

爬虫清洗、日志摘要、翻译草稿、SEO 描述生成——凡是「跑一晚上、结果第二天人要看」的离线任务，都可以交给免费档。限流按天计，夜间任务反而最合适：白天限流额度留给实时接口，晚上跑批把当天额度用满。

一条实用流水线：免费档产出草稿 → 抽样 5% 用付费模型抽检 → 抽检不合格率超阈值再整体升级。这样即使免费档某天质量波动，损失也被抽样机制挡住了。

什么时候必须升级到付费档#

免费档的边界也很清楚，遇到以下情况直接换付费模型，别硬撑：

1. 长链路 agent 主脑：多步推理、工具调用，一步错步步错，用 deepseek-v4.1-flash（$2/$8）或更强的主力档；
2. 实时对话高峰：限流会直接拒绝请求，用户体验比省钱贵；
3. 长上下文任务：几十万 tokens 的文档处理，轻量模型压缩能力不够。

接口层面两者完全一致，都是 OpenAI 兼容协议，切换只是改一个 model 字符串。接入步骤见快速开始，兼容协议细节在 OpenAI 兼容协议说明里。

注册后自带测试额度，可以先把免费档接到真实流水线里试跑一周，用控制台的用量明细对比挪走前后的账单差异——数字会比你预估的更直观。

延伸阅读#

• DeepSeek V4 vs GPT-6：价格实测
• OpenAI 兼容协议详解
• 月预算 50 美元的大模型组合方案