DeepSeek Harness token 数字对不上账单:计量点、缓存命中与投影差异排查
「页面显示 1 万 token,账单扣了 1.4 万」不一定是计量坏了,而是两个数字来自不同层。 页面通常展示会话计量与上下文投影,账单来自提供商的实际计费;缓存命中、推理 token、重试与压缩都会让两者出现差异(来源)。对账的目标不是让两个数字相等,而是解释差额从哪来。
DeepSeek Harness 三个计量点
Token 数字至少有三个时间点:请求前、响应后、会话累计。 三者用途不同,不能混着看。(来源)
| 计量点 | 什么时候产生 | 回答什么问题 |
|---|---|---|
| 请求前估算 | 组装请求时 | 这次请求大概多大、会不会超限 |
| 响应后实际 | 响应结束后 | 这次实际用了多少输入输出 |
| 会话累计 | 每次请求后累加 | 这条会话总共消耗多少 |
请求前估算是为了决策:要不要压缩、要不要截断、会不会超过模型窗口。它通常不是最终计费值。
响应后实际更接近账单,但仍可能受缓存、推理 token 与提供商计费口径影响。它回答「这次请求发生了什么」。
会话累计是过程记录,不是账单。它包含重试、失败尝试与压缩前的请求;账单可能按提供商规则合并或折扣。
排查时先确认你看的是哪一个数字。把请求前估算当账单,会高估;把会话累计当当前上下文,会低估。
DeepSeek Harness 缓存命中与推理 token
缓存命中与推理 token 是两处最常见的差额来源。 它们不一定在同一个总数里体现。(来源)
- 缓存命中 — 提供商复用了先前计算的上下文片段,计费可能更低;但模型看到的上下文与未命中时不一定完全相同,取决于提供商实现。
- 推理 token — 推理模型可能产生不展示给用户的思考 token,计量与计费可能单独计算;页面只显示可见输出时,就会显得「账单更多」。
判断方法:看计量明细里有没有缓存命中与推理字段,而不是只看总 token。没有明细时,先怀疑这两类,而不是先怀疑计量坏了。
还有一个常见差额:重试。一次失败尝试可能已经消耗 token,重试又消耗一次;会话累计会记录两次,账单也可能收两次,但页面只展示最终成功的那次输出。
DeepSeek Harness 会话累计与账单
会话累计记录「发生过什么」,账单记录「扣了什么」。 两者目标不同,差额是正常的。(来源)
会话累计通常包含:
- 失败尝试 — 请求发出但失败,可能已计费;
- 重试 — 同一任务多次请求;
- 压缩前请求 — 压缩后上下文变小,但之前的请求已经发生;
- 工具调用 — 工具结果进入上下文,增加后续请求大小。
账单可能按提供商的缓存折扣、批量规则或套餐折算,不一定与会话累计一一对应。用会话累计解释账单,而不是要求两者相等。
如果差额持续扩大,先看是否有循环重试、超大工具结果或频繁压缩。这三类会让 token 消耗非线性增长。
DeepSeek Harness 三处数字为什么不同
三处数字不同,通常不是 bug,而是口径不同。 对照三种情况(来源):
| 现象 | 可能原因 | 先查什么 |
|---|---|---|
| 页面比账单少 | 缓存/推理 token 未展示、重试未计入 | 计量明细、重试记录 |
| 页面比账单多 | 会话累计包含失败尝试、压缩前请求 | 失败尝试、压缩记录 |
| 当前上下文比累计少很多 | 压缩或截断生效 | 压缩时间点、上下文投影 |
第一行最常见。页面展示的是「可见消耗」,账单是「实际扣费」;推理 token 与缓存规则会让账单更高。
第二行也不少见。会话累计把失败尝试也算进去,账单可能只收成功请求;这时页面反而更高。
第三行是「当前上下文」与「累计消耗」的区别。压缩后当前上下文变小,但累计不会回退;不要把两者当成同一个数字。
DeepSeek Harness 对账顺序
对账按「账单 → 会话 → 请求 → 上下文」四层往下查。 顺序固定,能避免在错误层反复计算。(来源)
- 账单 — 确认计费周期、模型、缓存规则与套餐折扣;
- 会话 — 找到对应会话,确认累计输入输出与请求次数;
- 请求 — 看单次请求的计量明细,区分缓存、推理、重试;
- 上下文 — 看压缩与截断是否改变了后续请求大小。
四层对完,差额通常能落到某一类:缓存、推理、重试、压缩或计费规则。落不到类,再怀疑计量实现。
不要一上来就重算 token。手工重算容易忽略系统提示词、工具 schema、图片与附件,结果往往比系统数字更偏。
DeepSeek Harness 用一条小会话验证对账
验证对账方法,用一条小会话做对照,不要拿长会话。 四步(来源):
- 单请求 — 发一条短任务,记录页面输入输出与账单变化;
- 带工具 — 发一条会调用工具的任务,观察工具结果是否增加后续请求;
- 重试 — 构造一次可重试失败,确认失败尝试是否计入累计;
- 压缩 — 触发一次压缩,确认当前上下文下降但累计不回退。
四步跑完,你就能解释大多数差额。仍然解释不了,再去看提供商计费文档与计量实现。
旧文 develop-token-meter-and-spill 讲计量机制,dsh-usage-tracking-plugins 讲用量插件,billion-context-cost-limits 讲长上下文成本;本篇补的是对账顺序。先分清口径,再谈差额。
常见问题
DeepSeek Harness 的页面数字通常来自请求计量与会话投影,账单来自提供商的实际计费;缓存命中、推理 token、压缩与重试都可能让两者不同。
DeepSeek Harness 里,缓存命中影响计费与请求形状,但不等于模型看到的上下文完全一致。DeepSeek Harness 的计量会把命中部分单独体现,排查时要看计量明细而不是只看总数。
DeepSeek Harness 里,不会简单回退。DeepSeek Harness 的压缩会改变后续请求的上下文,但历史会话的累计计量仍记录已经发生的请求;对比时要区分「当前上下文」与「累计消耗」。
以提供商账单为准,用 DeepSeek Harness 的会话计量解释差异。账单是实际扣费,会话计量是过程记录;两者不一致时,先查缓存、重试与压缩。
相关术语
- Token 计量
- Token 计量是 DeepSeek Harness 对模型请求与响应中 token 数量的记录,用于成本估算、上下文压力与使用统计。— DeepSeek Harness 官方文档 - Token 计量
- 缓存命中
- 缓存命中是提供商复用了先前计算的上下文片段,通常影响计费与请求形状,但不等于模型看到了完全相同的上下文。— DeepSeek Harness 官方文档 - Token 计量
- 会话累计
- 会话累计是 DeepSeek Harness 对一条会话中所有请求 token 的累计记录,不会因后续压缩而抹掉已发生请求。— DeepSeek Harness 官方文档 - Token 计量
- 上下文压缩
- 上下文压缩是 DeepSeek Harness 在上下文压力下用摘要替换较早历史的过程,会改变后续请求的输入大小。— DeepSeek Harness 官方文档 - 上下文压缩
来源
- DeepSeek Harness 官方文档 - Token 计量· deepseek-harness
- DeepSeek Harness 官方文档 - 上下文压缩· deepseek-harness