ChatGPTClaudeGrok / X / CursorGemini

DeepSeek Harness token 数字对不上账单:计量点、缓存命中与投影差异排查

故障排查发布于 2026-11-18作者: DeepSeek Plugin 插件市场
DeepSeek HarnessDSH plugintoken 计量账单上下文压缩
页面显示的 token、会话累计和账单为什么差一截?本文拆开请求前估算、响应后实际与会话累计三个计量点,讲缓存命中、推理 token 与压缩投影的影响,并给一套对账顺序。

「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:

  1. 失败尝试 — 请求发出但失败,可能已计费;
  2. 重试 — 同一任务多次请求;
  3. 压缩前请求 — 压缩后上下文变小,但之前的请求已经发生;
  4. 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)

  1. 账单 — 确认计费周期、模型、缓存规则与套餐折扣;
  2. 会话 — 找到对应会话,确认累计输入输出与请求次数;
  3. 请求 — 看单次请求的计量明细,区分缓存、推理、重试;
  4. 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):

  1. 单请求 — 发一条短任务,记录页面输入输出与账单变化;
  2. 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;
  3. 重试 — 构造一次可重试失败,确认失败尝试是否计入累计;
  4. 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。

ChatGPTClaudeGrok / X / CursorGemini

常见问题

DeepSeek Harness 页面显示的 token 数和账单为什么不一样?

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 的缓存命中 token 会算进上下文吗?

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 压缩上下文后,token 累计会回退吗?

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」。

DeepSeek Harness 对账时应该以哪个数字为准?

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