DeepSeek V4 官方涨价最高 1100%，B.AI 限时免费接入 API 攻略

09-02更新，据官方平台发布，DeepSeek V4 Flash 和 Vision Exp 的免费期到 9 月 3 日 17:00（新加坡时间） 就停。之后按官方峰谷价再打折：工作日 9–12 点、14–18 点是官方价五折；其余时间和周末再打一层，相当于官方高峰价的 2.5 折。

想继续白嫖的话，平台推 GLM 5.3 Flash（就是前一阵那个 Ox Alpha）。320B 总参、18B 激活，原生多模态，1M 上下文。Qwen3.8 Flash、Hy3、MiMo V2.5 也还免费。

2026-08-29，提供更多免费模型

🎁 http://B.AI 免费模型阵容全线就位，全部 $0 零门槛使用！

无论你是高频开发者还是日常 AI 深度用户，http://B.AI 都为你准备了零门槛的强力模型选单！

🔥 社区首选：GLM-5.3-Flash
前段时间爆火的神秘模型“Ox Alpha”揭晓！作为 GLM-5 系列首款原生全模态模型，拥有 320B 总参数/18B 激活，采用稀疏+线性注意力混合架构与 1M 上下文。响应极速、推理强大，是目前综合体验与高频调用的不二之选！

📋 全量免费模型阵容一览：

🔹 GLM-5.3-Flash：320B 原生全模态，1M 上下文，极致性价比首选
🔹 Qwen3.8-Flash：125B MoE 架构，GDN+QSA 混合注意力，性能超越 Qwen3.7-Plus
🔹 DeepSeek-V4-Flash：284B/13B 稀疏 MoE，1M 上下文，推理直逼 V4-Pro
🔹 DeepSeek-V4-Flash-Vision-Exp：1M 上下文，支持图文混合输入，多模态 Agent 体验拉满
🔹 Hy3（腾讯混元）：295B 稀疏 MoE，快慢思考融合，Agent 性能比肩旗舰
🔹 MiMo-V2.5（小米）：310B 稀疏 MoE，原生多模态，支持文/图/音/视全能输入

2026-08-17 起，DeepSeek 官方 API 对 deepseek-v4-flash 与 deepseek-v4-pro 启用峰谷计价，基础单价同步上调。不过 B.AI 对 deepseek-v4-flash 限时免费使用，覆盖 Web Chat 与 OpenAI 兼容 API。

DeepSeek V4 官方价格策略

高峰时段：09:00–12:00、14:00–18:00，空闲时段为上述时段外，价格减半。

对照 5 月的价格，高峰缓存命中输入涨幅 1100%，输出涨幅 350%，对于“勤俭持家”的你，估计接受不了，所以赶紧薅 B.AI 的羊毛吧。

B.AI 是什么

B.AI 是第三方聚合网关，不是 DeepSeek 官方渠道。其 2026-08-17 公告将 deepseek-v4-flash 调整为免费，不过你得需要点魔法才能访问。

技术规格对齐官方开源版：

• 284B 总参 / 13B 激活 MoE，MIT License
• 1M 上下文，384K 最大输出
• 支持 tool_calls、JSON output、非思考/思考切换

免费为"限时"，平台未给结束时间，反正可以薅羊毛就对了，Google 邮箱可直接登录，然后创建 key 即可。

B.AI OpenAI 兼容接入

• Base URL：https://api.b.ai/v1
• Auth：Authorization: Bearer sk-xxx
• 模型名：deepseek-v4-flash

cURL

curl https://api.b.ai/v1/chat/completions \
  -H "Authorization: Bearer $BAI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek-v4-flash","messages":[{"role":"user","content":"ping"}],"max_tokens":256}'

使用 curl 通了之后就可以直接到 cc-switch 配置好，codex 就可以正常访问了。

常见问题

使用 deepseek 在 codex 使用可能会遇到下面的错误：

{"error":{"message":"The `reasoning_content` in the thinking mode must be passed back to the
API.","type":"invalid_request_error","param":"","code":"invalid_request_error"}}

我们需要将 model_reasoning_effort 设置为 none 即可。

model_reasoning_effort = "none"