91 到 99.82：DeepSeek 自家的天花板被外人打穿

先把数字摆清。

DeepSeek 在 2026 年 4 月 27 日宣布永久降价。输入 token 分两档：cache hit 0.25 元/百万，cache miss 2.5 元/百万。命中价是未命中价的十分之一。这是 V4 的核心定价杠杆——你的命中率每提高一个量级，账单就降一档。

量子位在降价文里给了 DeepSeek 自家的命中率基线：V4 Pro 约 96%，V4 Flash 约 91%。这两个数字是 DeepSeek 官方 web 和 app 的真实表现，来自服务端 session cache + 增量上下文的组合优化。已经是行业里最高的一档。

99.82% 比这个基线又往上拱了一个数量级。"一个数量级"不是夸张——这里要看的是 miss 的绝对量，而不是 hit 的百分比。从 91% 命中到 99.82% 命中，看起来只多了 8.82 个百分点，但 miss 比例从 9% 降到了 0.18%，是 50 倍的差距。在 4.35 亿 token 的体量上，这 50 倍直接换算成账单。按 DeepSeek 现价粗算：

• 91% 命中：3.96 亿 hit × 0.25 + 0.39 亿 miss × 2.5 = 约 99 元 + 97.5 元 = 约 197 元
• 99.82% 命中：4.342 亿 hit × 0.25 + 78 万 miss × 2.5 = 约 108.5 元 + 1.95 元 = 约 110 元

110 元对应的就是 12 美元。Reasonix 不是在和裸 API 比，是在和已经做了一轮命中率优化的 DeepSeek 官方服务比。它在比 91% 这条线还要往上拱。

为什么 DeepSeek 自家拿不到 99%？因为 DeepSeek 的 web 服务要兼顾所有用户的所有 session。新用户、新对话、跨设备、多端同步——这些场景里没有稳定前缀。DeepSeek 的服务端缓存是被动检测公共前缀，能命中多少看缘分。Reasonix 反过来——它假设你只是在一个 codebase 里写代码，假设你的 session 是长的，假设你的工具集合是固定的。这些假设大幅缩小了使用场景，换来了字节级稳定的前缀。

三个固定区域：harness 怎么把上下文焊死

Reasonix 的第一个支柱叫 cache-first loop。原文表述是"byte-stable prefix-cache mechanics keep cacheable content consistent across sessions"——基于字节稳定前缀缓存的运行循环，让可缓存内容在会话之间保持一致。翻译过来就是一句话：old context stays fixed, new messages are only appended。

实现方式是把上下文切成三个固定区域。

前缀区放系统提示、工具 schema、项目 onboarding。这部分在整个 session 期间一次写定，永不变。任何对工具描述的修改、任何对系统提示的微调，都会让整个前缀失效。所以前缀区是"焊死"的——出厂即定型。

中部区放长期记忆。这部分按 session 周期重写，但在一个 session 期内保持不变。比如这次 session 一开始就把 README、ARCHITECTURE.md、最近三次提交记录读进来，整个 session 不再改。session 结束才更新。

末尾区放本轮对话——用户输入、AI 回复、工具调用结果。每轮只追加，从不修改历史。哪怕你想纠正 AI 的上一个错误，也是在末尾补一句"上面那个 implementation 错了，重写"，而不是回去改它。

这个三区结构对 prefix cache 的友好程度是字节级的。DeepSeek 的官方文档讲过 cache prefix unit 的判定逻辑：当前请求必须完全匹配一个 cache prefix unit——不允许部分重叠，token id 序列必须严格相等。任何对中间内容的修改都会让后面所有 token 的 KV cache 失效。Reasonix 把这条规则直接物化成了上下文布局。

副作用是，常规 IDE 插件里"编辑历史""压缩对话""重排消息"这些 feature 在 Reasonix 里全是禁区。你要纠正，就 append。你要清理，就开新 session。这是用 UX 的灵活性换 cache 命中率。

工具调用修复：token 黑洞的堵漏工程

第二个支柱叫 tool-call repair。原文是"Handles model output errors without token waste"——处理模型输出错误，不浪费 token。

为什么这是个独立支柱。DeepSeek V4 在 tool calling 上的常见故障比 GPT-5 多——JSON 引号转义错、函数参数 schema 不严格、重复调用同一个工具、调用不存在的工具。每次故障的代价是一轮完整 token：模型输出几百 token 的失败 JSON，agent 框架报错，下一轮带着错误日志再请求一次。一个 8000 token 的工具描述前缀 + 错误恢复信息，反复跑五六轮，就是几万 token 的纯浪费。更糟糕的是，错误日志注入到对话历史里，会破坏后续请求的前缀稳定性——cache miss 雪崩。

Reasonix 的解法是四轮处理。第一轮直接解析模型输出；解析失败进第二轮，本地修复 JSON 格式 / 参数 schema，不重新请求模型；本地修不了进第三轮，构造一个明确的"上轮你错在哪"的修正请求；第三轮还不行进第四轮，降级到 reasonix run 单步模式，不再走复杂多轮回路。

关键不在四轮本身，关键在修复发生在 harness 层，不污染上下文。模型不知道自己曾经出过 JSON 错——它看到的还是干净的对话流。前缀稳定性被保住了。

这个设计反过来也限制了 Reasonix 的通用性。Claude 的 tool calling 几乎不犯 JSON 错（Claude 4.5 在内部测试里 tool call schema 通过率超过 99.7%），写这么重的修复机制是过度工程。GPT-5 的 tool calling 错误模式又和 DeepSeek 不一样——重复调用更少，但参数畸形更多。Reasonix 的四轮逻辑是按 DeepSeek 的错误分布调优的，搬到 GPT-5 上是负优化。

默认 Flash，难任务才上 Pro：模型梯度的反向用法

第三个支柱叫 cost control。

DeepSeek V4 有两个版本——Pro 和 Flash。Pro 贵，深度推理强；Flash 便宜，速度快，日常代码够用。大部分通用 agent 框架的默认配置是 Pro——因为 Pro 是旗舰，跑通了用户就不会抱怨能力不够。

Reasonix 反过来：默认 Flash，只有困难任务才切到 Pro。

"困难"的判定不靠用户选，靠 harness 自己。Reasonix 监控几个信号：

• 同一个任务连续失败几次
• 输出长度超过某阈值
• 模型自己说"我需要更多思考"
• 上下文长度逼近 Flash 的舒适区上限

任何一条触发，自动升级到 Pro 跑一轮。这一轮跑完，再回到 Flash。

这是 harness 层对模型梯度的反向利用——把贵模型当应急备胎，便宜模型当主力。大部分 agent 框架做不到这件事，因为它们的设计哲学是"用户挑模型 harness 不干预"。Reasonix 反过来——用户只管说"我要写代码"，harness 自己决定每一轮用哪个版本。

附加效果：Flash 的命中率本身就比 Pro 低 5 个百分点（91% vs 96%），但因为 Reasonix 把前缀焊死了，Flash 在 Reasonix 里实测命中率也能跑到 99%+。模型梯度的差距被 harness 层抹平。

反通用化：这是对 Claude Code 哲学的一次定价

把上面三件事放在一起，Reasonix 真正的命题就出现了。

esengine 在 README 里写得很直接：**"Reasonix 只为 DeepSeek 打造，每一个抽象层级都基于 DeepSeek 的 feature 构建，完全不通用，也不会发布通用功能。"**这是 2026 年至今最坦白的一句 harness 哲学声明。

对照另一条路线。Claude Code 的设计哲学是"模型无关"——理论上它可以驱动任何带 tool calling 的模型，实际默认绑 Claude，但 API 抽象层为兼容 GPT-5 / Gemini / DeepSeek 都留了口子。Cursor 更彻底，下拉菜单里七八家模型随便切。aider 把模型变成 yaml 配置项。这条路线的核心假设是：模型在涨价、在被替代、在迭代，绑死任何一家都是 vendor lock-in 风险。

Reasonix 把这个假设直接掀了。它的潜台词是：模型 lock-in 不是风险，是杠杆。绑死一家，三层抽象都吃透这家的特性，你能拿到通用框架拿不到的极限——比如 99.82% 命中率。换算成钱，是 5 倍账单差。

这个潜台词成立有几个隐含条件。第一，被绑的那家模型本身要够好，不能踩坑——DeepSeek V4 在国产里是头部，可以绑。第二，被绑的那家在定价上有杠杆——DeepSeek 给了 cache hit 10 倍折扣，Reasonix 才能把折扣放大。第三，社区愿意为单一模型写 harness——这条在 2026 年还存疑，因为 DeepSeek 涨价或下线，整套 harness 就报废。

但这三条目前都成立。所以 Reasonix 的存在本身就是一次定价：通用 harness 的"灵活性"溢价在缩水。对一个固定用 DeepSeek 的团队来说，每个月多付 5 倍 API 费，换的是"以后能切到别家"——这笔保险费在 2026 年的国产生态里值不值，开始要被算账。

盲区：99.82% 是地板还是天花板

几条要说在前面的盲区。

第一，99.82% 是单日单 workflow 的实测数字。esengine 跑的是他自己的项目，codebase 稳定、任务类型集中。换一个 codebase——比如要频繁切换语言、要做大量探索性 refactor、要跨 monorepo 切换——前缀稳定性会被破坏，命中率掉到 95% 以下完全可能。99.82% 是地板还是天花板，要看你的 workflow 离 esengine 的有多远。

第二，DeepSeek 在官方文档里明确说不保证缓存命中率。引用原文：cache 是 best-effort basis。这意味着 DeepSeek 的后端可能因为流量、机房、模型版本切换让你的命中率波动。Reasonix 在客户端把前缀焊死，但服务端是不是配合，DeepSeek 说了算。

第三，模型专用 harness 的迁移成本没被算进 TCO。如果 DeepSeek 涨价、下线、被监管，团队从 Reasonix 切到通用 harness 的工程代价——重写工具集成、重训用户习惯、重建 prompt 库——可能远超几个月省下的 API 费。通用 harness 的灵活性是真有价值的，只是这个价值在便宜模型时代被压扁了。

第四，esengine 是个体开发者。Reasonix 的工程质量、文档完整度、长期维护承诺都是个人项目级别。企业级团队真要押注，得自己 fork 一份做内部改造。

对从业者意味着什么

——————————

• PM：本周回去看你的 AI 编码工具账单。如果团队主用 DeepSeek 但跑在 Cursor / Cline / Continue 里，命中率大概率在 30-60% 之间。算一下"如果换 Reasonix 能省多少"，再算一下"切工具的迁移成本是多少"。如果省的多，立项做迁移评估。
• 架构师：本周读一遍 Reasonix 的 cache-first loop 实现（GitHub 公开），把"前缀焊死、append-only、tool repair 不污染上下文"这三条抽象出来，看是不是能反推到你自己用的其他 agent 框架里。这三条不是 DeepSeek 专属，是 harness 层通用的工程纪律。
• CTO：本周和团队复盘一次"我们是不是在为通用性付钱"。AI 工具的灵活性溢价在 2026 年正在重新定价。如果你团队 90% 的活都在一个模型上，模型专用 harness 的 ROI 已经值得算账。
• 工程师：本周开一个 reasonix code 试试自己的项目（npx reasonix code 一行命令）。重点不是"它好不好用"，是观察 prompt_cache_hit_tokens 字段——这是 DeepSeek API 返回的真实命中率。看你自己工作流的 baseline 在哪一档。

本期关键词

• harness——LLM 模型外面那一层骨架，决定上下文怎么组织、工具怎么暴露、回路怎么跑、成本怎么控。它不训练模型也不改权重，但能让同一个模型的产出和成本差好几倍。Claude Code、Cursor、aider 都是 harness。harness 现在被认为是 AI 编码工具的真正价值层——模型在趋同，harness 在分化。

• 前缀缓存（prefix cache）——LLM 推理时把每个 token 在 attention 里算出来的 key/value 向量按"前缀"持久化，下次同样的 token 序列直接复用 KV 不重算。触发条件是字节级完全匹配——不是语义匹配，是 token id 序列严格相等。DeepSeek 的命中价是未命中价的 1/10，所以命中率每往上拱一档，账单就降一档。

• append-only loop——agent harness 的一种设计纪律：每轮新对话只往上下文末尾追加，从不修改历史。任何编辑、删除、压缩、重排序都会让前缀缓存失效。这是用 UX 灵活性换 cache 命中率的明示选择。

• tool call repair——工具调用出错时，由 harness 在本地修复（修 JSON、修 schema、构造修正请求），而不是把错误日志注入上下文。目的是让模型看到的对话流始终干净，前缀稳定性不被错误污染。Reasonix 把这件事做成了独立支柱。

引用

1. 量子位 · 鱼羊《DeepSeek V4 还能更省！新工具缓存命中率高达 99.82%，2 折稳定到手》https://www.qbitai.com/2026/05/424552.html
2. esengine, "DeepSeek-Reasonix" GitHub 项目主页 https://github.com/esengine/DeepSeek-Reasonix（README 关键宣称："435M input tokens, 99.82% cache hit, ~$12 instead of ~$61"）
3. 量子位《DeepSeek V4 永久降价！缓存命中再打 1 折，实测编程成本骤降 83%》https://www.qbitai.com/2026/04/407850.html（V4 Pro 96% / Flash 91% 官方命中率基线）
4. DeepSeek 官方《Context Caching Guide》https://api-docs.deepseek.com/guides/kv_cache（cache prefix unit 判定逻辑、best-effort 服务等级、prompt_cache_hit_tokens 字段）