8 月 12 日到 17 日的五天裡，中國大模型圈接連做了三件互相矛盾又互相呼應的事：DeepSeek 宣布 API 漲價最高超 1100%，阿里同步把從未開源過的 Qwen-Max 級旗艦 2.4 萬億參數權重放出來，智譜則用同一個基座、純靠後訓練把編程測試成績拉高數倍。本文面向開發者與採購決策者，按時間線、價表、三種打法、橫向對比、爭議點與 FAQ 拆開這波「變陣」——共同訊號是：國產大模型正在從「卷價格」轉向「卷定價權」。
先把關鍵節點一次理清。讀這波新聞最容易踩的坑，不是「漲了多少」，而是把不同計費維度、不同開源程度與不同基準測試混成一句話。
| 日期 | 事件 |
|---|---|
| 7 月 16 日 | 月之暗面 Kimi K3（2.8 萬億參數）開源，此前已引發美方安全關注 |
| 8 月 2–3 日 | 阿里 Qwen3.8-Max 先預告、後上線雲端 API |
| 8 月 10 日 | Meta 發布開源模型 Muse Glimmer（300 億參數，Apache 2.0），預告旗艦 Muse Spark 1.2 權重「即將開源」 |
| 8 月 12 日 | 阿里正式在 ModelScope / Hugging Face 放出 Qwen3.8-2.4T-A95B 開源權重；同日 xAI 發布 Grok 4.6 |
| 8 月 13 日 | DeepSeek-V4-Pro 正式版上線，同步公告 8 月 17 日起 API 漲價；谷歌發布降價的 Gemini 3.7 Flash |
| 8 月 14 日 | 智譜發布 GLM-5.3，沿用 GLM-5.2 的 7430 億參數基座 |
| 8 月 17 日 0 點（北京時間） | DeepSeek 新定價正式生效 |
把鏡頭拉遠一點：7 月 30 日 OpenAI 已經把最便宜檔的 GPT-5.6 Luna 降價 80%，8 月 6–7 日又把 Luna 設為免費使用者預設模型並開放無限文字對話——也就是說，中國廠商在漲價與開源上做加法的同一時間，美國廠商正在免費與降價上做加法。這不是巧合，而是同一場定價博弈的兩個側面。
把「漲 1100%」當成整張帳單：headline 對應的是尖峰時段快取命中輸入，不是輸出價，也不是未命中輸入價。
忽略北京時間尖峰視窗：新價表按 9–12 點、14–18 點分尖峰／離峰，離峰調度本身就是這次漲價的設計目標。
把「開源權重」當成 Apache 2.0：Qwen3.8-Max 用的是自訂授權條款，和 Meta Muse Glimmer 不是一個量級。
相信「美歐英韓禁止下載」謠言：官方授權條款原文沒有任何地域限制條款。
把 GLM-5.3 當成新基座：7430 億參數與 5.2 完全相同，分數來自後訓練強化學習擴大規模。
繼續預設「國產＝全場最低」：漲價後 DeepSeek 離峰價仍低於 Claude Opus 5，但已被 Luna 與 Qwen 國際站價格切開。
下面三張表是這篇文章的硬核底座。價格來自 DeepSeek 官方公告，經華爾街見聞、IT之家、V2EX 等多方交叉核對；基準測試為智譜官方自測，尚無獨立第三方複測。
北京時間 9–12 點、14–18 點為尖峰時段。單位：每百萬 tokens。
| 計費項 | 漲價前 | 離峰時段（新） | 尖峰時段（新） | 漲幅（尖峰） |
|---|---|---|---|---|
| V4-Flash 快取命中輸入 | ¥0.02 | ¥0.05 | ¥0.10 | 約 400% |
| V4-Flash 快取未命中輸入 | ¥1.0 | ¥1.5 | ¥3.0 | 200% |
| V4-Flash 輸出 | ¥2.0 | ¥4.5 | ¥9.0 | 350% |
| V4-Pro 快取命中輸入 | ¥0.025 | ¥0.15 | ¥0.30 | 約 1100% |
| V4-Pro 快取未命中輸入 | ¥3.0 | ¥4.5 | ¥9.0 | 200% |
| V4-Pro 輸出 | ¥6.0 | ¥13.5 | ¥27.0 | 350% |
讀表要點：快取命中場景漲幅最大（最高約 12 倍 / 1100%+），但絕對金額仍很小；對重度呼叫者影響更大的其實是輸出價格（350%）和快取未命中輸入價格。
| 項目 | 數據 |
|---|---|
| 參數規模 | 2.4 萬億總參數，950 億激活參數（MoE，512 個專家，10 路由 + 1 共享） |
| 上下文視窗 | 開源權重原生 26.2 萬 tokens，可擴展至約 101 萬；雲端 Max 版預設 100 萬 tokens |
| 發布節奏 | 8 月 2 日預告 → 8 月 3 日 API 上線 → 8 月 12 日開源權重 |
| API 定價（國際站） | 輸入 $2 / M tokens，輸出 $6 / M tokens |
| 授權條款 | 非 Apache 2.0，自訂「Qwen3.8-Max License」 |
| 意義 | 阿里歷史上首次把 Max 級（旗艦）模型開源，此前 Qwen3.5 / 3.6 / 3.7 Max 均為閉源 API |
| 基準測試 | GLM-5.2 | GLM-5.3 | 變化 |
|---|---|---|---|
| Terminal-Bench 3.0 | 4.6% | 28.3% | +23.7 |
| DeepSWE v1.1 | 46.2% | 66.9% | +20.7 |
| Agents' Last Exam（CLI） | 23.8% | 28.5% | +4.7 |
| CyberGym | 77.2% | 84.5% | +7.3 |
| AutomationBench | 26.2% | 48.2% | +22.0 |
注意：以上為智譜官方自測數據，尚無獨立第三方複測結果。GLM-5.3 在 Terminal-Bench 3.0 上仍落後 GPT-5.6 Sol（34.6%）和 Claude Fable 5（33.7%），並非全面登頂，而是「開源模型第一梯隊」。
三家公司、三種打法，表面互相矛盾，底層都在回答同一件事：當呼叫量指數級增長、預訓練邊際收益放緩時，誰還握著定價權。
DeepSeek 這次漲價最容易被誤讀為「跟漲」，但細看結構會發現它更像一次「算力帳單透明化」。此前 DeepSeek 長期採用不分時段的統一低價，本質上是用低價換取使用者規模，再靠快取命中率與離峰調度攤薄成本。但當呼叫量指數級增長、GPU 產能跟不上時，這套模式撐不住了——漲價公告裡「鼓勵更靈活的工作負載調度」這句話，翻譯過來就是「我們的算力已經不夠用了，請你自己離峰」。
值得注意的細節：漲價後 DeepSeek 官方 API 的價格，在尖峰時段已經反超部分第三方轉售平台（如 GMI Cloud、Novita 等目前報價仍低於 DeepSeek 官方尖峰價）。這意味著「官方價格最便宜」這個曾經支撐 DeepSeek 護城河的假設，第一次被打破。
Qwen3.8-Max 的開源不是簡單的「慈善」。阿里同時做了兩件事：把 2.4 萬億參數的權重公開下載，同時給這個權重配了一份不同於以往 Apache 2.0 的自訂授權條款——年營收超 5000 萬美元的「模型即服務」或「AI 工作助手」業務，必須單獨找阿里談商業授權；月活超 1 億或月收入超 2000 萬美元的產品，必須在介面上顯著展示模型名稱。
這套組合拳的邏輯是：用開源換開發者生態與口碑（尤其是海外開發者，緩解「國產模型上不了檯面」的印象），但在真正能產生現金流的大客戶身上，繼續保留議價權。這也是為什麼它和 Meta 的 Muse Glimmer（完全 Apache 2.0，無附加條款）在「開源程度」上其實不是一個量級。
謠言澄清：網路上一度傳阿里的授權條款禁止美國、歐盟、英國、韓國使用者下載，這是不實資訊，官方授權條款原文中並無任何地域限制條款——這類謠言的傳播速度往往比讀一遍原始授權文本更快。
GLM-5.3 最值得關注的不是分數本身，而是「怎麼拿到這個分數」——基座模型和 GLM-5.2 完全相同（7430 億參數），沒有重新預訓練，僅靠擴大強化學習環境規模做後訓練，就把 Terminal-Bench 3.0 從 4.6% 拉到 28.3%，接近 6 倍提升。這印證了業界近半年逐漸清晰的一個趨勢：當預訓練的 Scaling Law 邊際收益放緩，「後訓練強化學習規模化」正在成為新的性能槓桿，而這個槓桿的門檻顯著低於重新訓練一個千億級基座模型，意味著更多中小型廠商也有機會靠「精裝修」追上頭部模型。
三家公司、三種打法，共同指向同一個訊號——國產大模型正在從「卷價格」轉向「卷定價權」。
換算匯率按約 ¥7.15 / $1 估算，僅供參考，實際以官方公告為準。
| 模型 | 輸入價格（每百萬 tokens） | 輸出價格（每百萬 tokens） | 開源程度 |
|---|---|---|---|
| DeepSeek V4-Pro（尖峰） | ¥9.0（約 $1.26） | ¥27.0（約 $3.78） | 權重未開源 |
| DeepSeek V4-Pro（離峰） | ¥4.5（約 $0.63） | ¥13.5（約 $1.89） | 權重未開源 |
| Qwen3.8-Max（國際站） | $2 | $6 | 開源（自訂授權條款） |
| OpenAI GPT-5.6 Luna | $0.20 | $1.20 | 閉源 |
| Claude Opus 5（據阿里披露的倍數關係推算） | 約 $5 | 約 $25 | 閉源 |
可以看到：漲價後 DeepSeek V4-Pro 離峰時段價格仍明顯低於 Claude Opus 5，但已經不再是「全場最低」——阿里國際站的 Qwen3.8-Max、OpenAI 的 Luna 都比 DeepSeek 的離峰價更便宜，說明「國產＝最便宜」的等式正在瓦解，價格競爭進入分層階段。
下面 6 步不新增任何未公開數字，只把上文已經核對過的口徑變成可執行清單。
先拆計費維度：分別記錄快取命中輸入、未命中輸入、輸出三欄，不要用單一「漲 1100%」做預算。
對齊北京時間尖峰：9–12 點、14–18 點走尖峰價；能批次處理的任務盡量挪到離峰時段。
測算快取命中率：有分析測算，重度使用者（約 8400 萬 tokens/月、多在離峰、約一半命中）實際帳單漲幅約 1.8 倍，遠低於 headline。
對比官方尖峰價與轉售：GMI Cloud、Novita 等目前報價仍可能低於 DeepSeek 官方尖峰價，第一次出現「官方不一定最便宜」。
讀 LICENSE 原文再商用：Qwen3.8-Max 的門檻是 5000 萬美元 MaaS / AI 助手營收，以及 1 億 MAU 或月收入 2000 萬美元的署名要求，與地區無關。
把 GLM-5.3 當「後訓練槓桿」而不是新基座：官方自測 Terminal-Bench 3.0 從 4.6% 到 28.3%，仍落後 Sol 34.6% 與 Fable 5 的 33.7%，上線前按自測口徑驗收。
# DeepSeek V4-Pro 輸出價（每百萬 tokens，官方口徑） 舊統一價: ¥6.0 新離峰價: ¥13.5 (+125% vs 舊價；尖峰的一半) 新尖峰價: ¥27.0 (+350% vs 舊價) # 讀 headline 時先問三句 1) 這是快取命中輸入、未命中輸入，還是輸出？ 2) 這是尖峰還是離峰？ 3) 我的真實命中率大概是多少？
過去一個月，中國頭部模型廠商呈現出「一週三更」的密集發布節奏——DeepSeek、阿里、智譜之外，還有月之暗面 Kimi K3（7 月 16 日，2.8 萬億參數開源）、MiniMax H3 等輪番登場。國內財經媒體普遍將這一現象解讀為「中國開源模型密集發布，倒逼全球 AI 產業重新定價」。
與此同時，美國廠商走的是另一條路徑：OpenAI 7 月 30 日大幅降價（Luna 降 80%），8 月 6–7 日把降價後的 Luna 設為免費使用者預設模型並開放無限文字對話；谷歌 8 月 13 日發布價格減半的 Gemini 3.7 Flash。也就是說，中國廠商在「開源旗艦＋梯度漲價」，美國廠商在「消費端免費＋降價防守」——兩條路徑同時發生，共同把 2026 年 8 月變成了大模型產業定價邏輯重構的一個關鍵節點。
另一層背景是地緣政治：月之暗面 Kimi K3 的開源此前已引發美方安全審查關注，阿里選擇在這個視窗把 2.4 萬億參數的旗艦模型開源，被部分分析解讀為「在潛在監管收緊前，搶先鞏固國產模型的國際影響力與技術對等敘事」。這一判斷帶有一定推測性質，但確實是理解這波開源潮時機選擇時不可忽略的背景。
資料來源：DeepSeek 官方漲價公告（經華爾街見聞、IT之家、AIGC 工具導航、V2EX 交叉核對）；阿里 Qwen 官方模型倉庫（Hugging Face / ModelScope）及南華早報關於授權條款的報導；智譜（Z.ai）GLM-5.3 官方技術頁面及 VentureBeat、StableLearn；Meta AI Research 官方部落格；第一財經、搜狐財經等關於密集發布節奏的綜合報導。以上截至發稿前公開資訊整理，涉及價格、授權條款、基準測試建議發布前再次核實最新官方公告。
對開發者來說，API 尖峰／離峰價讓「隨時隨地打滿旗艦模型」變得更貴、也更難預測；自託管 2.4 萬億 MoE 又幾乎只有資料中心能跑。第三方轉售平台能壓一點尖峰價，但把生產 Agent、Xcode 建置與長會話都綁在不可控的共享推論佇列上，穩定性與隔離性都不足。對於更穩定、更適合 iOS CI/CD 與 AI Agent 自動化的生產環境，NodeMini 的 Mac Mini 雲端租賃通常是更優解——獨佔 Apple Silicon，按節點計費，不必跟北京時間尖峰視窗搶同一張 GPU 帳單。
要分場景看。如果你的呼叫大多落在離峰時段（非北京時間 9–12 點、14–18 點），且是快取命中率較高的重度使用者，實際漲幅會明顯低於表面的「350%」「1100%」這類 headline 數字（有分析測算重度使用者實際帳單漲幅約為 1.8 倍左右）；但如果集中在尖峰時段呼叫、且快取命中率低，漲幅會接近甚至達到 headline 數字。若你希望把編碼 Agent 從共享 API 尖峰裡拆出來，可對照 Mac Mini 租賃價格。
個人開發者和內部使用基本不受影響。但如果你的業務是「模型即服務」或「AI 工作助手」類產品，且過去 12 個月內該業務累計收入超過 5000 萬美元，需要單獨向阿里申請商業授權；如果產品月活超 1 億或月收入超 2000 萬美元，需要在介面上顯著標註模型名稱。
底層基座模型確實完全相同（7430 億參數），智譜沒有重新訓練。分數大幅提升的原因是後訓練階段大幅擴大了強化學習環境的規模，這說明當前階段「後訓練規模化」本身就是一個獨立、有效的性能槓桿，不一定需要重新預訓練一個更大的基座。
不是真的。這是網路上流傳的不實資訊，官方授權條款原文中沒有任何地域限制條款，主要限制是針對超過特定營收規模的商業化服務，與使用者所在地區無關。
目前還只能算「部分回歸」。Muse Glimmer 本身只是一個 300 億參數的蒸餾小模型，Meta 真正的旗艦閉源模型 Muse Spark 1.2 尚未開源，祖克柏只是「預告」未來會開放其權重。如果這一步真的落地，才稱得上是美國廠商首次把旗艦級閉源模型轉為開源。遠端節點與權限邊界說明見 幫助中心。