8 月 12 日到 17 日的五天里，中国大模型圈接连做了三件互相矛盾又互相呼应的事：DeepSeek 宣布 API 涨价最高超 1100%，阿里同步把从未开源过的 Qwen-Max 级旗舰 2.4 万亿参数权重放出来，智谱则用同一个基座、纯靠后训练把编程测试成绩拉高数倍。本文面向开发者与采购决策者，按时间线、价表、三种打法、横向对比、争议点与 FAQ 拆开这波「变阵」——共同信号是：国产大模型正在从「卷价格」转向「卷定价权」。
先把关键节点一次理清。读这波新闻最容易踩的坑，不是「涨了多少」，而是把不同计费维度、不同开源程度和不同基准测试混成一句话。
| 日期 | 事件 |
|---|---|
| 7 月 16 日 | 月之暗面 Kimi K3（2.8 万亿参数）开源，此前已引发美方安全关注 |
| 8 月 2–3 日 | 阿里 Qwen3.8-Max 先预告、后上线云端 API |
| 8 月 10 日 | Meta 发布开源模型 Muse Glimmer（300 亿参数，Apache 2.0），预告旗舰 Muse Spark 1.2 权重「即将开源」 |
| 8 月 12 日 | 阿里正式在 ModelScope / Hugging Face 放出 Qwen3.8-2.4T-A95B 开源权重；同日 xAI 发布 Grok 4.6 |
| 8 月 13 日 | DeepSeek-V4-Pro 正式版上线，同步公告 8 月 17 日起 API 涨价；谷歌发布降价的 Gemini 3.7 Flash |
| 8 月 14 日 | 智谱发布 GLM-5.3，沿用 GLM-5.2 的 7430 亿参数基座 |
| 8 月 17 日 0 点（北京时间） | DeepSeek 新定价正式生效 |
把镜头拉远一点：7 月 30 日 OpenAI 已经把最便宜档的 GPT-5.6 Luna 降价 80%，8 月 6–7 日又把 Luna 设为免费用户默认模型并开放无限文本对话——也就是说，中国厂商在涨价和开源上做加法的同一时间，美国厂商正在免费和降价上做加法。这不是巧合，而是同一场定价博弈的两个侧面。
把「涨 1100%」当成整张账单：headline 对应的是高峰时段缓存命中输入，不是输出价，也不是未命中输入价。
忽略北京时间高峰窗口：新价表按 9–12 点、14–18 点分峰谷，错峰调度本身就是这次涨价的设计目标。
把「开源权重」当成 Apache 2.0：Qwen3.8-Max 用的是自定义许可证，和 Meta Muse Glimmer 不是一个量级。
相信「美欧英韩禁止下载」谣言：官方许可证原文没有任何地域限制条款。
把 GLM-5.3 当成新基座：7430 亿参数与 5.2 完全相同，分数来自后训练强化学习扩规模。
继续默认「国产=全场最低」：涨价后 DeepSeek 空闲价仍低于 Claude Opus 5，但已被 Luna 与 Qwen 国际站价格切开。
下面三张表是这篇文章的硬核底座。价格来自 DeepSeek 官方公告，经华尔街见闻、IT之家、V2EX 等多方交叉核对；基准测试为智谱官方自测，尚无独立第三方复测。
北京时间 9–12 点、14–18 点为高峰时段。单位：每百万 tokens。
| 计费项 | 涨价前 | 空闲时段（新） | 高峰时段（新） | 涨幅（高峰） |
|---|---|---|---|---|
| V4-Flash 缓存命中输入 | ¥0.02 | ¥0.05 | ¥0.10 | 约 400% |
| V4-Flash 缓存未命中输入 | ¥1.0 | ¥1.5 | ¥3.0 | 200% |
| V4-Flash 输出 | ¥2.0 | ¥4.5 | ¥9.0 | 350% |
| V4-Pro 缓存命中输入 | ¥0.025 | ¥0.15 | ¥0.30 | 约 1100% |
| V4-Pro 缓存未命中输入 | ¥3.0 | ¥4.5 | ¥9.0 | 200% |
| V4-Pro 输出 | ¥6.0 | ¥13.5 | ¥27.0 | 350% |
读表要点：缓存命中场景涨幅最大（最高约 12 倍 / 1100%+），但绝对金额仍很小；对重度调用者影响更大的其实是输出价格（350%）和缓存未命中输入价格。
| 项目 | 数据 |
|---|---|
| 参数规模 | 2.4 万亿总参数，950 亿激活参数（MoE，512 个专家，10 路由 + 1 共享） |
| 上下文窗口 | 开源权重原生 26.2 万 tokens，可扩展至约 101 万；云端 Max 版默认 100 万 tokens |
| 发布节奏 | 8 月 2 日预告 → 8 月 3 日 API 上线 → 8 月 12 日开源权重 |
| API 定价（国际站） | 输入 $2 / M tokens，输出 $6 / M tokens |
| 许可证 | 非 Apache 2.0，自定义「Qwen3.8-Max License」 |
| 意义 | 阿里历史上首次把 Max 级（旗舰）模型开源，此前 Qwen3.5 / 3.6 / 3.7 Max 均为闭源 API |
| 基准测试 | GLM-5.2 | GLM-5.3 | 变化 |
|---|---|---|---|
| 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：以上为智谱官方自测数据，尚无独立第三方复测结果。GLM-5.3 在 Terminal-Bench 3.0 上仍落后 GPT-5.6 Sol（34.6%）和 Claude Fable 5（33.7%），并非全面登顶，而是「开源模型第一梯队」。
三家公司、三种打法，表面互相矛盾，底层都在回答同一件事：当调用量指数级增长、预训练边际收益放缓时，谁还握着定价权。
DeepSeek 这次涨价最容易被误读为「跟涨」，但细看结构会发现它更像一次「算力账单透明化」。此前 DeepSeek 长期采用不分时段的统一低价，本质上是用低价换取用户规模，再靠缓存命中率和错峰调度摊薄成本。但当调用量指数级增长、GPU 产能跟不上时，这套模式撑不住了——涨价公告里「鼓励更灵活的工作负载调度」这句话，翻译过来就是「我们的算力已经不够用了，请你自己错峰」。
值得注意的细节：涨价后 DeepSeek 官方 API 的价格，在高峰时段已经反超部分第三方转售平台（如 GMI Cloud、Novita 等目前报价仍低于 DeepSeek 官方高峰价）。这意味着「官方价格最便宜」这个曾经支撑 DeepSeek 护城河的假设，第一次被打破。
Qwen3.8-Max 的开源不是简单的「慈善」。阿里同时做了两件事：把 2.4 万亿参数的权重公开下载，同时给这个权重配了一份不同于以往 Apache 2.0 的自定义许可证——年营收超 5000 万美元的「模型即服务」或「AI 工作助手」业务，必须单独找阿里谈商业授权；月活超 1 亿或月收入超 2000 万美元的产品，必须在界面上显著展示模型名称。
这套组合拳的逻辑是：用开源换开发者生态和口碑（尤其是海外开发者，缓解「国产模型上不了台面」的印象），但在真正能产生现金流的大客户身上，继续保留议价权。这也是为什么它和 Meta 的 Muse Glimmer（完全 Apache 2.0，无附加条款）在「开源程度」上其实不是一个量级。
谣言澄清：网上一度传阿里的许可证禁止美国、欧盟、英国、韩国用户下载，这是不实信息，官方许可证原文中并无任何地域限制条款——这类谣言的传播速度往往比读一遍原始许可证文本更快。
GLM-5.3 最值得关注的不是分数本身，而是「怎么拿到这个分数」——基座模型和 GLM-5.2 完全相同（7430 亿参数），没有重新预训练，仅靠扩大强化学习环境规模做后训练，就把 Terminal-Bench 3.0 从 4.6% 拉到 28.3%，接近 6 倍提升。这印证了行业内近半年逐渐清晰的一个趋势：当预训练的 Scaling Law 边际收益放缓，「后训练强化学习规模化」正在成为新的性能杠杆，而这个杠杆的门槛显著低于重新训练一个千亿级基座模型，意味着更多中小厂商也有机会靠「精装修」追上头部模型。
三家公司、三种打法，共同指向同一个信号——国产大模型正在从「卷价格」转向「卷定价权」。
换算汇率按约 ¥7.15 / $1 估算，仅供参考，实际以官方公告为准。
| 模型 | 输入价格（每百万 tokens） | 输出价格（每百万 tokens） | 开源程度 |
|---|---|---|---|
| DeepSeek V4-Pro（高峰） | ¥9.0（约 $1.26） | ¥27.0（约 $3.78） | 权重未开源 |
| DeepSeek V4-Pro（空闲） | ¥4.5（约 $0.63） | ¥13.5（约 $1.89） | 权重未开源 |
| Qwen3.8-Max（国际站） | $2 | $6 | 开源（自定义许可证） |
| OpenAI GPT-5.6 Luna | $0.20 | $1.20 | 闭源 |
| Claude Opus 5（据阿里披露的倍数关系推算） | 约 $5 | 约 $25 | 闭源 |
可以看到：涨价后 DeepSeek V4-Pro 空闲时段价格仍明显低于 Claude Opus 5，但已经不再是「全场最低」——阿里国际站的 Qwen3.8-Max、OpenAI 的 Luna 都比 DeepSeek 的空闲价更便宜，说明「国产=最便宜」的等式正在瓦解，价格竞争进入分层阶段。
下面 6 步不新增任何未公开数字，只把上文已经核对过的口径变成可执行清单。
先拆计费维度：分别记录缓存命中输入、未命中输入、输出三列，不要用单一「涨 1100%」做预算。
对齐北京时间高峰：9–12 点、14–18 点走高峰价；能批处理的任务尽量挪到空闲时段。
测算缓存命中率：有分析测算，重度用户（约 8400 万 tokens/月、多在空闲、约一半命中）实际账单涨幅约 1.8 倍，远低于 headline。
对比官方高峰价与转售：GMI Cloud、Novita 等目前报价仍可能低于 DeepSeek 官方高峰价，第一次出现「官方不一定最便宜」。
读 LICENSE 原文再商用：Qwen3.8-Max 的门槛是 5000 万美元 MaaS / AI 助手营收，以及 1 亿 MAU 或月收入 2000 万美元的署名要求，与地区无关。
把 GLM-5.3 当「后训练杠杆」而不是新基座：官方自测 Terminal-Bench 3.0 从 4.6% 到 28.3%，仍落后 Sol 34.6% 与 Fable 5 的 33.7%，上线前按自测口径验收。
# DeepSeek V4-Pro 输出价（每百万 tokens，官方口径） 旧统一价: ¥6.0 新空闲价: ¥13.5 (+125% vs 旧价；高峰的一半) 新高峰价: ¥27.0 (+350% vs 旧价) # 读 headline 时先问三句 1) 这是缓存命中输入、未命中输入，还是输出？ 2) 这是高峰还是空闲？ 3) 我的真实命中率大概是多少？
过去一个月，中国头部模型厂商呈现出「一周三更」的密集发布节奏——DeepSeek、阿里、智谱之外，还有月之暗面 Kimi K3（7 月 16 日，2.8 万亿参数开源）、MiniMax H3 等轮番登场。国内财经媒体普遍将这一现象解读为「中国开源模型密集发布，倒逼全球 AI 行业重新定价」。
与此同时，美国厂商走的是另一条路径：OpenAI 7 月 30 日大幅降价（Luna 降 80%），8 月 6–7 日把降价后的 Luna 设为免费用户默认模型并开放无限文本对话；谷歌 8 月 13 日发布价格减半的 Gemini 3.7 Flash。也就是说，中国厂商在「开源旗舰 + 梯度涨价」，美国厂商在「消费端免费 + 降价防守」——两条路径同时发生，共同把 2026 年 8 月变成了大模型行业定价逻辑重构的一个关键节点。
另一层背景是地缘政治：月之暗面 Kimi K3 的开源此前已引发美方安全审查关注，阿里选择在这个窗口把 2.4 万亿参数的旗舰模型开源，被部分分析解读为「在潜在监管收紧前，抢先巩固国产模型的国际影响力和技术对等叙事」。这一判断带有一定推测性质，但确实是理解这波开源潮时机选择时不可忽略的背景。
数据来源：DeepSeek 官方涨价公告（经华尔街见闻、IT之家、AIGC 工具导航、V2EX 交叉核对）；阿里 Qwen 官方模型仓库（Hugging Face / ModelScope）及南华早报关于许可证条款的报道；智谱（Z.ai）GLM-5.3 官方技术页面及 VentureBeat、StableLearn；Meta AI Research 官方博客；第一财经、搜狐财经等关于密集发布节奏的综合报道。以上截至发稿前公开信息整理，涉及价格、许可证、基准测试建议发布前再次核实最新官方公告。
对开发者来说，API 峰谷价让「随时随地打满旗舰模型」变得更贵、也更难预测；自托管 2.4 万亿 MoE 又几乎只有数据中心能跑。第三方转售平台能压一点高峰价，但把生产 Agent、Xcode 构建和长会话都绑在不可控的共享推理队列上，稳定性和隔离性都不足。对于更稳定、更适合 iOS CI/CD 与 AI Agent 自动化的生产环境，NodeMini 的 Mac Mini 云端租赁通常是更优解——独占 Apple Silicon，按节点计费，不必跟北京时间高峰窗口抢同一张 GPU 账单。
要分场景看。如果你的调用大多落在空闲时段（非北京时间 9–12 点、14–18 点），且是缓存命中率较高的重度用户，实际涨幅会明显低于表面的「350%」「1100%」这类 headline 数字（有分析测算重度用户实际账单涨幅约为 1.8 倍左右）；但如果集中在高峰时段调用、且缓存命中率低，涨幅会接近甚至达到 headline 数字。若你希望把编码 Agent 从共享 API 高峰里拆出来，可对照 Mac Mini 租赁价格。
个人开发者和内部使用基本不受影响。但如果你的业务是「模型即服务」或「AI 工作助手」类产品，且过去 12 个月内该业务累计收入超过 5000 万美元，需要单独向阿里申请商业授权；如果产品月活超 1 亿或月收入超 2000 万美元，需要在界面上显著标注模型名称。
底层基座模型确实完全相同（7430 亿参数），智谱没有重新训练。分数大幅提升的原因是后训练阶段大幅扩大了强化学习环境的规模，这说明当前阶段「后训练规模化」本身就是一个独立、有效的性能杠杆，不一定需要重新预训练一个更大的基座。
不是真的。这是网络上流传的不实信息，官方许可证原文中没有任何地域限制条款，主要限制是针对超过特定营收规模的商业化服务，与用户所在地区无关。
目前还只能算「部分回归」。Muse Glimmer 本身只是一个 300 亿参数的蒸馏小模型，Meta 真正的旗舰闭源模型 Muse Spark 1.2 尚未开源，扎克伯格只是「预告」未来会开放其权重。如果这一步真的落地，才称得上是美国厂商首次把旗舰级闭源模型转为开源。远程节点与权限边界说明见 帮助中心。