11 月 16 日这一天,阿里发了 Qwen4-Max,腾讯发了 Hy4 Flash。往前数四天,11 月 12 日的百度世界大会上,文心 5.5 Flash 预览版也端了出来。一周之内国产头部厂商全员出手,但把三份发布稿摆在一起看,你会发现一个变化:参数被挤到了第二屏,第一屏全是价格。

国产大模型的竞争,正式从跑分时代切进账单时代。

一周三家,先看清谁发了什么

模型 发布日 参数规模 上下文 价格(每百万 token)
阿里 Qwen4-Max 11-16 2.4 万亿总参,QSA 稀疏注意力 MoE 百万级 缓存命中 0.5 元,官方称单任务平均费用比上代降约六成
腾讯 Hy4 Flash 11-16 2240 亿总参(含 640 亿 Engram),仅激活 120 亿 1M 输入 0.5 元,输出 2 元,缓存命中 0.02 元
百度文心 5.5 Flash(预览) 11-12 2800 亿总参,每 token 激活 140 亿 未公布 未公布

三个值得单独拎出来的点。

Qwen4-Max 是阿里新一代基座模型 Qwen4 的首发旗舰,原生带视觉能力,走 API 和 TokenPlan 订阅双线开放。2.4 万亿这个体量放在一年前是要当头条的,这次阿里自己都没怎么提,新闻稿重点全在「稀疏注意力省 token」上。

腾讯这边其实是连环拳:11 月 4 日刚发完 Hy4 正式版(7700 亿总参、激活 490 亿,首次加了视觉理解和 computer-use,还承诺开放权重),12 天后又补一个 Flash 版。正式版打能力上限,Flash 打调用成本,分工明确。

文心 5.5 Flash 还是预览版,价格没放出来,暂不做判断。

为什么全在压价格

因为 Agent 把 token 的消耗结构彻底改了。

聊天时代,一个用户一轮对话几百上千 token,价格是运营层面的成本项。Agent 时代不一样:一次带工具调用的任务,几万到几十万 token 是常态,多 Agent 协作能烧到百万级。价格在这时候不再是成本项,是架构约束——你的 Agent 流程设计成五步还是十五步,直接由每百万 token 多少钱决定。

国外也在降。11 月 9 日 Anthropic 发 Claude Fable 5.2,定价 8 美元输入、40 美元输出,比上代 Fable 5.1 的 10/50 直接砍了一刀,这是 Fable 产品线历史上第一次降价。旗舰模型主动降价,一年前是不可想象的。

降价的底气是稀疏化

降价没有牺牲智能,靠的是架构层面的稀疏化。

MoE 的账很好算:2240 亿总参的 Hy4 Flash,每次前向只激活 120 亿参数,推理成本跟着激活参数走,不跟总参走。Qwen4-Max 的 QSA 稀疏注意力是同一个思路的另一条腿——注意力计算不再对所有 token 两两做,长上下文的成本曲线被压平,百万上下文才敢拿出来当标配卖。

再看缓存命中价。Hy4 Flash 缓存命中时每百万 token 只要 0.02 元,这是正常输入价的二十五分之一。这个定价不是促销噱头,是在精准地抢 Agent 场景:多轮对话里系统提示词和工具定义的前缀重复率极高,命中率天然就高,谁把缓存价打到地板上,谁就把 Agent 开发者锁进自己的生态。

一个 PHP 后端的算账视角

我自己这个博客,后台挂着定时任务,每周自动完成选题、写稿、配图、发布一整套流程。这就是个典型的 Agent 负载:单次跑下来调十几轮模型,工具调用、长上下文全占了。

按这周的价格表算笔账。假设一次发布流程消耗 50 万 token(这已经往大了估),走 Hy4 Flash 的输入价,一次两毛五,一年跑五十次,十二块五。驱动一整年内容流水线的模型调用费,买不到一杯瑞幸。

所以你看,2.4 万亿还是 240 亿总参,对我这种接 API 干活的人来说真不是重点。重点是缓存命中两分、输出两块这种数字——它们决定我敢不敢把流程从五步加到十五步,敢不敢让 Agent 自己多绕几圈做校验。

我的判断

我赌到 2027 年年中,「百万 token 一块钱以内」会成为国产旗舰模型的标配价,今天这张价格表可以直接当古董看。赌错了到时候我自己回来在这篇底下补一句认错。

但价格只是上半场。低价谁都敢报,发布会 PPT 上写 0.02 元很容易,难的是高并发下不丢请求、不限速、不偷偷降智。接下来半年值得盯的不是谁再降价,而是谁的稳定性先崩——那才是账单时代真正的分水岭。

艾林博客 - 技术分享、开发经验与AI探索的个人技术博客
艾林博客 - 技术分享、开发经验与AI探索的个人技术博客

延伸阅读:

分布式锁别上 Redlock:把单实例 Redis 的锁写对,就够 99% 的系统用了 架构设计
分布式锁别上 Redlock:把单实例 Redis 的锁写对,就够 99% 的系统用了

Redis 做分布式锁就单实例加看门狗,要正确性就上 etcd,Redlock 卡在中间两头不靠。本文讲清三种方案的真实边界:一把合格的 Redis 锁怎么写(唯一 value、Lua 原子释放、过期时间)、Redlock 为什么解决不了 GC 停顿与 fencing token、以及什么时候该换 etcd 或数据库唯一约束兜底。

后端 优化 安全

Valencio

/

2026-10-21

PHP 8.6 的性能头号卖点,在八月被撤回了 开发编程
PHP 8.6 的性能头号卖点,在八月被撤回了

PHP 8.6 的闭包优化 RFC 以 24:0 通过,但 static 自动推断在 8 月被撤回,那个 3% 只对显式写了 static 的闭包生效;同时 35 项弃用投票有 4 项被否,list() 以 23:23 保住。我把自己的 626 个 PHP 文件扫了一遍,自有代码零命中,升级计划随之改掉。

PHP 后端

Valencio

/

2026-10-16

内存条为什么涨了两倍多:AI 抢的不是内存,是晶圆 系统运维
内存条为什么涨了两倍多:AI 抢的不是内存,是晶圆

两根内存条从 700 多涨到 2000 多,根子不在缺货,在晶圆面积:HBM 每产出 1 bit 要占标准 DDR 三倍的硅片,2026 年吃掉 22% 的 DRAM 产能只交回 9% 的容量。再叠加 60%~70% 的服务器级产能被长协锁死、新产能要 2028 年才算数,这轮周期不会像 2019 年那样崩回去。文章同时给出云账单与内存预留的排查清单。

优化 AI

Valencio

/

2026-10-13

霸榜全球的 Space Bunny 无人认领:匿名发布早就是一条流水线 案例分析
霸榜全球的 Space Bunny 无人认领:匿名发布早就是一条流水线

一个查无此人的模型霸了全球调用量榜。这不是孤例——2026 年 3 月以来 OpenRouter 的 stealth 通道挂过 7 个匿名模型,6 个有主,全部指向中国厂商。这篇把匿名发布这条流水线拆开:运作机制、厂商动机、指纹破案方法论,以及一只无国籍兔子对行业统计的影响。

AI

Valencio

/

2026-10-10

Gemini 3.1 Pro 停更七个月,现在真正能打的是 Flash 行业快讯
Gemini 3.1 Pro 停更七个月,现在真正能打的是 Flash

谷歌 Pro 线从 2026 年 2 月冻结至今,Gemini 4 Argon 只发给 Fairwind 安全机构。在你能调用的模型里,3.8 Flash 的智能指数 40.9 已经反超 3.1 Pro 的 29.7,但 Pro 仍守着几项硬推理记录。这篇把两条线拆开,给出具体选型建议。

AI

Valencio

/

2026-10-09