素材：模型性价比跃迁——GLM-5.3-Flash 与 Qwen3.8-Flash 同日双发

用途：支撑「模型性价比越来越高」主题——4.6 价格瀑布”每美元智能持续改善”、第三部分架构稀疏化实证、国产芯片成本论据。

来源：智谱官方发布文 + 阿里（千问）官方发布文 + 媒体解读（云头条），均发布于 2026-08-26——两家同一天发布”前沿智力 + 地板价”的 Flash 模型。

一、GLM-5.3-Flash（智谱，开源）

  • 规模：320B 总参数、仅激活 18B（320B-A18B）；GLM-5 系列首个原生多模态模型。
  • 性能：AA 综合智能指数 57 分，与 Claude Opus 4.8 持平；Z.ai Code Bench 编程表现与 Opus 4.8 相当；全面超越参数量高出一倍的 GLM-5.2。
  • 价格（标准价，每百万 token）：输入 0.8 元、输出 2.8 元、缓存命中 0.23 元——为 GLM-5.3 的 1/10；限时两周 5 折：输入 0.4 元、输出 1.4 元、缓存命中 0.115 元（= GLM-5.3 的 1/20）。Z.ai 国际 API 美元价：输入 $0.15、输出 $0.50。”同样智力，1/40 价格，前沿智能第一次不需要省着用”。
  • 架构（专为极低成本设计）：总参数与 GLM-4.5 相当（355B vs 320B），激活 32B→18B、层数 92→45 几乎减半；30T Token 多模态预训练；首个采用稀疏注意力 + 线性注意力混合架构的开源前沿模型（IndexPool 将索引器 4 个缓存向量压为 1 个）；流形约束超连接（mHC）。
  • 效率实测：相比 GLM-5.3，注意力计算量降 3.01 倍、KV 缓存降 4.44 倍；在与 GLM-5.3 / DeepSeek-V4-Flash / Kimi-K3 的对比中注意力计算量最低。
  • 国产芯片：Ox-Alpha 匿名测试期（OpenCode + OpenRouter 当周最受欢迎模型）流量全部由国产芯片集群提供；SGLang 上自研推理引擎，端到端服务性能提升 3 倍，单 token 成本与主流英伟达 GPU 相当。
  • 开源：zai-org/GLM-5.3-Flash（Hugging Face）。

二、Qwen3.8-Flash（阿里，开源 Next 权重）

  • 规模：Transformer 125B + 51B N-gram Embedding，每 token 仅激活 6B；多模态 MoE；原生 262K 上下文、YaRN 扩至 1M。
  • 性能：超越 Claude Opus 4.6、接近 Opus 4.8；智能体编程 SWE-bench Pro 领先 Opus 4.6 达 9.1 分；JobBench 超近 20 分；AndroidWorld 高 22.5 分、MathVision 高 25.1 分、ERQA 领先 31.5 分；Base 模型 14 个 benchmark 中 8 个最优（MMLU-Pro / SuperGPQA / BBH / SWEBench-Pretrain / MGSM / MMMLU）。
  • 价格：每百万 Tokens 输入 1 元、输出 3 元——为 Claude Opus 4.6 的 3%，DeepSeek-V4-Flash 闲时价的 2/3、忙时价的 1/3。
  • 训练成本：约为 Qwen3.7-Plus 的 1/9（骤降近 90%），编码与办公能力反而更强。
  • 架构四升级（Next 架构，Qwen4 雏形）：
    • GDN + QSA 混合注意力：每 4 层中 3 层 GDN（循环状态压缩历史）+ 1 层全局注意力；QSA 以 micro-block 粒度索引，省掉 token 级 indexer 开销——1M 上下文高缓存命中场景提速 8 倍以上（Attention Kernel：Prefill 7.6× / Decode 4.9×；Prefix Cache 命中 90% 时 1M Prefill 吞吐为 Qwen3.7-Plus 的 8.6 倍）
    • Gated Residual：残差流 1 条扩为 4 条并行分支 + 动态门控；残差状态可 FP8 存储
    • N-gram Embedding：51B 参数查表记忆，几乎不增加每 token 计算，可卸载到 Host Memory 异步预取
    • Muon 优化器：重拟合 Scaling Law，支持更大 LR 与 Batch Size；省去 Batch Size Warmup（相当于少跑 18.8% optimizer steps）
  • 生态：Qwen3.8 系列已开源 2.4T Max / 27B / Flash 三大尺寸；Qwen 全球下载量突破 30 亿次、衍生模型数超 30 万个；千问办公”标准模式”内置，可完成 95% 日常办公任务。

三、性价比对照与演讲用法

维度 GLM-5.3-Flash Qwen3.8-Flash
总参数 / 激活 320B / 18B 125B + 51B Embedding / 6B
性能锚点 AA 57 分 = Opus 4.8 超 Opus 4.6、接近 4.8
价格 输入 0.8 元 / 输出 2.8 元（限时 0.4/1.4 元） 输入 1 元 / 输出 3 元 = Opus 4.6 的 3%
训练降本 —（架构减半路线） 训练成本 = 上代的 1/9

演讲用法（口播级，三个点任选）：

  1. 每美元智能在跃迁（4.6 价格瀑布）：2026-08-26 同日双发——GLM 用 Opus 4.8 的 1/40 价格给出同级智力，Qwen 用 Opus 4.6 的 3% 输入价给出更高性能。”便宜”与”更强”第一次同时发生。彩蛋（口播，注明限时两周）：GLM 限时 5 折输出 1.4 元/百万 ≈ GPT-4 输出价的 1/300——不进锚点，只做”前沿智力按分卖”的点缀。
  2. 架构稀疏化的最新实证（第三部分呼应）：激活 18B/6B（计算维）、KV 降 4.44 倍与 QSA 1M 提速 8 倍（存储维）、IndexPool/N-gram 查表（能不传就不传）——本演讲第三部分的框架在 2026-08-26 的发布里全部再次兑现。
  3. 国产芯片单 token 成本与英伟达相当（呼应能量维与素材 07）：GLM 官方披露，国产芯片集群端到端性能提升 3 倍后成本打平——”算电深度绑定”的国产化论据。
  4. 分时定价 = 时间占用率杠杆进目录价（DeepSeek 现行定价实况）：DeepSeek 官方定价页（2026-08-26 核查）已采用闲时/忙时双轨价——忙时为工作日 9:00–12:00、14:00–18:00，闲时价 = 忙时半价：V4-Flash 输入未命中 1.5 元/3.0 元、输出 4.5 元/9.0 元；V4-Pro 输出 13.5 元/27.0 元。用价格削峰填谷，正是演讲 3.6「时间占用率」杠杆在目录价上的直接体现。

四、口径注（引用前必读）

  • 性能均为厂商自报/自研评测口径（AA 指数 57 分、Code Bench、”超 Opus 4.6”分别出自智谱与阿里），引用时标注”厂商口径”；第三方复测（Artificial Analysis / LMArena）待观察。
  • 两篇文章混用 “Opus 4.6 / 4.8” 两代命名，演讲中避免同时给出两个版本号，统一说”Opus 4.x 前沿档”或直接报具体分值对照。
  • 价格为 API 目录价；GLM”限时折扣 1/20”有时效性，演讲前复核。
  • GLM”1/40 价格”为智谱口径：输出价 2.8 元 ≈ Opus 4.8 输入价（$15）的约 1/38——跨输入/输出对比，引用时直接报绝对值更稳；国内（BigModel）与国际（Z.ai）价目不同（国际更高）。
  • “千亿总参数仅激活 6B”为阿里口径；与 DeepSeek V4-Pro 激活 490 亿（1.6T）等历史锚点放在一起讲时，注意口径并列说明。
  • 214 倍锚点已重锚为 140 倍（2026-08-26）：官方定价页已无 plain V4、OpenRouter 快照亦无 V4 条目——$0.28（V4 首发口径）不再可验证；新锚点：GPT-4 输出 $60 → Qwen3.8-Flash 输出 3 元/百万（≈$0.43，官方目录价）= 140 倍。V4-Flash 闲时输出 4.5 元反而高于 $0.28，是”下降并非单调”的又一实例。

五、来源链接

  • 智谱官方发布文：https://mp.weixin.qq.com/s/J3woe8mTxIQVqrs5Jdbecg
  • 阿里千问官方发布文：https://mp.weixin.qq.com/s/BwDb9PBg0kYRmWu9hkLFxA
  • 媒体解读（云头条）：https://mp.weixin.qq.com/s/16MOkzjvg6SLfozl1HjymA
  • GLM 技术博客：https://z.ai/blog/glm-5.3-flash
  • Qwen 技术报告：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
  • DeepSeek 官方定价页：https://api-docs.deepseek.com/zh-cn/quick_start/pricing/