中國大型模型 8 月發生了什麼：用一張時間軸看這兩週
8 月 12 到 17 日這五天，中國大型模型圈連續做了三件看似矛盾、實則互相呼應的事。DeepSeek 宣布 API 漲價最高逾 1100%；阿里把從未開源的 Qwen-Max 級旗艦 2.4 兆參數權重放出來；智譜則用同一個基座、只靠後訓練把程式測試成績拉高數倍。三家公司、三種打法，共同指向同一個訊號：國產大型模型正從「拼價格」轉向「拼定價權」。
7 月 16 日 · Kimi K3：月之暗面開源 2.8 兆參數的 Kimi K3，此前已引發美方安全關注。
8 月 2–3 日 · Qwen 上雲：阿里 Qwen3.8-Max 先預告、後上線雲端 API。
8 月 10 日 · Meta 對照：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 · 權重落地：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 13–14 日 · 漲價與後訓練：DeepSeek-V4-Pro 正式版上線，同步公告 8 月 17 日起 API 漲價；Google 發布降價的 Gemini 3.7 Flash。次日智譜發布 GLM-5.3，沿用 GLM-5.2 的 7,430 億參數基座。
8 月 17 日 0 點（北京時間）· 新定價生效：再拉遠一點：7 月 30 日 OpenAI 已把最便宜檔 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。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。
提示：這不是巧合，而是同一場定價博弈的兩個側面。中文財經媒體多解讀為「中國開源模型倒逼全球 AI 重新定價」；英文科技媒體則常把單次發布當成孤立產品新聞。
DeepSeek 漲了多少、Qwen 開了什麼、GLM-5.3 強在哪
先把可核對的數字放進表。DeepSeek 新定價自 8 月 17 日 0 點生效，北京時間 9–12 點、14–18 點為尖峰時段。資料來源：DeepSeek 官方公告，經華爾街見聞、IT之家、V2EX 交叉核對。
| 計費項（每百萬 tokens） | 漲價前 | 離峰（新） | 尖峰（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% |
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%）與快取未命中輸入價格。
Qwen3.8-2.4T-A95B 是阿里史上首次把 Max 級旗艦模型開源，此前 Qwen3.5／3.6／3.7 Max 均為閉源 API。
| 項目 | 資料 |
|---|---|
| 參數規模 | 2.4 兆總參數，950 億啟用參數（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 | 非 Apache 2.0，自訂「Qwen3.8-Max License」 |
GLM-5.3 與 GLM-5.2 共用同一個 7,430 億參數基座，沒有重新預訓練。以下為智譜官方自測，尚無獨立第三方複測。
| 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：GLM-5.3 在 Terminal-Bench 3.0 上仍落後 GPT-5.6 Sol（34.6%）與 Claude Fable 5（33.7%），並非全面登頂，而是「開源模型第一梯隊」。
漲價之後 DeepSeek 還是最便宜的旗艦嗎？三種打法對照
DeepSeek 這次漲價最容易被誤讀成「跟漲」，細看結構更像一次「算力帳單透明化」。此前長期採用不分時段的統一低價，用低價換使用者規模，再靠快取命中率與離峰調度攤薄成本。當呼叫量指數成長、GPU 產能跟不上，這套模式撐不住——漲價公告裡「鼓勵更靈活的工作負載調度」，翻譯過來就是「尖峰算力已經不夠，請你自己錯峰」。
值得注意的細節：漲價後 DeepSeek 官方 API 在尖峰時段已反超部分第三方轉售平台（如 GMI Cloud、Novita 目前報價仍低於官方尖峰價）。「官方價格最便宜」這個曾經支撐護城河的假設，第一次被打破。
阿里同時做了兩件事：把 2.4 兆參數權重公開下載，同時配一份不同於以往 Apache 2.0 的自訂授權——年營收逾 5,000 萬美元的「模型即服務」或「AI 工作助手」業務，必須另行與阿里談商業授權；月活躍逾 1 億或月收入逾 2,000 萬美元的產品，必須在介面顯著展示模型名稱。用開源換開發者生態與口碑（尤其是海外開發者），但在真正能產生現金流的大客戶身上繼續保留議價權。這也是它與 Meta Muse Glimmer（完全 Apache 2.0、無附加條款）在「開源程度」上不是同一個量級的原因。
網路上一度傳阿里授權禁止美國、歐盟、英國、韓國使用者下載，這是不實資訊，官方授權原文並無任何地域限制條款。
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」——基座與 GLM-5.2 完全相同（7,430 億參數），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。當預訓練 Scaling Law 邊際收益放緩，「後訓練強化學習規模化」正在成為新的效能槓桿，門檻明顯低於重新訓練一個千億級基座。
| 模型 | 輸入（每百萬 tokens） | 輸出（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） |
| OpenAI GPT-5.6 Luna | $0.20 | $1.20 | 閉源 |
| Claude Opus 5（依阿里揭露倍數推算） | 約 $5 | 約 $25 | 閉源 |
DeepSeek peak hours (Beijing time) 09:00-12:00 + 14:00-18:00 off-peak = all other hours FX ref ≈ ¥7.15 / $1
漲價後 DeepSeek V4-Pro 離峰價仍明顯低於 Claude Opus 5，但已不再是「全場最低」——Qwen3.8-Max 國際站與 OpenAI Luna 都比 DeepSeek 離峰價更便宜。「國產＝最便宜」的等式正在瓦解。
團隊怎麼算這筆帳：六步研判 DeepSeek 漲價與開源權重
標題數字會騙人。先把呼叫落在哪一時段、快取命中多少、授權有沒有踩線拆開，才能判斷真實帳單與合規邊界。
先對計費維度：「漲 11 倍」「漲逾 1100%」「漲 350%」都對，但對應不同計費項。快取命中輸入漲幅最大、絕對金額最小；輸出與快取未命中輸入才是重度使用者帳單的主因。
對齊北京尖峰窗：新價在北京時間 9–12 點、14–18 點走尖峰檔。把批次處理、評測、夜間 Agent 循環挪到離峰，是公告裡「靈活調度」的直接含義。
用真實命中率估帳單：有分析估算，重度使用者（約 8,400 萬 tokens／月、多為離峰、約一半快取命中）實際帳單漲幅約 1.8 倍，遠低於標題數字。尖峰＋低命中才會贴近 350%／1100%。
核 Qwen 授權門檻：個人與內部使用基本上不受影響。踩線項只有兩類：過去 12 個月「模型即服務／AI 工作助手」累計收入逾 5,000 萬美元須另談商業授權；月活躍逾 1 億或月收入逾 2,000 萬美元須顯著標示模型名。無地域禁令。
把 GLM-5.3 當「後訓練槓桿」而不是新基座：7,430 億參數未重訓，Terminal-Bench 3.0 從 4.6% 到 28.3% 是官方自測。選型時保留「開源第一梯隊、尚未登頂閉源」的口徑，並等待第三方複測。
官方 API、轉售與本地權重分開記帳：尖峰時段官方價已可能高於 GMI Cloud、Novita 等轉售；開源權重則把成本從 token 帳單轉到記憶體與宿主。需要 7×24、不休眠的本機推論或 Agent 聯調時，可評估 MESHLAUNCH 雲端 Mac 租用，步驟見 協助中心。
爭議口徑、兩線戰爭，以及三條可引用硬數據
閱讀這波報導時，先把「已核實」與「未經獨立驗證」拆開：
漲價幅度口徑混亂：不同媒體分別報導「漲 11 倍」「漲逾 1100%」「漲 350%」，對應快取命中輸入 vs 輸出 vs 快取未命中輸入，閱讀時必須看清是哪一項。
震悟 M890 國產晶片服務：多家中文財經媒體報導稱 Qwen3.8-Max 部分推論服務跑在阿里自研震悟 M890 晶片與「盤古 AL128」超節點上，目前僅見於中文媒體轉述，未見阿里官方獨立技術文件或第三方基準測試確認，建議標註為未經獨立驗證。
GLM-5.3「發現 Cursor 嚴重漏洞」：來自 VentureBeat 報導及智譜方面透露，具體漏洞細節未公開披露，真實性與影響範圍有待第三方安全機構確認，屬於廠商單方面披露。
商務部反制出口管制傳聞：部分報導提及中國官方可能針對 AI／半導體技術醞釀反制性出口管制，目前未見官方正式確認，屬媒體推測，僅供背景參考。
把這幾件事放進更大敘事：過去一個月，中國頭部模型廠商呈現「一週三更」的密集發布——DeepSeek、阿里、智譜之外，還有月之暗面 Kimi K3（7 月 16 日，2.8 兆參數開源）、MiniMax H3 等輪番登場。美國廠商走另一條路徑：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並開放無限文字對話；Google 8 月 13 日發布價格減半的 Gemini 3.7 Flash。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 月變成大型模型定價邏輯重構的關鍵節點。
另一層背景是地緣政治：Kimi K3 開源此前已引發美方安全審查關注，阿里選擇在這個窗口把 2.4 兆參數旗艦開源，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」。這一判斷帶有推測性質，但是理解這波開源潮時機時不可忽略的背景。
可引用硬數據三條：① DeepSeek V4-Pro 尖峰快取命中輸入從 ¥0.025 到 ¥0.30，約 1100%；輸出從 ¥6.0 到 ¥27.0，350%。② Qwen3.8-2.4T-A95B：2.4 兆總參數／950 億啟用，國際站 API $2／$6。③ GLM-5.3 Terminal-Bench 3.0：4.6% → 28.3%（官方自測，同 7,430 億基座）。
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（SCMP）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 官方部落格及 VentureBeat 關於 Muse Glimmer 的報導；第一財經、搜狐財經等關於密集發布節奏的綜合報導。截至發稿前公開資訊整理。
API 尖峰／離峰價讓錯峰調度變成剛需，開源權重又把推論從「按 token 付」改成「自己養機器」。共享機搶連接埠、筆電合蓋休眠、缺少 Metal 的廉價 VPS，都會讓本機評測與 Agent 聯調失真。對於更穩定、更適合 iOS CI/CD 與 AI Agent 自動化的生產環境，MESHLAUNCH 的 Mac Mini 雲端租用通常是更優解：獨占 Apple Silicon、7×24 在線、按日／週／月彈性下單。配置與價目見 價格頁，操作指引見 協助中心。
要看場景。若呼叫多半落在離峰時段（非北京時間 9–12 點、14–18 點），且快取命中率較高，實際漲幅會明顯低於「350%」「1100%」這類標題數字（有分析估算重度使用者帳單約 1.8 倍）；若集中在尖峰且快取命中率低，漲幅會接近甚至達到標題數字。
個人開發者與內部使用基本上不受影響。若業務屬「模型即服務」或「AI 工作助手」，且過去 12 個月該業務累計收入超過 5,000 萬美元，須另行向阿里申請商業授權；產品月活躍超過 1 億或月收入超過 2,000 萬美元，須在介面顯著標示模型名稱。
底層基座確實完全相同（7,430 億參數），智譜沒有重新預訓練。分數大幅提升來自後訓練階段大幅擴大強化學習環境規模，說明「後訓練規模化」本身就是獨立、有效的效能槓桿，不一定需要重新預訓練更大的基座。
不是真的。這是網路上流傳的不實資訊，官方授權原文沒有任何地域限制條款，主要限制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。