Flash模型大混战，DeepSeek抢先吃到红利

今年夏天，Flash突然从开发者嘴里的“低配版模型”变成了刚需。

一位大模型研究员告诉《白鲸实验室》，一个交互70轮左右的工作流，“现在用V4 Flash，几分钟就可以跑完。”

他已经很少会在工作中只使用一款最强的模型。“GPT6 Astra出来了尝个鲜，还有Agent第一次上手新模型架构时，要用旗舰版模型，等到了后面改代码、训练、反馈结果这个过程，基本Flash就够了。”这位研究员说，两者结合省时又省钱。

企业计算模型本地化部署的成本后，选择的倾向性更明显了。

“DeepSeek V4 Flash，百万token的成本基本在2块左右。做端侧模型，至少需要8张H卡，每个月大概8万成本，可以供20人使用，按照吞吐token2000t/s，每月产出大概50亿token。按照高峰定价，即便直接用DeepSeek的api，一个月也就是4.5万。”一位企业模型本地化部署的服务商表示，人均月支出不过几千元，远远低于使用最强模型的成本费用。

相比成本高昂的旗舰模型，越来越多的企业开始选择更便宜好用的Flash模型，尤其随着AI办公等应用赛道的火爆，普通用户群体开始使用Agent，更助推了这个趋势。

国产模型厂商也纷纷抢注这波商业化潮流。7月以来，DeepSeek、阿里和智谱密集把Flash模型推上牌桌，8月26日，智谱发布GLM-5.3-Flash，阿里随后推出Qwen3.8-Flash。

在大模型变小的叙事中，DeepSeek几乎是姿态最激进的。7月31日，DeepSeek发布V4 Flash，一个多月后又更新V4.1 Flash。根据官方信息，DeepSeek一度计划在9月14日后把V4 Pro的API请求直接路由至V4.1 Flash，理由是在其测试中，V4.1 Flash在性能、成本、速度和总用时等指标上都已经超过V4 Pro。

后来因为用户抗议，DeepSeek又改变计划，决定保留V4 Pro。“DeepSeek最先证明了Flash不只是便宜，Flash可以比Pro更适合Agent，DeepSeek大概是这一波真正吃到Flash模型红利的模型厂商了。”上述服务商表示，DeepSeek相当于再次教育了用户，日常需求根本不需要Pro。

过去Flash通常是旗舰模型下面的低价版本，是开发者偶尔使用的替代模型。而现在随着Agent大爆发，国产模型厂商各显神通，开始厮杀起来，场面已经远非“斩杀线”一词可以概括了。

01

第一个真正吃到Flash红利的模型厂商

这波Flash模型的红利，DeepSeek真正赚到了点子上。

今年4月，DeepSeek V4发布的同一时间，Claude Code快速成为开发者默认Harness，Coding成为大模型圈的年度热词。

DeepSeek V4直接同步推出了V4 Flash和V4 Pro，并明确针对Claude Code、OpenCode、OpenClaw、CodeBuddy等Agent框架做适配，同时支持Anthropic API。

彼时，Claude Code让Coding Agent第一次显得足够有用，也迅速放大了token消耗。过去用Chatbot写代码，一次调用通常只是让模型解释一段报错，但Claude Code可以主动读取代码库、检索文件、修改代码、执行测试，连续工作几十轮。

对于传统SaaS来说，每月100美元订阅费已经不算低，但在Anthropic，Coding plan被开发者买成了硬通货，200美元/月的Max套餐都不够用，用户要经常需要额外购买API。按照token收费后，重度消费每月更是冲高到上千美元。

令人血压上升的顶尖模型成本背后，也悄悄发生一些微妙的变化。今年5月，在海外开发者社群reddit上出现了一个热度很高的讨论，“如果DeepSeek V4 5美元就能做同样的Coding任务，为什么还要花100美元买Claude Code？”

评论区里，不少用户表达Claude Code是真的好用，Anthropic的Harness，包括上下文管理、工具调用、计划执行、Terminal交互让他们不想放弃的同时，他们也感慨需要一个Claude模型的替代品。

这种变化反映了市场一个重要窗口。或者说昂贵的Claude模型，反向验证了Flash模型加量不加价的价值。很明显，DeepSeek看到了这一机会。

5月reddit的讨论里，DeepSeek Flash模型还能力不够，被用户指出只能堆代码。到7、8月，方向变了。有用户表示“我不用（Claude Code）Pro，就用V4 Flash，虽然比不上Opus/Sonnet，但够用了。”

reddit的高赞帖是一名后端开发者发布的，他表示V4 Flash发布后，已经没有继续购买Claude和ChatGPT订阅的必要。

网友们甚至开始讨论，该给V4 Flash配什么Harness，Claude Code、OpenCode还是Pi。有人用更强模型负责Plan，再让V4 Flash执行整个计划。

也有人直接用V4 Pro解决核心问题，Flash跑子Agent任务，Flash已经不仅是省月费，在部分大型debug任务里，OpenAI的顶级模型GPT-6 Sol会出现上下文问题卡住，DeepSeek反而一次完成。

而Flash对模型厂商来说，也是一门比旗舰模型更好的生意。

超大模型随着参数、激活量继续增加，对HBM容量、显存带宽和GPU间互联的要求都会迅速上升。到了2T量级，H200和Blackwell之间，存在的不仅是单卡计算能力差异，还包括显存速度和卡间互联。

Flash模型对算力需求不高。从目前几款主流产品看，大量Flash模型将单次激活参数压在十几B附近，H100、H200乃至更老一代的集群就能承载。模型厂商不用为它购买最昂贵的芯片，还能继续消化现有集群。同时，单次调用计算量更低，还能靠大规模batch继续摊薄成本。

“以DeepSeek的Flash为例，百万token的成本在2块左右，能将API总调用费压到比企业自己部署还便宜一半，就是因为batch大。同时服务一万甚至十万用户，一个用户停止生成，另一个用户的请求马上可以补入，不同请求被拼进batch，同一批GPU有更高的利用率。”上述头部大模型研究员判断。

尽管目前还没有哪家模型厂商，把Pro、Flash两条产品线的毛利率分别公开。但是多位研究员告诉我们，Flash模型已经成为当前模型厂商毛利最高，且赚钱的产品。

智谱的财报数据也能部分佐证这一点。2026年智谱的半年报显示，智谱规模化使用国产芯片，单位Token推理成本较年初下降80%。其中glm-5.3 Flash第一次实现超大规模在国产芯片上跑，实现了模型优化系统，系统承载模型的循环。Flash通过压缩激活参数，适配国产芯片，同步实现推理成本的降低。这也让智谱2026年上半年API收入达8.25亿元，同比增长2736%，毛利率由负转正至24.6%。

02

Flash发布各有节奏

DeepSeek在Flash模型上的成功，也让各家模型厂商被迫应战。

比如早早押注Coding的智谱。DeepSeek不仅打掉了Claude Code的Coding plan的溢价空间，作为国内最坚定走Anthropic来时路之一的模型厂商，智谱的高价Coding也更早进入Flash模型的射程。

智谱做Flash的方向也颇为明确。GLM-5.3-Flash总参数320B、激活18B，智谱称其价格约为GLM-5.3的十分之一，并且从架构开始就围绕长上下文、Agent、Coding和高效推理进行优化。智谱的Flash模型，始终围绕着Coding战场。

同时，智谱做Flash的心态也颇为矛盾。GLM-5.3 Flash越成功，能让智谱从Claude、OpenAI那里分蛋糕，但也让智谱的Coding模型陷入价格战的泥潭。

公开市场上，GLM-5.3-Flash、DeepSeek V4 Flash、Qwen3.8-Flash在相近的价格带里被频繁横向比较，不同第三方API甚至直接建议开发者同时接入多个模型，根据任务自动路由。

而这已经不是做国模Coding第一就可以解决的问题了。DeepSeek如同一个“价格屠夫”站在智谱身后，它让六个月前需要旗舰模型完成的任务，半年后Flash也能做，以至于前沿能力不断贬值，过去只有高价API才能买到的能力，最终降到几块钱一百万token。这恰恰是智谱不愿意看到的。

另一方面，如果只看能力储备，阿里可能是最适合卷小模型的公司。事实上，尽管阿里有最多的小模型，却没有一颗做出“爆款Flash模型”的心。

作为开源大厂，Qwen长期以来就是国内尺寸最齐全的模型家族之一。从面向手机、PC、汽车和机器人等场景的小尺寸模型，到Flash、Plus、Max，再到今年不断扩大的旗舰模型，阿里一直致力于推出模型全家桶。

到了Qwen3.8-Flash，百万上下文、Function Calling、多模态和缓存已经成为标准配置，阿里云甚至在8月27日继续下调其API价格。

不过阿里云是一家云企业，客户需求更复杂，无论客户用什么模型它都能赚钱。客户用Flash，阿里云挣钱，客户发现Flash不够，切Qwen Max，阿里云仍然挣钱，就连企业想自己部署模型，需要GPU、存储、数据库、推理服务，都要回到阿里云。

所以，阿里做小参数模型，更多的是求全。0.6B有人需要，就做0.6B，几十B适合企业私有化，就提供几十B。Flash适合高并发Agent，就做Flash，旗舰模型仍然决定技术品牌，就继续把Max往上顶。不管怎么定档，阿里云都能收钱。

其他模型玩家，各有差异。

MiniMax最值得关注的是它把类似的成本逻辑做进了视频生成。7月发布的H3，2K视频API是$0.13/秒，768P是$0.08/秒，并成功切入了市场。在语言模型上，M2.7就有了类似操作，MiniMax将API分为标准版和高速版，不用Flash/Pro命名，但根据吞吐和优先级分档收费。

Kimi更有意思，它其实没有跟随Flash路线。9月11日，Kimi推出综合性能接近K3，价格要便宜的K2.8preview（根据第三方路由测试）。从某种程度上看，K2.8preview也可以看做往性价比路线的试探。

通过Kimi产品，也能看出Kimi开始强调日常任务上使用全面均衡的K2.8 preview。K3本身是2.8T总参数、1M上下文，属于旗舰模型，主打更强的综合能力。

不过从定价体系上看，K2.8 preview依然远远高于当前的Flash模型。 尽管Kimi未公布K2.8 preview的token价格，根据第三方路由测试的价格，K2.8 preview每百万输入token $1.00，每百万输出token $4.00，也比V4.1 Flash版本贵数倍。

很明显，刚刚因为K3在海外收获不错口碑的Kimi，想要战略更聚焦，重心放在更强模型的推进上。在商业化上，9月18日，K3官宣和亚马逊合作，开始海外云厂商收入参与分成。

虽然国内各家模型厂商开始都瞄准性价比路线的模型，但截至目前，模型厂商在Flash模型上节奏和侧重点，仍未统一。

03

靠Flash赚钱，越来越难

当Flash成为模型厂最赚钱的产品，大模型公司又陷入了新一轮的迷茫。

模型公司们不想参与，但又不得不参与。旗舰模型迭代快速，很难有一家模型公司可以凭借一款旗舰模型长期在市场保持优势。再加上Flash模型的冲击，旗舰模型或许会迎来历史上最快的“技术折旧”期。

过去，大模型公司最接近的标的是传统软件公司，按用户量或者token消耗来估值，但现在模型厂商都在讲token成本和效率，做得越来越像一门云生意。

OpenAI把同一代GPT-6拆成Astra、Sol和Luna，最高档和最低档之间，输出价格相差100倍。而且，OpenAI开始像云厂商按照服务等级收费。同一个模型不再只有一个价格，而是区分Standard、Batch、Flex和Fast mode。

甚至也不仅卖模型API了。9月10日，OpenAI推出Agents API，把Codex背后的Harness、上下文管理、工具调用、子Agent调度和长期运行环境直接作为云服务开放。

Anthropic也在主动压缩旗舰模型和中档模型之间的差距。9月22日发布的Claude Opus 5.5运行成本比上一代降低40%，它的API定价也降至每百万输入token 4美元、输出20美元，比上一代Opus低约20%。

传统的软件产品，能力越强，用户越依赖，企业应该越有能力保住定价权。但大模型似乎很难复制这条路径。

模型厂商们一边加速迭代新模型，一边不得不计较单位token成本，GPU效率，优化缓存命中率，这已经越来越接近云计算的经营逻辑。模型成为基础设施和商品，价格成为市场上的关键因素。

目前，率先抢到Flash红利的DeepSeek，已经不是价格最低的Flash模型。Qwen3.8-Flash国际版公开价格约为每百万输入token0.15美元、输出0.47美元，中国部分区域价格还更低。GLM-5.3-Flash公开定价也低于DeepSeek V4.1 Flash的峰值价格。

长期来看，这个价格还会继续下探。假设DeepSeek能做到$1/M 输出，阿里可以做到$0.2，下一家还能$0.1，大模型公司需要找到新的商业化标的。

短期来看，Flash模型至少会让模型公司的收入数据看起来好看。已经上市的智谱、MiniMax的市销率，仍然高于海外的Anthropic和OpenAI很多倍。即将上市的DeepSeek，以及在上市筹备的Kimi，都需要更丰厚的商业化收入，撑高公司估值。

文｜马舒叶

编辑｜刘培