阿里巴巴、DeepSeek 推動中國人工智慧模型競賽走向低成本

阿里巴巴推出了Qwen3.8-Max，這是其迄今為止最強大的AI模型，而DeepSeek的新款V4-Flash因提供低於多個競爭對手的推理價格而備受關注。

Qwen3.8-Max擁有2.4萬億個引數，採用混合專家（MoE）架構，每次請求僅啟用部分引數。阿里巴巴表示，在任何給定時間，約有950億個引數處於啟用狀態，與啟用所有引數的模型相比，這顯著降低了成本和延遲。

DeepSeek採用了類似的稀疏架構，但規模較小。根據Artificial Analysis的資料，V4-Flash包含2840億個總引數，推理過程中有130億個處於啟用狀態；而月之暗面（Moonshot AI）的Kimi K3擁有2.8萬億個總引數，其中約1040億個處於啟用狀態。

Qwen3.8-Max支援文字、影象和影片處理，上下文視窗最大可達一百萬個token。阿里巴巴還指出，該模型成功完成了一個為期16天的軟體工程專案的開發。

在規模方面，Qwen3.8-Max與月之暗面於7月釋出的Kimi K3相當。兩家公司也在價格上展開競爭：Qwen3.8-Max的輸入token價格為每百萬個2美元，輸出token價格為每百萬個6美元；而Kimi K3的相應價格分別為3美元和15美元。

模型規模本身並不決定推理成本。架構、啟用引數數量、token消耗量以及完成任務所需的呼叫次數等因素都會影響執行模型的最終成本。

釋出後，Qwen3.8-Max在眾包平臺Arena.AI上登頂中文文字模型榜首，但在整體排名中仍落後於多個Anthropic模型。此外，它在Arena.AI的影象和視覺分析排行榜上獲得第二名，僅次於Anthropic的Claude Fable 5變體。

DeepSeek降低推理定價

DeepSeek透過V4-Flash採取了不同的策略。它沒有匹配阿里巴巴和月之暗面最新模型的龐大規模，而是將價格定在幾個廣泛使用的AI系統之下。

根據Artificial Analysis的資料，V4-Flash的輸入token價格為每百萬個0.14美元，輸出token價格為每百萬個0.28美元。該研究機構列出該模型擁有一百萬個token的上下文視窗和2840億個總引數，其中130億個在推理過程中處於啟用狀態。

Artificial Analysis列出了V4-Flash Max Effort版本的快取命中價格為每百萬個token 0.003美元，比其標準輸入率低98%。快取輸入指的是可在後續請求中重用的已處理上下文。

DeepSeek較低的token費率也體現在Artificial Analysis的基準測試中。路透社報道，該研究機構估計V4-Flash的平均測試成本為3美分，而Kimi K3為86美分，OpenAI的GPT-5.6 Sol為1.86美元，Anthropic的Claude Fable 5為3.15美元。

該比較考慮了每個模型完成基準測試所使用的輸入和輸出量。如果模型生成更多輸出或需要額外的互動，較低的單token費率並不一定意味著較低的任務成本。

Artificial Analysis給予DeepSeek V4-Flash Max Effort推理版本在其智慧指數中40分。該研究機構在測試期間還記錄了約每秒118個token的輸出速率。

Token價格僅揭示了成本的一部分

月之暗面的Kimi K3提供了另一個例子，說明公佈的API價格可能與完成更長工作負載的成本存在差異。Artificial Analysis列出該模型的輸入token價格為每百萬個3美元，輸出token價格為每百萬個15美元，快取輸入價格為每百萬個0.30美元。

在Artificial Analysis的用於代理知識工作的AA-Briefcase基準測試中，Kimi K3平均每個任務成本為10.57美元。它生成了約12萬個輸出token，每個任務平均使用83輪互動。

Artificial Analysis指出，該成本反映了Kimi K3的token定價、輸出量以及模型互動次數。因此，重複的模型呼叫和更大的輸出量可能會導致完成工作負載的總成本高於 headline API 費率所暗示的水平。

Kimi K3在測試時在AA-Briefcase評估中獲得了第二高的總分，僅次於Claude Fable 5。它在Artificial Analysis更廣泛的智慧指數中得分為57分。

與DeepSeek的比較突顯了為何“每任務成本”測量為標準API定價提供了有用的背景資訊。具有不同架構和使用模式的模型在處理相同型別的任務時，可能會消耗顯著不同的計算資源和token數量。

開放權重增加了另一種部署選項

成本還受到中國開發者分發模型方式的影響。阿里巴巴、DeepSeek和月之暗面繼續支援開放權重發布以及託管API訪問，為開發者提供了更多部署這些模型的選項。

Artificial Analysis將DeepSeek V4-Flash列為採用MIT許可的開放權重模型，權重可透過Hugging Face獲取。Kimi K3也可作為採用月之暗面自有許可的開放權重模型使用。

開放權重允許開發者在自己的基礎設施或透過第三方提供商執行模型，而不是完全依賴開發者託管的推理服務。部署成本仍取決於所使用的硬體和基礎設施，但模型訪問不再繫結於單一的託管API。

這種方法與OpenAI、Anthropic和Google提供的主要模型不同，後者通常保持模型權重封閉。

Omdia首席分析師Lian Jye Su指出，對於許多業務工作負載而言，模型選擇並不僅僅取決於能否訪問效能最高的系統。

“許多業務流程並不需要業界最好的模型，”Su表示，“它們需要足夠好、負擔得起、透明且易於訪問的模型，而開放權重模型有助於滿足這一需求。”

另見：阿里巴巴正在圍繞智慧體設計AI晶片，這改變了競爭的本質

想了解更多來自行業領袖的AI和大資料知識？ 請檢視在阿姆斯特丹、加州和倫敦舉辦的AI與大資料博覽會。該綜合活動是TechEx的一部分，並與網路安全與雲博覽會等其他領先技術活動聯合舉辦。點選此處獲取更多資訊。

AI新聞由TechForge Media提供支援。在此探索其他即將舉行的企業技術活動和網路研討會。