阿里巴巴、DeepSeek 推动中国人工智能模型竞赛走向低成本

阿里巴巴推出了Qwen3.8-Max，这是其迄今为止最强大的AI模型，而DeepSeek的新款V4-Flash因提供低于多个竞争对手的推理价格而备受关注。

Qwen3.8-Max拥有2.4万亿个参数，采用混合专家（MoE）架构，每次请求仅激活部分参数。阿里巴巴表示，在任何给定时间，约有950亿个参数处于激活状态，与激活所有参数的模型相比，这显著降低了成本和延迟。

DeepSeek采用了类似的稀疏架构，但规模较小。根据Artificial Analysis的数据，V4-Flash包含2840亿个总参数，推理过程中有130亿个处于激活状态；而月之暗面（Moonshot AI）的Kimi K3拥有2.8万亿个总参数，其中约1040亿个处于激活状态。

Qwen3.8-Max支持文本、图像和视频处理，上下文窗口最大可达一百万个token。阿里巴巴还指出，该模型成功完成了一个为期16天的软件工程项目的开发。

在规模方面，Qwen3.8-Max与月之暗面于7月发布的Kimi K3相当。两家公司也在价格上展开竞争：Qwen3.8-Max的输入token价格为每百万个2美元，输出token价格为每百万个6美元；而Kimi K3的相应价格分别为3美元和15美元。

模型规模本身并不决定推理成本。架构、激活参数数量、token消耗量以及完成任务所需的调用次数等因素都会影响运行模型的最终成本。

发布后，Qwen3.8-Max在众包平台Arena.AI上登顶中文文本模型榜首，但在整体排名中仍落后于多个Anthropic模型。此外，它在Arena.AI的图像和视觉分析排行榜上获得第二名，仅次于Anthropic的Claude Fable 5变体。

DeepSeek降低推理定价

DeepSeek通过V4-Flash采取了不同的策略。它没有匹配阿里巴巴和月之暗面最新模型的庞大规模，而是将价格定在几个广泛使用的AI系统之下。

根据Artificial Analysis的数据，V4-Flash的输入token价格为每百万个0.14美元，输出token价格为每百万个0.28美元。该研究机构列出该模型拥有一百万个token的上下文窗口和2840亿个总参数，其中130亿个在推理过程中处于激活状态。

Artificial Analysis列出了V4-Flash Max Effort版本的缓存命中价格为每百万个token 0.003美元，比其标准输入率低98%。缓存输入指的是可在后续请求中重用的已处理上下文。

DeepSeek较低的token费率也体现在Artificial Analysis的基准测试中。路透社报道，该研究机构估计V4-Flash的平均测试成本为3美分，而Kimi K3为86美分，OpenAI的GPT-5.6 Sol为1.86美元，Anthropic的Claude Fable 5为3.15美元。

该比较考虑了每个模型完成基准测试所使用的输入和输出量。如果模型生成更多输出或需要额外的交互，较低的单token费率并不一定意味着较低的任务成本。

Artificial Analysis给予DeepSeek V4-Flash Max Effort推理版本在其智能指数中40分。该研究机构在测试期间还记录了约每秒118个token的输出速率。

Token价格仅揭示了成本的一部分

月之暗面的Kimi K3提供了另一个例子，说明公布的API价格可能与完成更长工作负载的成本存在差异。Artificial Analysis列出该模型的输入token价格为每百万个3美元，输出token价格为每百万个15美元，缓存输入价格为每百万个0.30美元。

在Artificial Analysis的用于代理知识工作的AA-Briefcase基准测试中，Kimi K3平均每个任务成本为10.57美元。它生成了约12万个输出token，每个任务平均使用83轮交互。

Artificial Analysis指出，该成本反映了Kimi K3的token定价、输出量以及模型交互次数。因此，重复的模型调用和更大的输出量可能会导致完成工作负载的总成本高于 headline API 费率所暗示的水平。

Kimi K3在测试时在AA-Briefcase评估中获得了第二高的总分，仅次于Claude Fable 5。它在Artificial Analysis更广泛的智能指数中得分为57分。

与DeepSeek的比较突显了为何“每任务成本”测量为标准API定价提供了有用的背景信息。具有不同架构和使用模式的模型在处理相同类型的任务时，可能会消耗显著不同的计算资源和token数量。

开放权重增加了另一种部署选项

成本还受到中国开发者分发模型方式的影响。阿里巴巴、DeepSeek和月之暗面继续支持开放权重发布以及托管API访问，为开发者提供了更多部署这些模型的选项。

Artificial Analysis将DeepSeek V4-Flash列为采用MIT许可的开放权重模型，权重可通过Hugging Face获取。Kimi K3也可作为采用月之暗面自有许可的开放权重模型使用。

开放权重允许开发者在自己的基础设施或通过第三方提供商运行模型，而不是完全依赖开发者托管的推理服务。部署成本仍取决于所使用的硬件和基础设施，但模型访问不再绑定于单一的托管API。

这种方法与OpenAI、Anthropic和Google提供的主要模型不同，后者通常保持模型权重封闭。

Omdia首席分析师Lian Jye Su指出，对于许多业务工作负载而言，模型选择并不仅仅取决于能否访问性能最高的系统。

“许多业务流程并不需要业界最好的模型，”Su表示，“它们需要足够好、负担得起、透明且易于访问的模型，而开放权重模型有助于满足这一需求。”

另见：阿里巴巴正在围绕智能体设计AI芯片，这改变了竞争的本质

想了解更多来自行业领袖的AI和大数据知识？ 请查看在阿姆斯特丹、加州和伦敦举办的AI与大数据博览会。该综合活动是TechEx的一部分，并与网络安全与云博览会等其他领先技术活动联合举办。点击此处获取更多信息。

AI新闻由TechForge Media提供支持。在此探索其他即将举行的企业技术活动和网络研讨会。