推理成本

多模态模型降价降低了企业试点门槛，但首轮应用不宜盲目追求自动化，应优先选择输入明确、结果可核验且人工可兜底的任务，如结构化信息提取、内容分类、视觉质检和短音视频整理，并通过真实样本验收稳定性，综合评估调用、审核与返工成本。

GLM-5.3-Flash以320B总参数、18B激活参数和混合注意力架构，体现大模型竞争由参数规模转向推理效率、长上下文成本与部署可行性。其原生多模态、开源及适配信息，为企业评估智能体、编程和自动化场景时同步衡量能力、成本与交付能力提供样本。

MiniMax M3面向超长上下文，API最高支持100万Token，开放权重版本上线时支持50万Token；其长程任务和信息检索能力较强，成本定位有吸引力，但并非全面领先，适合文档整理与长对话，法律、财务等场景仍需人工复核。

文章分析词元经济如何改变大模型定价与采购：不能只看每百万词元单价，还要核算输入、输出、上下文、重试及多轮调用的任务总成本。以DeepSeek V4 Flash为例，因缺少官方价格和性能资料，应结合真实任务测试、质量与人工修订成本审慎评估。

Gemini3.8Flash任务成本0.58美元，较Gemini3.7Flash的0.40美元涨四成，因输出词元增30%且交互轮次增多。单价不变并不等于账单下降，企业应以任务级词元消耗和业务效果评估模型，而非仅看每百万词元标价。

MiniMax2026年上半年总收入1.17亿美元，同比增长283.1%；开放平台及其他AI企业服务收入7392.9万美元，同比增长703.1%，B端约占80%，首次超过AI原生产品。文章指出，用户增长不等于留存付费，B端放量仍需观察续约、客户结构、毛利与盈利能力。

据报道，DeepSeek拟采购并部署至少16万颗华为昇腾950DT，主要用于模型推理，但采购、交付和投运尚未确认。该计划凸显推理基础设施的重要性，项目仍面临供应、软件适配、集群协同及需求匹配等考验，训练端目前仍主要依赖英伟达。

智谱在由10万张以上国产芯片组成的集群上实现规模化推理，GLM-5.3 Flash由该集群承载，单位Token推理成本较年初下降80%。文章分析模型、芯片、框架与服务协同如何降低端到端成本，并影响API定价、企业采购和模型服务竞争。

9月生成式AI服务价格变化有限，选型却更复杂：Grok Bot侧重智能体任务执行，Gemini 3.7 Flash关联代码生成与自动化工作流。个人用户应结合使用频率、额度和功能比较，开发者与企业还需核算API成本、审核、稳定性及管理风险。

文章围绕Gemini 3.8 Flash的代码能力与价格性能比展开分析，指出轻量模型应在真实项目中检验上下文理解、多轮修改、测试辅助和稳定性，并结合任务成功率、重试次数、人工介入及调用规模评估总成本。由于官方价格和技术参数尚未完整公开，企业采购仍需以实际评测和后续信息为准。

9月7日《每日经济新闻》援引OpenRouter数据称，中国AI大模型周调用量达56.72万亿Token，环比增长2.83%，连续第十九周超过美国。全球前五中四款来自中国，腾讯混元Hy4 preview居首。领先背后是模型能力、推理成本、算力投入与应用场景的协同演进。

OpenAI确认已实现“自动化研究实习生”目标，研究团队每名员工每个工作日对应3.1个智能体工作日，工作量提升124倍。智能体已进入编码、排障等执行环节，中位研究人员每日推理成本超600美元，重度用户达7000美元以上。企业可借鉴其任务拆解与人工验收结构。