来源| Tech星球

文| 任雪芸

最近，大模型厂商集体看向了“Flash”。

变化可以从7月份的一个发布日开始追溯，7月21日，Google DeepMind一口气端出三款Flash模型，但旗舰Gemini 3.5 Pro缺席。

彼时，Gemini 3.6 Flash的表现被吐槽不如中国一线开源模型，但国内大模型厂商们却一同捕捉到Flash背后的产业信号，纷纷跟进布局这一效率架构路线。

十天后，国内大模型市场，DeepSeekV4 Flash正式版上线并开源，284B总参数、每次推理只激活13B。DeepSeek还调整了卖模型的方式，涨价的同时，改成了峰谷分时的计费方式。

8月26日到28日这三天，Flash成了主战场。三天至少五款重量级模型落地，但Flash版本占到了多数。

智谱把匿名刷屏“牛来”（Ox-Alpha）认领为 GLM-5.3-Flash，320B总参数，每次只激活 18B；阿里在同一天连夜放出 Qwen3.8-Flash，总参数 125B，每个token只唤醒6B参与计算。9月1日，腾讯发布了其最新一代旗舰模型预览版本Hy4 preview的轻量版模型。

上半年，大模型行业的叙事主线还停留在比拼更多数据、更多参数、更多算力，各家追求的是更大规模参数的模型。

但开源与低价的浪潮正在改写行业逻辑，过去Flash原本只是Google产品线上一个不起眼的档位，定位追求快、便宜、够用，如今新一代Flash已经进化为效率优先的架构版本，行业的比拼重心，也已经从 “谁的参数更大”，转向 “谁成本更低、更具备落地价值”。

Agent需要Flash：效率模型登上产业主舞台

如果只有三分之一的价格，已经能完成大部分日常任务，那你还会默认把所有工作交给最强模型吗？答案当然是否定的。这也是2026年下半年，DeepSeek、智谱、阿里通义扎堆推出Flash等轻量模型的现实动因。

在此之前，市场认知里的Flash，只是旗舰模型的阉割减配版本。

厂商砍掉部分模型能力，换取更快的推理速度与更低调用成本，适合做简单对话，一旦遇到复杂推理、长链路任务，就会出现明显的能力断崖下滑。Flash版本更多是作为旗舰产品的补充，承接边缘流量，很难走到业务舞台中央。

新一代Flash不是简单裁剪参数的减配思路，重点是架构层面的效率革新。依靠MoE稀疏路由机制，模型保留庞大的总参规模与完整知识底座，每一轮推理仅激活一小部分参数参与运算。

真正把Flash推到主流位置的，是AI Agent规模化的兴起。以阿里Qwen3.8Flash为例，模型发布的同时，千问办公Agent产品同步上线，模型与智能体业务的绑定趋势十分直观。

Agent的业务特性带来两层现实约束：一方面，大量工作集中在意图路由、信息抽取、工具调用等任务，并不需要旗舰模型顶尖的深度推理能力，但对推理延迟、并发承载力、调用成本高度敏感。

另一方面，完成一整套Agent业务闭环，往往需要数十次模型循环调用，倘若全部交由旗舰模型处理，成本会随调用轮次成倍膨胀，商业化规模化就无从谈起。

DeepSeek V4Flash、GLM5.3Flash、Qwen3.8Flash这类国产MoE模型，就是瞄准这类场景痛点打造的。即便旗舰模型综合能力上限更高，但高昂的调用开销与更高时延，并不适配Agent高频次、大批量的运行需求。

一夜之间模型都变便宜了，谁才是新的斩杀线？

海外独立评测社区Artificial Analysis曾实测上百款大模型，并据此画出一张性能与价格对比图。DeepSeek-V4-Flash 在这张图里成了一道醒目的“斩杀线”—— 意思是，在它的价格之下，性能比它差、价格还比它贵的模型，都不用看了。

DeepSeek过去半年的用户增长，很大一部分就是踩着这条 “斩杀线”走过来的。它不一定是同一时间段内最好的模型，但价格却足够便宜。

换句话说，现在各家推出的Flash所做的，就是在尽可能接近旗舰效果的前提下，把价格做到最低。

所以“斩杀线”从来不会只属于一家公司。

就在DeepSeek宣布涨价的节点上，低价价格带腾出了空间。随后发布的 GLM-5.3-Flash 与 Qwen3.8-Flash 几乎同一时间把价格压到同一水位，新一轮“斩杀线”之争就此开场。

具体看三家的定价策略：

GLM-5.3-Flash与Qwen3.8-Flash价格几乎持平：输入0.8元、输出约2.7–2.8元/百万tokens，双双站上行业最低档。

智谱更是叠加限时5折（至9月9日），折后输入0.4元、输出1.4元，进一步压低入场门槛。

DeepSeek则坚持峰谷定价：高峰输入3.0元、输出9.0元，空闲时段半价。平均下来约为另外两家的2–3倍，但视觉能力不额外加价，仍保留一张差异化底牌。

标价之下还有第二层。三款都支持上下文缓存，缓存命中的输入价会大幅下探，Qwen低至0.1 元/百万 tokens；对系统提示长、上下文重复度高的场景，实际账单还能再砍一截。而DeepSeek的缓存命中价在闲时只有0.05元，仍是三者最低。

便宜没有换来能力的缩水。各家自测基准几乎不重合，目前最可比的第三方口径仍是Artificial Analysis智能指数：GLM-5.3-Flash拿到57分；DeepSeek V4 Flash50分，也就是说智谱用比 DeepSeek更低的价格，拿到了高出7分的第三方评分，这一次被斩的反而是当初立线的那个。

如今，斩杀线的位置每隔几周就会往下挪一次，而每挪一次，能活下来的模型就少一批。

大模型下半场：卷性能落幕，拼的是算力与数据

上半年的叙事还是更多数据、更多参数、更多算力；到了下半年，DeepSeek、智谱、阿里、腾讯集体转身，把赌注压在“效率”两个字上。当各家Flash的权重几乎全部开源、MoE“大总参、小激活”成为行业共识的基础架构，模型厂之间的区别，正在肉眼可见地变小。

架构不再是秘密，真正难复制的只剩两样：算力规模，和数据管线。

算力这一侧，效率模型表面上是把成本打了下来，背后却有一场更烧钱的军备竞赛。

智谱动用10万张国产芯片集群支撑GLM-5.3-Flash的线上推理；MiniMax称自己是国内最早建成规模化、长期稳定基础设施体系的两家独立大模型公司之一；腾讯则罕见地公开承认“整体算力严重不足”，拖慢了混元迭代。

同一场竞争里，Flash恰恰是算力紧张时代的最优解：320B的GLM-5.3-Flash每次推理只唤醒18B，770B 的Hy4只激活49B，同样的卡能服务更多用户、摊薄更多成本。与其说厂商选择了效率路线，不如说是算力瓶颈让各家不得不去走效率路线。

但算力用钱能买到，数据却不能。

数据这一侧，预训练语料、后训练数据管线、对齐工程，才是各家真正拉开身位的地方。DeepSeek 靠强化学习与蒸馏，把推理能力压进 13B 激活的模型；Qwen在多模态语料配比上押注；智谱在数据与对齐工程上积累。

更被寄予期待的是，数据如何形成飞轮？

各家都在押注Agent，每一次 Agent 调用都是一次真实使用数据的回流，回流进训练，模型更强，便有更多Agent接入。谁先跑通 Agent 的规模化闭环，谁就同时拿到了算力之外最深的护城河。

这也是千问的Flash发布就在千问办公Agent同步上线、模型与业务绑定如此紧密的原因。

在过去卷性能的时代，大家比的是榜单。但卷效率的时代，比的是工程化的能力还有价格。如今价格战把模型压到成本线附近，模型层利润变薄，落到Agent、端侧与云服务身上的压力变得更重。

接下来模型厂商要么靠规模稳坐头部，要么靠场景做出差异化。一时的便宜不是终局，谁能在成本、效率与数据之间跑通飞轮，谁才能划出下一道斩杀线。