阿里发布Qwen3.8-Max，DeepSeek V4-Flash低价搅局，中国AI模型价格战升级

一句话看懂

阿里发布2.4万亿参数的Qwen3.8-Max，DeepSeek V4-Flash以极低推理价格搅局，中国AI模型竞争从拼参数转向拼成本。

详细发生了什么

阿里巴巴正式推出其迄今最大的AI模型Qwen3.8-Max，总参数达2.4万亿，采用混合专家（MoE）架构，每次请求仅激活约950亿参数，从而降低计算成本和响应延迟。该模型支持文本、图像和视频处理，上下文窗口高达100万token。阿里还宣称，该模型在16天内完成了一个软件工程项目。

与此同时，DeepSeek发布V4-Flash，走了一条不同的路线：不追求参数规模，而是将推理价格压到极低。据Artificial Analysis数据，V4-Flash总参数2840亿，推理时激活130亿，输入价格每百万token仅$0.14，输出价格$0.28，缓存命中价格更是低至$0.003。在基准测试中，V4-Flash平均每次任务成本仅3美分，而Kimi K3为86美分，GPT-5.6 Sol为$1.86，Claude Fable 5为$3.15。

这场竞争还体现在开放权重上。DeepSeek V4-Flash以MIT许可证开放权重，Kimi K3也在自有许可下开放，开发者可自建部署，不必依赖单一API。Omdia首席分析师Lian Jye Su指出，许多业务场景并不需要最强模型，而是需要性价比高、透明、可访问的模型。

中文圈视角

对国内开发者来说，这场价格战是实实在在的利好。DeepSeek V4-Flash的API价格远低于国际主流模型，且无需特殊网络环境即可访问，国内开发者可以直接通过官方API或开源权重部署，大幅降低AI应用的成本门槛。相比之下，OpenAI、Anthropic的模型不仅价格高，而且国内访问受限，平替需求强烈。

在国产模型对比中，Qwen3.8-Max和Kimi K3在参数规模上接近，但Qwen的API定价（输入$2/百万token，输出$6/百万token）明显低于Kimi K3（$3/$15），性价比优势突出。对于中文写作、编程辅助、办公自动化等场景，Qwen3.8-Max的百万token上下文和视觉能力，使其在处理长文档、多模态任务时更具实用性。

不过，价格低不等于总成本低。Kimi K3在agentic任务中平均每次生成12万token、调用83次，导致单任务成本高达$10.57。中文用户在选择模型时，应结合具体任务评估token消耗和调用次数，而非只看API标价。此外，开放权重意味着数据可以留在本地，对数据出境敏感的企业用户是重要考量。

几条值得记住的细节

• Qwen3.8-Max总参数2.4万亿，激活参数950亿，上下文100万token，支持文本、图像、视频。
• DeepSeek V4-Flash API价格：输入$0.14/百万token，输出$0.28/百万token，缓存命中$0.003/百万token。
• Artificial Analysis基准测试中，V4-Flash平均任务成本3美分，远低于Kimi K3的86美分和GPT-5.6 Sol的$1.86。
• Kimi K3在AA-Briefcase测试中单任务平均成本$10.57，输出12万token，调用83次，凸显总成本差异。
• DeepSeek V4-Flash和Kimi K3均开放权重，可自建部署，不依赖单一API。

一句话总结

国产模型价格战让AI应用成本大幅下降，中文开发者应关注任务级成本而非单纯API标价。