全球大模型调用量第一！DeepSeek V4-Flash登顶，中国大模型横扫全球榜单

短短10天，中国AI大模型公司上演了三个大动作，掀起了一轮密集的创新潮流。DeepSeek V4 Flash版本、Kimi K3和Qwen3.8-Max陆续上线，在美国硅谷引发了集体的振动。

这三款模型都在与 GPT-5.6 和 Claude Opus 5 等美国AI模型方案展开激烈竞争。值得关注的是，真正的战场已经不再仅仅是跑分榜单了：现在更关键的是单次响应的服务成本，以及究竟有多少 GPU 算力能够满足庞大的市场需求。

最新业界消息显示，多模型聚合平台 OpenRouter 发布的全球 AI 大模型调用量周榜单（7 月 27 日至 8 月 2 日）显示，DeepSeek V4 Flash 以 7.22 兆 Token 的调用量位居第一。排在第二位的是小米MiMo-V2.5，周调用量6.3万亿Token，环比下滑40%；第三名是来自腾讯自研大模型混元Hy3，周调用规模4.82万亿Token，环比增长22%；第四名是同样来自DeepSeek的V4-Flash 0731模型，这是DeepSeek全新上线的新版本模型，周流量3.28万亿Token，环比增长3%；智谱GLM-5.2位居第五，周调用量达2.89万亿Token，环比下滑12%。

国际研究机构Artificial Analysis的最新分析显示，DeepSeek-V4-Flash 在全球知名模型中具备突出的成本效益 ，V4-Flash 的平均测试成本仅为3美分，OpenAI GPT-5.6 Sol 为1.86美元，Claude Fable 5 高达3.15美元 。

DeepSeek V4 在长上下文任务中主打价格与效率优势

7月31日， DeepSeek 推出了V4 Flash正式版本API，并且开始公测，该模型并没有增加模型参数，而是通过优化后训练环节，大幅度提升Agent能力，整体性能逼近国际顶尖水平。

V4 Pro 的总参数量达到 1.6 万亿，每个词元（token）激活 490 亿参数；V4 Flash采用MoE(混合专家)结构，总参数规模缩减至 2840 亿总参数和 130 亿激活参数。两者均提供 100 万 token 的上下文窗口。在官方DeepSWE基准测试中，其表现较此前V4-Pro预览版版本提升超过6倍。

V4 Flash核心改进主要集中在推理能力、工具调用以及智能体（Agent）行为上。初步测试表明，该模型在编程任务中产生的幻觉响应更少，给出的答案也更加清晰。V4 Flash延续了此前极低的定价策略，输入命中缓存价格仅为0.02元/百万Token，未命中输入价格为1元/百万Token，输出价格为2元/百万Token。

DeepSeek 还推出了分时定价策略。在北京时间的高峰需求时段，费率会上涨；而在非高峰时段则会下调。这种在电力、交通或云计算容量市场中常见的定价模式，在目前的 AI API 领域还十分罕见。

外媒指出，在非高峰时段，V4 Pro 的价格约为每百万 token 0.87 美元，而 V4 Flash 则降至约 0.28 美元。这些价格远低于美国高端模型。

在进行对比时，不能仅仅考虑单个 token 的成本：较便宜的模型可能会生成更长的回复、需要更多次尝试或产生错误，从而推高整体成本。尽管如此，如此显著的价格差异，仍足以让许多企业考虑将 DeepSeek 用于文本分类、数据提取、常规代码生成或大规模自动化流程。

另一个值得注意的变化是，官方移除了旧的接口标识符 deepseek-chat 和 deepseek-reasoner。开发者必须迁移到新的 V4 Pro 和 V4 Flash 命名，以便更精准地控制所使用的模型版本。

Kimi K3拥有2.8万亿参数，最强开源模型追平闭源大模型部分参数

Kimi K3 是一款拥有 2.8 万亿参数的大模型，基于混合专家（MoE）架构构建。这种设计并非在每次查询时都激活所有参数，而是通过路由系统挑选最合适的专家来处理每个词元（token）。与同等规模的稠密模型相比，这大幅降低了计算负载。融合了3D推理、编程与视觉能力，K3自己做的3D游戏非常逼真，还可以互动。K3复刻的黑洞，可以用于科学编程，中国可回收的远程火箭3D建模动画，K3可以实现。运用Agent能力，K3可以48小时运行，独立完成从芯片的构建、设计到优化、验证的全流程。运用原生态的多模态架构能力，可以运用多种素材剪辑视频。

然而，这并不意味着它的部署成本低廉或操作简便。月之暗面建议，至少使用配备 64 个加速器的超级节点，以维持专家之间的高带宽通信。在完全精度下，完整的模型权重需要约 1.5 TB 的存储空间；即使采用 4-bit 量化版本，仍需要大约 600 GB 的显存。

尽管 Kimi Delta Attention 架构显著减少了用于在生成过程中维持上下文的 KV 缓存（键值缓存）的内存分配，但这一改进并未消除模型对物理硬件的硬性要求。对于每一个请求，公司依然需要庞大的高带宽内存、互联带宽以及充足的可用 GPU。

Kimi K3 的发布导致日销售额和 API 调用量激增，促使月之暗面将订阅服务拆分为两款独立产品：一款涵盖网页端应用、办公功能及常规 Kimi 服务；另一款则是专为编程任务打造的 Kimi Code。

Qwens 3.8-Max，主导2.4万亿参数的旗舰模型

8月3日，阿里宣布推出Qwens3.8-Max,这款模型总参数量2.4万亿，在编程（Coding）和专业办公（Cowork）方面能力大幅提升。阿里官方宣称，这款模型上线当天，根据权威三方榜单Arena中，整体性能处于全球大模型第一梯队。

该模型全面支持文本、图像、视频和文档处理。它具备近 98.4 万 token 的上下文窗口，且单次生成的响应长度最高可达 131,072 个 token。

此外，阿里巴巴还加入了可调节的推理力度选项（范围从“低”到“超高”），以便根据任务的难易程度来优化资源分配，且该推理功能默认处于开启状态。

目前，Qwen 3.8 Max 已通过阿里巴巴的 Token 套餐，以及 Qoder 和 QoderWork 平台提供服务。该服务兼容 OpenAI 和 Anthropic 协议，这意味着许多现有应用只需切换接口端点，即可无缝接入，无需进行全面的重新集成。

阿里云提示：1. Qwen3-8B：82 亿参数开源密集型轻量模型，本地显卡可私有化部署，永久开源商用；

2. Qwen3.8-Max（预览版）：2.4T 万亿参数旗舰 MoE 模型，当前仅支持阿里云线上 API 调用，正式版后续将开源，暂不提供本地部署权重。

据悉，Kimi K3（原生支持文本/图像/音频/视频）和Qwen 3.8 Max（原生支持图像/视频/文档，并具备 RecreationBench 等 GUI 代理功能）。GLM 5.2 以文本为主（视觉功能通过配套模型实现），而 DeepSeek V4 Flash 0731 仅支持文本。

中国大模型可以做到低成本，主要是通过开源路线或者开放权重路线。这种策略的好处是，使用者不仅可以下载、使用和微调大模型，还可以在本地服务器或者自主环境中运行，并且根据医疗、金融、汽车和制造等具体行业需求进行调整，而不必依赖模型厂商提供的在线接口。好处是不仅可以加快技术迭代，还可以显著降低中小企业使用的门槛，使其不必从零基础模型做起，而是直接在成熟的模型上进行行业适配。