“牛来”击穿DeepSeek

8月末，“牛来”击穿了DeepSeek。

击穿的不是价格表上的某一个数字，而是DeepSeek过去两年对行业定价权的垄断。

一个匿名的“隐身模型”，在没有品牌背书的情况下，冲上OpenRouter和OpenCode双平台榜首，终结了DeepSeek长达56天的霸榜纪录。过去一周调用量达23.2万亿Token，是DeepSeek-V4-Flash的两倍多。

其Artificial Analysis评分持平Claude Opus 4.8的同时，将顶尖智能的获取成本直接砍到了美金定价体系的2.5%，且远低于DeepSeek的同类闪电模型。

开发者社区叫它“牛来”。

8月26日，智谱认领了它：GLM-5.3-Flash，320B总参数、18B激活参数，GLM-5系列首个原生多模态模型。

这不是靠流量补贴，而是靠彻底重构底层架构。混合注意力机制压缩了4.4倍KV缓存——将“高高在上的前沿智力”打成廉价的工业粗粮。

技术降本，依然是驱动大模型爆发力的第一性原理。

价格斩杀线：GLM打到了DeepSeek的“三分之一”

DeepSeek刚完成一轮提价。

DeepSeek在8月17日后将V4-Flash在工作日高峰期的价格大幅上调，其涨幅高达400%。

提价导致OpenCode平台上的DeepSeek V4-Flash日消耗量从18万亿的峰值暴跌超过50%，直接给全行业留下了将近10万亿Token的巨大市场空白。

在竞品由于成本或算力压力选择防守提价时，智谱选择了全力进攻，给出了极其震撼的定价策略：

GLM-5.3-Flash标准定价：输入0.8元/百万Token、输出2.8元/百万Token、缓存命中0.23元。首发两周五折。

横向对比DeepSeek-V4系列的完整价格体系，差距清晰可见：

🔥 GLM 五折  输入：0.40元 | 输出：1.40元 | 缓存命中：0.115元

👉 仅为DeepSeek非高峰的 27% / 31%

GLM 标准 输入：0.80元 | 输出：2.80元 | 缓存命中：0.23元

👉 为DeepSeek非高峰的 53% / 62%

🧊 DeepSeek Flash 非高峰  输入：1.50元 | 输出：4.50元 | 缓存命中：0.05元

🛡️ 缓存命中是DeepSeek最后防线

DeepSeek Flash 高峰  输入：3.00元 | 输出：9.00元 | 缓存命中：0.10元

⚠️ 是GLM五折的4-6倍

DeepSeek Pro 非高峰  输入：4.50元 | 输出：13.50元 | 缓存命中：—

💡 GLM以1/3价格超越其智能

Claude Opus 4.8价格说明：标准模式输入5美元/百万Token、输出25美元/百万Token；快速模式（速度约2.5倍）为输入10美元、输出50美元。

在首发五折期间（至2026年9月9日24:00），GLM-5.3-Flash的输入与输出价格（0.4元/1.4元）仅为DeepSeek V4-Flash高峰期价格的13%到15%左右。

最重要的是，即便恢复标准价，GLM的输入（0.8元）和输出（2.8元）仍大幅低于DeepSeek V4 Flash的非高峰价格（输入1.50元、输出4.50元）。

海外定价（输入0.15美元，输出0.50美元）更是展现出“约为Claude Opus 4.8的四十分之一”的惊人性价比。

唯一未能击穿的是缓存命中场景。这是DeepSeek最后一道“价格护城河”。这意味着在高频重试、长上下文多轮对话且缓存高度命中的极特殊场景下，DeepSeek依然保留了微弱的价格优势。

缓存命中的防线守住了，却无法改变整体账单的结构性劣势——在同等日调用量下，GLM五折的月账单比DeepSeek涨价前便宜约25%。这不是靠缓存，是靠设计。

以双方实际表现为基准，DeepSeek缓存命中率95%（官方值），GLM缓存命中率84%（社区实测值），按每天1亿Token、输入90%、输出10%的典型Agent任务结构测算月成本。

关键结论：DeepSeek的缓存价再低（0.02元 vs GLM的0.115元），也只能在缓存费上每省出0.70元。但GLM在输出费 一项就比DeepSeek便宜了6元——覆盖缓存劣势后仍有5元优势， 仅输出费一项就比DeepSeek节省30%。

更重要的是，输出成本一向是大模型算力成本的大头，无论是在DeepSeek，还是GLM，输出成本在大模型推理总成本中都占据90%以上的比重，决定胜负的不是价格表上最小的数字，而是最大那个。DeepSeek的缓存价格再低，也无法对冲其输出价格的高昂。

84%命中率下，GLM月成本¥463.50，而DeepSeek涨价前（95%命中率）为¥618.60，GLM便宜约四分之一。 

能力呢？Artificial Analysis Intelligence Index评分57分，与Claude Opus 4.8持平，高于DeepSeek旗舰V4 Pro正式版的53分。在Terminal-Bench 2.1上，GLM拿下84.3分，DeepSeek-V4-Flash为82.7分；DeepSWE则是63.4对54.4，领先9分。

以DeepSeek-V4 Pro约三分之一的价格（输入0.8 vs 4.5，输出2.8 vs 13.5），提供超越其能力的智能（57 vs 53）——这才是“斩杀线”被重新定义的真实含义。

这个模型展现出了“强推理+强Agent+顶尖工程落地”的特征。它不仅在传统的文科、理科综合能力上（AI Index）追平或超越了中外顶尖旗舰，更在代码、终端控制、软件工程等高价值的生产力场景中拿下了统治级的技术优势。

这不是价格战，这是成本结构的重构。

1/3到1/4的API调用成本，意味着原本因为Token消耗太大而无法落地的多Agent协同、长文本反思重试等方案，在商业上全部变得完全可行。

如果再算上端到端软件工程，和终端自动化带来的工程落地效率提升，企业在实际研发和运维场景中支付的“综合智力成本”会被稀释得更低。

架构创新将算力需求整体压缩了3倍

为了在物理层面上降低算力开销，智谱对底层模型结构进行了颠覆性的精简：

激活参数与层数几乎减半：总参数量为320B（与GLM-4.5的355B相当），但通过极端优化，将激活参数从32B砍到18B，层数从92层骤减到45层。

线性与稀疏混合架构（Hybrid Attention）：将线性注意力层（通过递归机制捕获局部依赖）与稀疏注意力层交错堆叠。稀疏注意力借助轻量级索引器召回全局上下文。

IndexPool技术降延时：为了降低1M（百万级）超长上下文下检索引器的延迟与内存开销，智谱引入IndexPool，通过加权池化将检索引器的4个缓存向量压缩为1个。

工业级降本：4.44倍的KV缓存压缩

这种架构上的激进创新带来了实打实的工程质变：

算力与显存双减负：相比GLM-5.3，注意力计算量降低3.01倍，最核心的硬件瓶颈KV缓存直接缩小了4.44倍。

KV缓存是长文本大并发场景下最吃显存、最昂贵的硬件瓶颈。压缩4.4倍意味着相同的显卡硬件，智谱能跑出数倍于竞品的吞吐量。

恐怖的吞吐能力：这解释了为什么它能抗住OpenCode上每日100万亿Token的庞大算力供给，并在单周内轻松承载23.2万亿Token的调用洪峰，而没有发生服务雪崩。

由于它通过混合注意力机制大幅压缩了KV缓存，极其适合长文本、高并发、高上下文（如代码库分析、多轮长对话Agent）的场景。

混合注意力正在成为行业“必答题”。从面壁的端侧突破到蚂蚁、阿里的云端布局，混合注意力已从某一家公司的技术选型，变成了中国AI产业的集体共识。

架构创新将算力需求整体压缩了3倍，使得国产芯片的规模化部署直接从“可选项”变成了“可行项”。智谱正在引导全行业“用软件架构的进化削弱硬件生态的粘性”，打破单一芯片巨头的生态垄断。

历史性跨越：10万张国产芯片集群的真实盲测

GLM-5.3-Flash（牛来）不仅是一次模型反超，更是国产芯片在“推理侧替代”上的历史性合围。

过去，市场对国产芯片普遍存在“能用、不好用、生态差”的顾虑。智谱用一次匿名测试打碎了所有疑虑：超过10万张国产芯片（据《晚点LatePost》了解，或来自华为、摩尔线程与海光）组成的集群，在用户完全不知道模型名称、不知道底层芯片的前提下，纯靠速度和稳定性承载了全球高并发流量。这是国产算力第一次完成如此大规模的商业化实战验证。

由于国产芯片在单卡性能和内存带宽（尤其是1M超长上下文）上与英伟达顶尖GPU仍有物理差距，智谱交出了一套教科书级的全栈极限工程方案：

恐怖的实战高负载：10万张来自华为、摩尔线程、海光等国产芯片组成的超大集群，在OpenRouter和OpenCode上硬抗下了5天超过50万亿Token的全球高并发盲测流量。

软件极限抹平硬件：通过“SGLang定制引擎+W8A8混合量化+EPD分离式架构（将编码、预填充、解码拆成独立工作池）”，端到端性能暴增3倍，硬件效率和单Token成本成功追平了英伟达主流GPU。

半导体研究机构SemiAnalysis随即评论道：“继OpenAI自研芯片Jalapeño之后，CUDA护城河再度受到考验。”不过，这个评价需要分层理解。

在推理侧，国产芯片已经“击穿”了可用性门槛。10万张国产芯片承载来自OpenRouter和OpenCode的全球真实并发负载，五天累计超过50万亿Token，打破了下游客户对“国产芯片能用不好用”的顾虑。

推理侧的意义不止于技术验证。黄仁勋在GTC 2026大会上指出，AI产业正从训练向推理全面转向，推理算力消耗已远超训练阶段，直接决定了AI商业模式的可行性。作为AI产业最大的增量市场，推理为国产芯片的起步提供了极为有利的市场窗口。

在预训练侧，国产芯片刚刚迈过“从0到1”的起点。2026年4月，DeepSeek V4首次将华为昇腾与英伟达并列写入硬件验证清单，人民日报报道称双方实现了“芯模协同”。黄仁勋直言，若DeepSeek率先在华为平台发布，“对美国AI战略地位将是灾难性打击”。“Day0适配”已成国产芯片的标准实践，仅2026年，DeepSeek V4、MiniMax H3、Qwen3.8等主流开源模型均在发布当日完成对等多款国产芯片的适配。推理侧生态正在从“试点”走向“制度化”。

真正的“击穿”，取决于昇腾等国产芯片能否在未来一两年内，在训练效率、集群互联、生态工具链上持续缩小与英伟达的差距。

架构创新压缩了每Token的算力需求，让国产芯片的性能短板被软件优化填平；国产芯片的规模化部署，反过来验证了架构创新的商业价值。

两个算力账本：英伟达模式与国产芯片模式

DeepSeek和GLM-5.3-Flash的算力成本结构差异，本质上是两套截然不同的算力供应体系。

DeepSeek模式是英伟达生态下的“极致榨汁机”。外界曾普遍认为DeepSeek过去超低的价格是在“亏本烧钱换市场”。但据The Information报道，2026年前七个月，DeepSeek API业务毛利率高达82.9%，公司综合毛利率为44.6%。这意味着即使在涨价前，DeepSeek也并非“低于成本烧钱换份额”，而是赚得盆满钵满。它的低价建立在英伟达H100/H800集群上，通过算法工程将硬件性能榨干到极限——这是在成熟美元硬件生态里的“极致工程优化”。

智谱走了一条更具战略自主权的路：算力底座是10万张国产芯片，同时通过“混合注意力架构”从模型层将计算量和KV缓存分别压缩3.01倍和4.44倍，用软件填平了国产芯片的物理性能短板，最终让单Token成本追平了主流英伟达GPU。

智谱目前并未披露单模型毛利率或集群TCO。因此，虽然两者商业定价打得头破血流，但智谱模式在财务上是否已达到DeepSeek那般恐怖的82.9%毛利率，外界尚无法看透。DeepSeek已进入规模化商业运营的数据披露期，智谱则处于技术验证与市场抢占期。

真正的悬念不在于谁当前的毛利率更高，而在于国产芯片的成本优势能否在更大规模下持续，以及智谱能否在足够短的时间内用足够多的Token调用量摊销前期的工程投入。

全局战场：DeepSeek丢掉了整场战争的价格主动权

国产“牛来”击穿DeepSeek了吗？

击穿了。但方式不是“全面碾压”，而是“错位合围”。

缓存命中场景下，DeepSeek依然固守着最后防线——非高峰期0.05元/M Token，GLM五折价（0.115元）是其2.3倍，标准价（0.23元）是4.6倍。

DeepSeek守住了细分防线上的阵地，但是，整场战争的价格主动权丢了。

“击穿”发生在三个关键维度：

第一，账单主体定价全面低于DeepSeek。 五折限时价：GLM输入仅为DeepSeek非高峰的27%，输出仅为31%。恢复标准价后，仍分别便宜47%和38%。

第二，用低阶价格超越高阶智能。 GLM评分57，压制DeepSeek V4-Pro（53分），价格仅为其三分之一——Pro被超越了，Flash被击穿了。

第三，一套新的成本公式成立。 DeepSeek的低价来自英伟达GPU的极致工程优化。GLM的低价来自混合注意力架构（计算量降3倍、KV缓存缩4.4倍）+10万张国产芯片（端到端性能提升3倍） 的全新组合。换了一条赛道重新定义了“便宜”。

CUDA曾被视为不可撼动的软件生态，智谱通过混合注意力架构+10万张国产芯片集群，在全球真实负载下跑出了与英伟达GPU相当的成本效率，直接开辟了第二战场，完成了对大模型斩杀线的重新定义。

无论是DeepSeek在英伟达生态里的极致压榨，还是智谱在国产芯片上的全栈重构，最终指向的命题是同一个：谁能用更便宜的芯片、更便宜的结构、跑出更强的模型，谁就拥有定价权。

本文来自微信公众号“探花AI飞刀”，作者：摘花飞刀，36氪经授权发布。