Xing4.0-29B-A4B、Step5Preview、DeepSeek V4.1 Flash：一张 4000 块的卡，和三种归属关系

上周我给团队批了一张 24G 显存的卡，四千出头。同一周，我们在 DeepSeek 上的 API 账单是 316 元。

这两个数摆在一起，采购的同事问了一句很实在的话：那张卡多久回本？

按峰时价算，DeepSeek flash 系列输出每百万 token 是 8 元，空闲时段 4 元；输入缓存未命中 2 元、命中 0.04 元。新价从 9 月 10 日 12:00 起执行。就算把用量翻三倍，一张卡也要烧一年多才追平。纯算账，云端赢得毫无悬念。

但 9 月 17 日之后，情况变了一点。三款模型前后脚落地，它们代表三种完全不同的归属关系：一个你租，一个你按次买，一个你直接搬回自己机器上。

三款模型这周各自发生了什么

中国电信 9 月 17 日开源了星辰 Xing4.0-29B-A4B。总参数 29B，激活 4B 参数，原生 256K 上下文，可扩展到 512K 上下文。它的宣传重心不在跑分，在”全栈国产”：昇腾芯片训练，国产框架适配，架构自研，生态开源。

阶跃星辰发的是 Step5Preview，稀疏 MoE，总参数 600B，激活 27B 参数，100 万 token 上下文，原生支持文本和视觉输入。它在 Artificial Analysis 综合智能指数里进了全球开源模型前三，官方口径是单任务成本仅为 Claude Opus 5 的八分之一。10 月 15 日正式开源。

DeepSeek 的 V4.1 Flash 不是新东西，但它是这场对照里的基准线。现在绝大多数中文团队的日常调用都压在这一档上。

	Xing4.0-29B-A4B	Step5Preview	DeepSeek V4.1 Flash
总参数 / 激活	29B / 4B	600B / 27B	未公开
上下文	256K 原生，可扩 512K	100 万 token	长上下文档
开源	已开源	10 月 15 日	闭源 API
怎么跑	自己机器	云端 / 自建	云端 API
标志性数字	4bit 后 15GB 显存	Opus 5 的 1/8 成本	输出 4~8 元 / 百万 token

29B 和 600B，差的不是体型

这两个数字放一起容易误读。600B 听着比 29B 大二十倍，但实际每次推理过电的参数，Step5Preview 是 27B，Xing4.0 是 4B，差的是七倍不是二十倍。稀疏 MoE 的意义就在这儿：参数总量决定你能存多少知识，激活量决定你每次算多久、花多少钱。

Step5Preview 的激活比是 4.5%。所以”单任务成本是 Opus 5 的八分之一”这个说法，来源主要就是这个比例，不是什么玄学优化。

同一个道理也解释了 Xing4.0 为什么敢说消费级显卡能跑。4B 激活配 29B 总量，4-bit 量化之后权重占用压到 15GB，比 FP16 省约 75%，一张 RTX 3090 或 4090 就装得下。

SuperCLUE 那边给它的智能体能力打了 93.52 分，排第三，和前两名的 Qwen 系差距不到 1 分。一个二十多 B 参数的模型贴到这个位置，架构上的取舍算是成立的。

15GB 这个数字，少算了一样东西

这是我最想提醒的一条，官方材料里不会写。

15GB 说的是模型权重加载后的占用。推理时真正吃显存的还有 KV cache，它随上下文长度和并发数线性增长。你拿 24G 的卡跑短对话完全没问题，但一旦真把 256K 上下文填满，而这正是这个模型被宣传的卖点，剩下那 9GB 够不够，要看你的批大小和具体实现。

“能跑 256K 上下文”和”能在 24G 卡上同时跑满 256K 上下文且多路并发”，是两件事。买卡之前最好按自己的实际并发量先试一轮。

第二条容易忽略的是适配成本。Xing4.0 把微调侧（LLaMA-Factory、MindFormers）、推理侧（SGLang、vLLM、KTransformers）和智能体框架侧（OpenCode、Claude Code、OpenClaw、Hermes）都对齐了一遍，模型同时上线了 HuggingFace、GitHub、魔搭、Gitee、魔乐 5 个社区。这活儿其实很费工夫，各家智能体框架的工具调用格式都不一样，不做定向调优就会冒出各种莫名其妙的解析错误。愿意铺这一层，说明它是奔着被人真用去的。

三家各自最难看的地方

Xing4.0 的短板是知识总量。29B 参数就是 29B 参数，冷门领域的事实性问题上它比不过几百 B 参数的模型，这不是量化和上下文能补的。另外”全栈国产”这条对大多数开发者并不构成选型理由，除非采购清单里明确要求它。

Step5Preview 的问题是它还没开源，现在能看到的全是官方数字，而且官方给的是 AA 综合指数的名次，没有放 SWE-bench 这类可复现的工程基准分数。”八分之一成本”这个口径尤其要留个心眼：不同模型的一次成功率不一样，一次做不对要重跑两遍，账得重算。它主打的编程、软件工程、金融这几类任务链条都长，中间任何一环返工，成本是乘出去的。

DeepSeek Flash 这一档最大的问题是你完全不掌握它。价格调过、缓存策略调过、峰谷两档的划分也调过，每一次都得重新算账。好处是省心，代价是所有变量在别人手里。

顺便说一个第三方测的结果。FlappyBench 上 DeepSeek V4.1 Flash 和 Qwen 3.8 Omni Flash 都以不到 0.015 美元的成本拿到 9/10，而 Gemini 3.8 Flash 花了 0.205 美元只拿 5/10，且被判定仍属硬编码。13 倍的价差换来一半的分数。便宜档内部的差距，比大家默认的要大得多。