deepseek-flash 这个接口名，两个半月换了三茬模型：1017 版对上 GLM-5.3-Flash 和 Qwen3.8-Flash

7 月 31 日，DeepSeek 把 V4 Flash 挂上 API，接口名叫 deepseek-flash，284B 总参数，激活 13B。9 月 10 日，同一个接口名后面换成了 V4.1 Flash：总参数涨到 552B，结构改成 20 层编码器加 20 层解码器的因果编码器-解码器，第一次原生能看图。10 月 17 日又换一次，就是这回的 1017。两次换芯，调用方的代码一个字都不用改。

另外两家的节点没这么密，却卡得很巧。智谱的 GLM-5.3 是 8 月 14 日发的，6 天后一个叫 Ox Alpha 的匿名模型出现在 OpenCode 和 OpenRouter 的免费列表里，8 月 26 日揭晓，就是 GLM-5.3-Flash，320B 参数、激活 18B，MIT 权重当天放出。同一天，通义千问团队放出 Qwen3.8-Flash-Next 的开放权重，托管版 Qwen3.8-Flash 也上了线。

接着是一轮免费潮。9 月 18 日 Qoder 把 Qwen3.8-Flash 的计费系数从 0.1× 调成 0×，原定 9 月 30 日截止，后来延期，结束日至今未公布。10 月 15 日 OpenCode 把 DeepSeek V4.1 Flash 放进免费列表，第二天 GLM 5.3 Flash 跟进。1017 是在这之后出来的。

三个模型两个半月里都改过身份、价格或免费规则，比能力之前，先看各自在哪个节点埋了东西。

接口名还是那个，权重已经是第三茬

1017 的官方定位是「小版本更新」：基准更强、任务完成更快、输出更短。模型 ID 没变，旧的 deepseek-v4-flash 也照样能调，只是指向新模型、按 Flash 价计费。Ollama 云端也把老用户一并推到了新版。

这对做产品的人是隐患。上周调好的提示词是在 0910 版上验的，17 号之后同一行请求打到的是另一组权重。从公开资料看，API 侧能用的名字只有 deepseek-flash 和两个已退役的旧名，三个都指向新版，想退回 0910 只能自己下权重部署，第三方估算得 8 卡 H200 起步。

参数量也对不上：OpenRouter 简介写 552B 参数，Hugging Face 模型卡和跟进博客写 763B，官方没统一口径，部署前以仓库实际体积为准。

一个模型，三种标价

官方定价页 10 月 17 日的口径：闲时缓存未命中 0.15 美元、输出 0.60 美元，峰时翻倍到 0.30 和 1.20 美元，缓存命中闲时 0.003、峰时 0.006 美元。峰时是 UTC 周一到周五 01:00 到 04:00、06:00 到 10:00，换成北京时间，正好是工作日上午 9 点到 12 点、下午 2 点到 6 点。

国内一篇通稿把「每百万输入 0.3 美元、输出 1.2 美元」写成极低定价，用的是峰时价。OpenRouter 的 1017 页面顶部标的是输入 0.05 美元、输出 0.60 美元，往下翻供应商列表，又有标 0.30 和 1.20 的。0.05 从哪来，页面没解释。做预算别拿聚合页的头部价，看你实际路由到的那家。

还有一笔容易漏。1017 同期开放了 Search 和 Fetch 两个接口，每 1000 次成功请求 0.75 美元，国内口径 5 元。通过 DeepSeek Harness、Claude Code、Codex 调用的，10 月 31 日 16:00 UTC 前免费，也就是北京时间 11 月 1 日零点开始收。智能体一次调研搜几十次很平常，这笔钱不在 token 用量里。

77 分是在哪个外壳里跑出来的

官方那张表里，1017 的 DeepSWE v1.1 是 77.0，比 0910 版的 74.2 高 2.8，比 Claude Opus 5 的 74.0 高 3 分，比 GPT-5.6 Sol 的 73.0 高 4 分。Terminal-Bench 4.0 从 31.2 跳到 42.3，是涨得最多的一项，压过了 GPT-5.6 Sol 的 39.9。

标题没写的另一半：同一项 Terminal-Bench 4.0，Opus 5 是 51.8，比 1017 高 9.5 分；ProgramBench 上 Opus 5 是 37.0，1017 是 29.1；不带工具的 HLE 是 56.3 对 42.6。按跟进博客的统计，那张 11 行的表里 1017 领先 4 行，Opus 5 领先 6 行。「超过 Opus 5」只在 DeepSWE 一行上成立。

Terminal-Bench 4.0 用 Claude Code 跑，DeepSWE 用 mini-swe-v2 跑，换成你自己的 Agent 框架，分差未必还在。

10 月 18 日有国内媒体拿官方展示的案例做复现，都用各家默认档位，DeepSeek 默认 High。3D 故宫那一轮，1017 用了 37 分钟，Claude Opus 5.5 用 23 分钟，GPT-6.1 Sol 只要 7 分钟。1017 只搭出一座独栋宫殿，宫门绕到背面直接消失。赛车游戏那一轮，1017 跑了 42 分钟，霓虹画面三家里还原得最好，可转向是反的，只能一路撞车，别的开发者复刻也碰到同样的反向。同一轮 GPT-6 Luna 1 分 23 秒交卷，粗糙但能玩。

作者翻了轨迹，慢在 High 档的工具调用和自查来回绕圈。

分数是真的，许愿式编程还没到。

GLM-5.3-Flash：关不掉的思考，200K 的免费版

智谱文档里有一行要先看到：thinking.type 只支持 enabled，思考关不掉，推荐参数还是 reasoning_effort: max。腾讯云开发者社区有篇排查记录，内部办公助手接了它，员工吐槽「转半分钟圈才吐字」。查下来是旧代码从没传 reasoning_effort，每次都按最高档跑，思考链动辄几千 token。显式改成 high 后，简单任务质量看不出差别，token 花费明显下来。

OpenCode 免费版的边界更多。它只能在 OpenCode 里用，外部客户端调会收到 403 FreeTierError；上下文封顶 200K，输出 32K，付费版是 1M 和 131K；元数据写着支持 PDF，真传进去报 file 类型不支持，得先把页面转成 PNG。有人连测 11 次一句话提问，耗时从 7 秒到 196 秒，同类问题 DeepSeek V4.1 Flash 的免费版是 4 到 15 秒。

同一组实测里有个更要命的案例。让它看规格截图生成 JSON Schema，它把 weight_grams 的上限写成 300000，正确值是 30000，还把一个可选字段标成了必填。两处错误都通过了 JSON 校验。

格式对、数值错，下游最难拦。

价格上，Z.ai 和 OpenCode Zen 的付费价都是输入 0.15 美元、输出 0.50 美元，缓存输入 0.03 美元。智谱自己的说法是「GLM-5.3 的十分之一，限时期间二十分之一」，限时到哪天，文档没写。GMI Cloud 上线时打的是五折，第三方价格页记成输入 0.075、输出 0.25 美元。

Qwen3.8-Flash：长文本降价，短请求涨价

三个里只有它没开放同名权重。开源的是 Flash-Next，125B 主干加 51B N-gram 嵌入，每 token 激活 6B，原生 262K 上下文，靠 YaRN 拉到 1M。许可证是 Qwen Community License 1.0，不是另外两家的 MIT，商用前得读条款。

标价改过一次。8 月 26 日发布当天路透报的是每百万输入 1 元、输出 3 元，现在北京和法兰克福区是 0.8 元和 2.7 元，新加坡和美国区是 1.094 元和 3.427 元，海外口径约 0.16 美元和 0.47 美元。

坑在跟上一代比。Qwen3.7-Flash 按长度分档，32K 以内输入 0.2 元、输出 0.8 元。换到 3.8 不再分档，短请求的输入贵了约 4 倍、输出贵了约 3.4 倍；只有在 256K 到 1M 那一档，3.8 的输入便宜约 33%、输出便宜约 44%。流量以几千 token 的短请求为主，「升级」等于涨价。

缓存规则也和另外两家不同。隐式缓存命中 0.1 元，但不保证命中；显式缓存创建要 1.25 元每百万 token，比正常输入还贵，存活只有 5 分钟。高频复用同一段长系统提示才划算，隔一阵调一次反而亏。

Qoder 免费版的口碑分成两派。LINUX DO 上有人说思考慢得离谱，一个小项目修几个问题耗了好几个小时；也有人怀疑免费版做了重度量化，思考很短，稍复杂的任务做不完，这条只是个人猜测，没有证据。Qoder 活动页也承认高峰会变慢。企业版和团队版订阅不参加这个活动。

能力上，阿里自报 Flash-Next 的 DeepSWE 1.1 是 58.7，低于同表 GLM-5.3-Flash 的 63.4；长项在 SWE-bench Pro 62.5。都是厂商自报，测的也不是托管版。

三个「免费」各自停在哪条线上

三个免费渠道有个共同点：只在自家工具里生效。GLM 的免费版出了 OpenCode 就是 403，Qoder 的 Qwen 也只在 Qoder 自家客户端里生效，跑自己的批处理脚本走不通。

另外，OpenCode 刚披露约 1.4% 的 Console 用户存的第三方密钥外泄，在里面存过别家 key 的，先去吊销重签。

便宜档的账单，正在往看不见的地方涨

这两个月的主流叙事是「Flash 越来越便宜」。单看标价没错，可三家都把成本挪到了标价表的第二页。Qwen 是短请求比上一代贵 4 倍；GLM 是思考关不掉、默认最高档，token 按思考链膨胀；DeepSeek 是峰时翻倍，加上 11 月 1 日起按次收费的搜索接口。三笔都不写在第一行。

反过来，三家里只有 DeepSeek 在 1017 里明确把「输出更短、完成更快」写进了更新说明。按它自己的 mini-swe-v2 图表，单任务成功率最高 77%，平均费用不到 2 元，同一成本区间里 GLM 5.3 Flash 和 GPT-6 Luna 的通过率在六成上下。图是它自己画的，只能当方向看。

比跑分更该先问的，是版本能不能锁住。

智谱出提速版时另起了 FlashX 这个名字，原来的 Flash 照旧可用；DeepSeek 两个月里在同一个名字下换了两次权重。生产环境里，一次静默升级带来的回归，往往比 3 分 DeepSWE 的差距更费人。

我现在手上的分法

在 OpenCode 里写代码的，用 DeepSeek V4.1 Flash 的免费版，一句话提问在 4 到 15 秒之间，比 GLM 免费版的波动小得多。3D、物理、交互类的活，生成完先自己点一遍。

要看图抽字段、做结构化输出，GLM-5.3-Flash 的图像输入是原生的，记得把 reasoning_effort 降到 high，并对数值字段加一道范围校验，那个 300000 的教训不止适用于它。

上下文常年在 256K 以上的长文档活，换到 Qwen3.8-Flash 比留在 3.7 那一档便宜三到四成；几千 token 的短请求，暂时留在 3.7-Flash。

相关对比

• Qwen3.8-Flash-Next vs GLM-5.3-Flash vs DeepSeek V4 Pro：一周之内，国产模型把价格打到了这个地步
• DeepSeek V4.1 Flash 和 V4 Pro：单价全线下调，我的账单反而涨了 36%
• GPT-5.6 Luna、GLM-5.3-Flash、Gemini 3.8 Flash：便宜档的三张价目表，坑各不相同