8 月 26 日晚，阿里和智谱几乎同时发布了两个名字里带着“Flash”的模型。
Qwen3.8-Flash-Next 拥有 125B 主模型和额外的 51B N-gram Embedding，每个 Token 只激活 6B 参数。GLM-5.3-Flash 总参数 320B，激活参数 18B。前者开放权重，后者采用 MIT 许可证开源。
过去的大模型发布会，喜欢往参数规模和 Benchmark 榜首上冲。这一次，两家公司却不约而同地把“少算一点”摆到了台前。
Qwen 开放了新架构和权重，迅速接入 vLLM、SGLang 等推理框架，生产版将以 Qwen3.8-Flash 进入 QwenCloud，千问办公已经用它支撑 Standard 模式。Qwen 官方公布的 API 价格为每百万 Token 输入 0.16 美元、输出 0.47 美元。
GLM 的打法就比较传统，先推出个匿名模型 Ox Alpha，在 OpenCode 和 OpenRouter 免费开放。开发者不知道它来自哪家公司，照样拿它写代码、调用工具、跑长任务。调用量起来之后，智谱才揭晓身份，开放 MIT 权重，并宣布测试期的全部请求由国产芯片集群承载。
但无论他们的打法有多不同，目的都是进入 Agent ，成为那个默认、常驻、一天到晚跑个不停的模型。
01、DeepSeek 涨价十天后，替代者同时到场
这个时间点很微妙。
8 月 1 日，DeepSeek-V4-Flash 上线。短短两周，它在 OpenCode 上的日 Token 量便从约 3 万亿冲到 18 万亿。低价第 一次把 Agent 需求彻底释放出来：过去舍不得交给模型反复尝试的任务，现在可以放心跑上几十轮。
但 8 月 16 日涨价后，日 Token 量迅速跌到峰值的一半以下。OpenCode CEO 估算，平台上由此空出了接近 10 万亿 Token 的日需求。
四天后，Ox Alpha 匿名（GLM）上线。
没有品牌背书，也没有发布会造势。开发者甚至不知道它来自哪家公司，只知道它免费、能力够用，可以接替 DeepSeek 继续干活。据公开数据，Ox Alpha 六天内在 OpenCode 累计处理 44 万亿 Token；在 OpenRouter 过去七天的调用量达到 23.2 万亿 Token，位列第 一。
这几乎是一场天然的品牌盲测。摘掉公司名字之后，开发者仍然用调用量投了票：在 Agent 市场，模型是谁并没有账单、速度和完成率重要。
8 月 26 日晚，智谱揭晓 Ox Alpha 的身份，阿里也在同一天发布 Qwen3.8-Flash-Next。
DeepSeek 刚刚用一次涨价榨出了市场对低价模型的渴求，Qwen 和 GLM 便顺着这道裂缝挤了进来。
02、Agent 最重要的生态位，是日常主力模型
大模型竞争最容易被看见的，是谁又拿了 Benchmark 第 一。但进入 Agent 之后，真正值钱的位置变了。
最强模型负责解决少数难题，日常模型负责处理绝大多数工作：读取代码、搜索文件、调用工具、检查结果，失败了再重来一轮。一个看似简单的任务，背后可能循环几十次。上下文不断变长，思考 Token 和工具调用逐层累积，几毛钱的价差很快就会被放大。
这正是 DeepSeek-V4-Flash 此前受欢迎的原因。它未必每项能力都最强，却便宜到让开发者不必盯着账单，可以把任务交给它一直跑。
在聊天产品里，用户可能习惯某个模型的语气、界面和记忆。但在 Agent 世界，大模型几乎没有品牌忠诚度。换模型通常不需要迁移社交关系或重新学习一套产品，有时只是改掉配置文件里的模型名。
模型价格一旦变动，流量马上会寻找下一个出口。开发者关心的是任务能否完成、工具调用是否可靠，以及跑一晚上究竟要花多少钱。模型来自哪家公司并不重要。
也因此，日常主力模型的位置比旗舰模型更难守，也更有价值。一旦成为默认选项，拿到的就不只是 API 调用量。IDE、Agent 框架和办公工具会围绕它做适配，企业部署、订阅计划和云服务也会随之跟进。
最强模型决定 Agent 能做到什么，日常模型决定 Agent 每天在做什么。
榜单第 一赢得发布会，默认模型拿走工作流。
03、这是一轮有技术的价格战
Qwen 和 GLM 毫无疑问带来了新一轮价格战。区别在于，过去的低价往往来自云平台补贴，这一次，两家公司先从模型结构里压低了成本。
总参数决定模型能够容纳多少知识和能力，激活参数则更接近每生成一个 Token 时，真正需要参与计算的部分。
Qwen3.8-Flash-Next 的主模型拥有 125B 参数，另有 51B N-gram Embedding，但每个 Token 只激活 6B 参数。模型规模没有大幅缩水，每次推理真正参与计算的部分却被压得很小。
Agent 最烧钱的地方，往往不是回答一个问题，而是反复处理越来越长的上下文。每执行一轮，模型都要重新读取系统提示、历史对话、代码文件和工具返回结果。传统全注意力机制近似于每写一个字，都要把前面的整本材料重新翻一遍。上下文越长，计算量和 KV Cache 占用就越高，GPU 不仅忙着计算，还要不断搬运数据。
Qwen 的处理方式，是让四分之三的网络层使用 GDN，把历史信息持续压缩到固定大小的状态中；剩余层再通过 QSA 稀疏注意力，从长上下文里寻找真正相关的部分。它不再要求每一层都完整扫描全部历史，而是先做摘要，需要细节时再精准检索。
额外的 51B N-gram Embedding，则更像一套规模庞大的常用词组和局部模式库。查找位置可以提前确定，因此能够放在成本更低的主机内存中，需要时再异步读取，不必长期占用昂贵的 GPU 显存，也几乎不增加每个 Token 的矩阵运算量。
GLM-5.3-Flash 走的是相似方向。
它拥有 320B 总参数，每个 Token 只激活 18B，并采用线性注意力与稀疏注意力结合的混合架构。线性注意力负责低成本地压缩和延续历史状态，稀疏注意力负责从百万 Token 上下文中找回关键细节。智谱称，相比 GLM-5.3，GLM-5.3-Flash 的注意力计算量降至约三分之一，KV Cache 缩小至约四分之一。
这也是 Agent 时代的价格战与聊天时代不同的地方。聊天产品的成本主要来自一次生成，Agent 的成本会在几十轮循环中持续累积。模型结构每节省一次上下文读取、一次显存搬运，都会在整个任务里被重复放大。
当然，激活参数少不等于最终账单一定低。真正的竞争指标已经从“每百万 Token 多少钱”，转向“完成一个任务需要多少钱”。
免费补贴可以开启价格战，但只有架构效率才能决定价格战能打多久。
看起来Qwen和GLM就是在用DeepSeek制造斩杀线的方式制造新的斩杀线，并且第 一个要斩杀的就都瞄准了DeepSeek。
不过，竞争不会就此结束。
涨价之后，DeepSeek 仍有一个价格几乎无人能打：缓存命中。
按照调整后的峰谷价格，V4-Flash 每百万缓存命中 Token，闲时为 0.007 美元，折合约 0.05 元；高峰为 0.014 美元，约 0.10 元。GLM-5.3-Flash 五折后的缓存输入价格是 0.015 美元，约 0.11 元。
差距看起来只有几分钱，放进 Agent 循环里却可能被放大很多次。
任务的缓存率高、上下文重复多，DeepSeek 依然可能最 便宜。新输入和输出占比高，Qwen 与 GLM 的低价就更有优势。
谁才是真正的低价模型，得等整个任务跑完再看账单。斩杀线的所有权，接下来看起来还会不停的继续迁移下去。