国产大模型实际成本实测：文本+多模态分任务横评（2026-08）
[方法]为什么测、以谁为准
这次不是比“纸面价”，而是同一批任务真实调用后比 token、耗时、折算成本和任务成功率。模型准入有一个硬规则：只测知乎答主 toyama nao（致知榜）评测过的国产模型——没被他评过的模型没有资格进入对比。他用自制题库累计测过 126 个模型、耗时超 400 小时，2025 年度知乎新知答主，榜单在 llm2014/llm_benchmark。
实测口径：
- 文本 6 类任务：写作 / 代码 / 长文档总结 / JSON 抽取 / 数学 / 翻译；
- 多模态 3 类任务（仅对支持图片/视频输入的模型）：图片理解 / OCR / 视频理解，素材为自制标准图（3 红圆+2 蓝方块）、检验报告单、8 秒移动方块视频；
- 每任务自动评分（1.0 通过、0.5 部分、0.0 未过），先保质后价格；同模型多轮采样取最优；
- 渠道：官方 API 优先，SiliconFlow 仅作补充（表中带 *），价格单独计价；
- 成本：按官方刊例价（输入/输出/缓存命中）从真实 usage 折算；数据时间 2026-08-07。
toyama nao 的分析文章说了什么
核心观点（全文见文末来源）：
- GLM-5.2：国产编程第一个代差，公开 5 工程 3 个 A 档持平 Opus 4.8；输出 token 比 Opus 省 35%；代码量最大但 Bug 少。
- Qwen3.8-Max：稳定性国产 SOTA、前端追平 K3，但推理长度 +17%，约束求解类个别题目 Token 暴涨 700%，复杂问题几乎必超长。
- DS V4 Flash：300B 极限打平自家 1.6T Pro，稳定性反超；但复杂 Agentic 任务缓存读取比 Pro 高 2.7~5 倍，只有原厂缓存效率才保得住成本优势。
- 豆包 Seed 2.1 Pro：UI 审美国模之冠，但 ¥30/M + 平均 65K Token，总成本当时国模第一。
- 方法论：红字=慢思考（推理模式）、黑字=快思考；按中位分数排序；记录 Token、耗时、测试成本、价格。
文本实测总表（6 任务整套）
| 模型 | 渠道 | 通过/6 | 整套成本 ¥ | 累计耗时 | 失败/备注 |
|---|---|---|---|---|---|
| 混元 Hy3 | 腾讯云 TokenHub | 6/6 | 0.0099 | 37s | 默认 low 思考档 |
| DeepSeek V4 Flash | SiliconFlow* | 6/6 | 0.0263 | 140s | - |
| MiMo V2.5 Pro | 官方 | 6/6 | 0.0544 | 49s | 纯文本模型 |
| DeepSeek V4 Pro | 官方 | 6/6 | 0.0563 | 126s | - |
| MiniMax-M3 | 官方 | 6/6 | 0.0730 | 193s | 思考型，翻译 5/5 |
| Qwen3.7-Plus | 官方 | 6/6 | 0.1096 | 232s | - |
| Step-3.7-Flash | 官方 | 6/6 | 0.1308 | 127s | 需要较高 token 预算 |
| GLM-5.2 | 官方 | 6/6 | 0.3419 | 167s | 思考链长 |
| DeepSeek V4 Pro | SiliconFlow* | 6/6 | 0.4239 | 344s | 平台价是官方 4 倍 |
| GLM-5.2 | SiliconFlow* | 6/6 | 0.5059 | 248s | 平台价口径 |
| Qwen3.7-Max | 官方 | 6/6 | 0.5640 | 419s | 编码 130~165s |
| DeepSeek V4 Flash | 官方 | 5/6 | 0.0154 | 34s | 代码思考链吃光预算 |
| Kimi K2.7-Code | 官方 | 5/6 | 0.2208 | 137s | 代码截断 |
| Qwen3.8-Max | 官方 | 5/6 | 0.2533 | 317s | 代码连续超时 |
| Kimi K3 | 官方 | 5/6 | 0.9964 | 247s | 代码截断，整套近 ¥1 |
* SiliconFlow 是聚合平台而非厂商：DeepSeek V4 Pro 平台价 ¥12/¥24，是官方 ¥3/¥6 的 4 倍；GLM-5.2 官方价 ¥8/¥28，SF 平台输入 ¥6 反而便宜。混元已整体迁移腾讯云 TokenHub（tokenhub.tencentmaas.com/v1），旧直连端点作废；hy3 默认 reasoning_effort=low（toyama 榜单用 high 档，分数更高但更贵）。
注意：GLM-5.2 与 Step-3.7-Flash 初测在默认 token 预算下“代码/翻译失败”，提高预算后 6/6 全过——这是思考型模型的典型特征：输出质量依赖足够长的输出预算。
多模态实测（图片 / OCR / 视频）
只测官方支持图片/视频输入的模型：
| 模型 | 图片理解 | OCR | 视频理解 | 说明 |
|---|---|---|---|---|
| 混元 YT-VITA | 1.0（¥0.0005，1.5s） | 1.0（¥0.0010，2.7s） | 上游 502 未计 | TokenHub 多模态，图片/视频/音频 |
| 混元 HY-Vision-2.0 | 1.0（¥0.0017，4.4s） | 1.0（¥0.0023，5.1s） | 不支持 | 仅图片 |
| 混元 HY-Vision-1.5-Thinking | 1.0（¥0.0020，6.3s） | 1.0（¥0.0055，16.8s） | 不支持 | 仅图片，OCR 较慢 |
| 混元 HY-Vision-Video | 不支持 | 不支持 | 1.0（¥0.0004，4.8s） | 仅视频 |
| MiniMax-M3 | 1.0（¥0.0026，3.6s） | 1.0（¥0.0042，6.3s） | 1.0（¥0.0045，7.6s） | 三件套 ¥0.0113，17.5s |
| Kimi K2.7-Code | 1.0（¥0.0067，7.0s） | 1.0（¥0.0088，7.3s） | 1.0（¥0.0177，9.8s） | 三件套 ¥0.0332，24.1s |
| Qwen3.8-Max | 1.0（¥0.0183，8.6s） | 1.0（¥0.0216，9.4s） | 1.0（¥0.0344，14.3s） | 三件套 ¥0.0743，32.3s |
所有模型图片理解、OCR（化验单 10/10 字段）、视频理解（数字 42 / ALPHA / 移动方向）全部满分。混元视觉走腾讯云 TokenHub：只接受公网 URL（base64 会 400/502），素材托管在 jerryli.cn/mmassets/；正确模型 ID 为 hy-vision-2.0-instruct、hunyuan-t1-vision-20250916、hunyuan-turbos-vision-video-20250728、youtu-vita（与 /v1/models 及官方文档一致）。图片/OCR 最便宜是 YT-VITA（两任务合计 ¥0.0015），视频最便宜是 HY-Vision-Video（¥0.0004/次），均低于 MiniMax-M3；不过 YT-VITA 的视频接口当前持续 502（上游引擎异常，重试 3 次均失败），视频任务暂用 HY-Vision-Video。MiniMax-M3 仍是三个“三件套全能”模型中最便宜、最快的。
GLM-5.2、Step-3.7-Flash、MiMo V2.5 Pro、DeepSeek 系列为纯文本/代码模型，未列入多模态对比。
分任务路由建议（质量优先）
| 任务 | 首选 | 次选 | 说明 |
|---|---|---|---|
| 写作 | DS V4 Flash 官方（¥0.0018/次） | 混元 Hy3（¥0.0021/次） | Flash 最便宜且质量满分 |
| 代码 | 混元 Hy3（¥0.0036/次，11s） | DS V4 Pro 官方（¥0.0185/次） | hy3 又快又便宜且代码通过 |
| 长文档 | DS V4 Flash 官方（¥0.0012/次） | 混元 Hy3（¥0.0013/次） | 差距极小 |
| JSON 抽取 | 混元 Hy3（¥0.0006/次） | DS V4 Flash 官方（¥0.0008/次） | 高频流水线首选 hy3 |
| 数学 | DS V4 Flash SF*（¥0.0012/次） | DS V4 Flash 官方（¥0.0016/次） | 都答对 18 公里 |
| 翻译 | 混元 Hy3（¥0.0007/次） | DS V4 Flash 官方（¥0.0014/次） | 术语 4/5，够用 |
| 图片理解 | 混元 YT-VITA（¥0.0005/次） | 混元 HY-Vision-2.0（¥0.0017/次） | 需公网 URL |
| OCR | 混元 YT-VITA（¥0.0010/次） | 混元 HY-Vision-2.0（¥0.0023/次） | 化验单 10/10 字段 |
| 视频理解 | 混元 HY-Vision-Video（¥0.0004/次） | MiniMax-M3（¥0.0045/次） | 42/ALPHA/方向全对 |
月度成本场景
假设每天：写作 20、代码 30、长文档 10、抽取 50、数学 5、翻译 15 次；多模态：图片 10、OCR 10、视频 2 次，按月 30 天：
注：本节是按"小任务量假设 × 官方刊例价"的理论推演，用于模型间横向对比；真实账单见下一节，两者差一个数量级。
- 全用 DS V4 Flash 官方：约 ¥11/月（代码任务需接受波动或换 Pro）；
- 全用混元 Hy3（TokenHub）：约 ¥6.4/月，文本 6/6 全过；
- 全用混元（文本 Hy3 + 视觉 YT-VITA/HY-Vision-Video）：约 ¥6.9/月（多模态 3 任务约 ¥0.5/月）；
- 全用 MiniMax-M3：约 ¥55/月（文本+多模态全通过，最省心的全能选择）；
- 混合路由（文本用 Hy3+Flash，多模态用混元视觉）：约 ¥7/月；多模态改用 MiniMax 则约 ¥9/月；
- 全用 Kimi K3：约 ¥652/月，且代码还过不了。
真实账单（2026-05-26 ~ 2026-08-08，75 天）
上节的推演只算"任务级单次成本"；真实账单把主管对话、cron 管线和调试全算进去后，月费直接上一个数量级。DeepSeek 账单为全量出账（Codex 与 Hermes 共用同一 key），OCR 为百炼独立账单，其余渠道按实际出账汇总。
全渠道汇总
| 项目 | 金额 | 说明 |
|---|---|---|
| DeepSeek flash | ¥304.61 | 主力推理/Agent，5/26–8/8 |
| DeepSeek pro | ¥42.91 | 6 月集中调试（¥31.23），7 月后回落 |
| OCR（百炼） | ¥23.44 | 教材/复杂文档 OCR（qwen3.5-ocr 等），独立账单 |
| Kimi（Moonshot） | ¥4.64 | 两个月调试 |
| MiniMax | ¥2.00 | 代金券抵扣 |
| SiliconFlow | ¥0.72 | 已弃用，另有余额 ¥5+ 未计入 |
| StepFlash | ¥0.25 | 实测 |
| 小米 Mimo | ¥0.07 | 实测 |
| TokenHub / 智谱 | ¥0.00 | 免费额度 |
| 合计 | ≈ ¥378.6 | 日均 ≈ ¥5.0，月均 ≈ ¥152 |
DeepSeek 月度拆分
| 期间 | 总费用 | flash | pro | 说明 |
|---|---|---|---|---|
| 5/26–5/31（6 天） | ¥11.80 | ¥11.77 | ¥0.03 | 起步期 |
| 2026-06（30 天） | ¥150.86 | ¥119.63 | ¥31.23 | Hermes 管线时代 |
| 2026-07（31 天） | ¥127.26 | ¥116.08 | ¥11.18 | Hermes 管线时代 |
| 8/1–8/8（8 天） | ¥57.60 | ¥57.13 | ¥0.47 | 含 Codex 最后 5 天（¥33，与 cron 并行） |
关键结论
- 6–7 月的 ¥127–151/月主要由 Hermes cron 管线产生（日报、论文分析、邮件检查等高频调用），不是 Codex；Codex 只有 8/4–8/8 五天，且与 cron 并行（5 天合计 ¥33）。
- 缓存命中率 98%+，但缓存 token 量巨大（6 月 33.8 亿、7 月 28.6 亿），缓存重放占 flash 费用约一半（7 月 flash ¥116.08 = 缓存 ¥57.1 + 未命中输入 ¥39.5 + 输出 ¥19.5）。
- 调试试错是费用大头，干活反而便宜：单日 ≥¥10 的日子 6–8 月共 7 天（6/8、7/12、7/22、7/25、8/3、8/4、8/7），合计约 ¥94，基本都是模型实测、路由改造、管线调试；正常干活日（单日 <¥5）日均仅 ¥1.5–2.3（7 月 19 天合计 ¥28.7）。把 7 月三个峰值日封到 ¥5 后月费 ≈ ¥103，与 100 元预算基本持平；6 月是搭建/调试月（14 天 ≥¥5，pro 占 ¥31），属于一次性高支出。
- 预算结论修正：稳态月费约 ¥80–120（正常干活 + 少量中强度日），调试/试错集中月会冲到 ¥130–150+；100 元预算的合理用法是"干活正常、调试另计"，降本重点仍是减少调试期无效调用和上下文重放。
Plan / 订阅怎么选
API 之外还有“plan”这条路，最典型的是阿里云百炼 Token Plan（2026-08 新版）：
- Lite：39 元/月（2500 Credits/周 + 700 Credits/5 小时）；
- Standard：139 元/月（10000 Credits/周 + 3000 Credits/5 小时）；
- Pro：499 元/月（40000 Credits/周 + 12000 Credits/5 小时）；
- 夜间 22:00-08:00 调用 qwen3.7 系列可低至 2 折抵扣；Credits 可在 Qwen/DeepSeek/Kimi/GLM 等 150+ 模型间通用。
- 阿里云还有“AI 通用型节省计划”（承诺 3/6/12/24 个月消费换折扣，最高约 4.5~5.3 折）。
用量稳定能填满套餐额度时，Token Plan 的综合单 token 成本明显低于按量；用量波动大时按量+混合路由更省。
结论与待办
- 文本成本王：混元 Hy3（腾讯云 TokenHub）——6/6 全过、整套 ¥0.0099、37 秒，代码 11 秒 ¥0.0036 即过；默认 low 思考档，复杂任务可切 high（更贵但更强）。
- 文本+多模态双料黑马：MiniMax-M3 官方——文本 6/6、多模态 3/3，整套文本 ¥0.073、多模态三件套 ¥0.011，全能且快。
- 最便宜的传统选手：DS V4 Flash 官方（文本整套 ¥0.015），但代码有思考链截断波动；SF 通道 Flash 代码反而通过，但依赖平台缓存效率。真实账单显示 flash 月费 ¥116–120（Hermes cron 时代口径），缓存重放占约一半；Codex 仅最后 5 天（¥33，与 cron 并行）。
- GLM-5.2 官方：6/6，质量接近 SF 通道表现，但思考链长（代码一次 9500+ token），适合精修不适合批量。
- Qwen3.8-Max：榜单编程国产第一，但本实测代码连续多次超时（180s×2、300s×1），多模态表现优秀；适合深度推理/多模态，不适合高频编码。
- 混元视觉已补测（TokenHub）：图片理解/OCR 用 YT-VITA（两任务合计 ¥0.0015/次）、视频理解用 HY-Vision-Video（¥0.0004/次），全部满分。此前 400/502 的根因有两个：探针误用了不带日期后缀的旧模型名（正确 ID 是
hy-vision-2.0-instruct、hunyuan-t1-vision-20250916、hunyuan-turbos-vision-video-20250728、youtu-vita），且 TokenHub 只接受公网 URL，而素材链接当时因权限返回 403；YT-VITA 视频上游目前仍 502，视频任务暂用 HY-Vision-Video。其余上榜模型（豆包等）未测。
本文为 2026-08-07 实测，思考型模型输出有波动，同模型多轮采样取最优；toyama nao 的榜单与价格口径见文内链接，重要决策建议多轮复核。