GLM-5.3-FlashX vs DeepSeek V4.1 Flash: Tingkat Kecepatan yang Lebih Lambat daripada Model Murah

Tier kecepatan premium Z.ai punya masalah, dan namanya adalah DeepSeek V4.1 Flash. Ketika Z.ai meluncurkan GLM-5.3-FlashX pada 18 September 2026, tier baru itu dijual dengan satu angka: hingga 200 token keluaran per detik, sekitar lima kali throughput GLM-5.3-Flash yang menjadi dasarnya, dengan harga 2,5× lipat. Pengukuran independen sudah menempatkan model hemat DeepSeek di 214,7 token per detik dengan waktu ke token pertama 1,15 detik — lebih cepat dalam kedua hitungan daripada batas atas yang diiklankan Z.ai, dan dengan harga yang tidak bisa didekati FlashX. Jika Anda membeli kecepatan, pasar sudah bergerak sebelum FlashX tiba.

Cara membingkai itu tidak adil bagi FlashX dalam satu hal spesifik, dan adil dalam segala hal lainnya. Kedua model adalah derivatif open-weight berkonteks 1M yang dirancang untuk menekan biaya, dan keduanya benar-benar bagus untuk tujuan pembuatannya. Namun, keduanya dibuat untuk dua paruh berbeda dari masalah yang sama, dan kesenjangan harga di antara keduanya kini cukup lebar sehingga "mana yang lebih baik" punya jawaban satu baris untuk sebagian besar beban kerja.

Di mana masing-masing sebenarnya unggul

• Harga, daftar — GLM-5.3-FlashX $0.37 / $1.25 per 1 juta input/output vs DeepSeek V4.1 Flash $0.15 / $0.60 di luar jam sibuk, $0.30 / $1.20 pada jam sibukbr> • Input cache — FlashX $0.075 per 1 juta vs DeepSeek $0.003 di luar jam sibuk, selisih 25× yang menumpuk cepat dalam loop agenbr> • Throughput terukur — FlashX hingga 200 tok/s (puncak vendor, tidak ada angka independen yang dipublikasikan) vs DeepSeek 214,7 tok/s (Artificial Analysis, pada API DeepSeek)br> • Waktu ke token pertama — tidak dipublikasikan untuk FlashX vs 1,15 dtk terukur untuk DeepSeek V4.1 Flashbr> • Kecerdasan independen — FlashX mewarisi skor 42 milik GLM-5.3-Flash pada Artificial Analysis Intelligence Index vs DeepSeek V4.1 Flash di 40br> • Arsitektur — MoE 320B total / 18B aktif vs 552B total dengan sekitar 8B aktif pada prefill dan 16B pada decodebr> • Modalitas input — teks, gambar, video, dan file vs teks dan gambarbr> • Batas output — 131.072 token vs sekitar 384.000br> • Bobot terbuka — GLM-5.3-Flash berlisensi MIT; FlashX adalah tier terkelola tanpa bobot sendiri, dan DeepSeek V4.1 Flash berlisensi MIT

Baca daftar itu dua kali, karena bentuknya adalah ceritanya. FlashX memenangkan tepat dua baris, dan keduanya sempit: keunggulan dua poin pada indeks kecerdasan independen, dan input video. DeepSeek memenangkan harga, harga yang di-cache, kecepatan terukur, panjang output, dan keluasan modalitas dalam arti yang penting — ia menerima gambar dan menghasilkan jawaban panjang. Selisih indeks dua poin berada dalam noise dari satu kali menjalankan benchmark dan tidak seharusnya menjadi hal yang menentukan arsitektur Anda.

Tingkat kecepatan yang lebih lambat daripada model murah

Ini bagian yang layak direnungkan. Z.ai membangun FlashX untuk memecahkan masalah nyata: GLM-5.3-Flash lambat. Artificial Analysis mengukurnya pada 98 token keluaran per detik, yang berada di atas median rekan untuk model open-weight seukurannya tetapi jauh dari interaktif. Perbaikan perusahaan adalah pembangunan ulang tumpukan penyajian — sekitar 100.000 akselerator domestik, mesin berbasis SGLang, kuantisasi W8A8, cache KV presisi campuran, dan arsitektur terdisagregasi encode–prefill–decode — dan perusahaan melaporkan throughput end-to-end sekitar 3× dibandingkan baseline-nya pada perangkat keras yang sama.

DeepSeek memecahkan masalah yang sama di lapisan arsitektur, dan tiba di sana lebih dulu. Pemisahan Causal Encoder–Decoder milik V4.1 Flash mengaktifkan sekitar 8B parameter saat prefill dan 16B saat decode alih-alih angka yang seragam, dan Compressed Sparse Attention 2 dengan caching KV FP4 memangkas cache global menjadi 890 byte per token — kira-kira seperempat HBM dan seperdelapan penyimpanan SSD yang dibutuhkan pendahulunya. Hasilnya adalah model yang berjalan pada 214,7 token per detik menurut pengukuran lab netral, pada API pihak pertama yang sama, tanpa perlu tier premium.

Angka 200 dari Z.ai adalah puncak menurut vendor dan 214,7 dari DeepSeek adalah median independen, yang merupakan perbandingan paling tidak menguntungkan yang mungkin bagi Z.ai dan alasan untuk tidak berpegang teguh padanya. Sangat mungkin FlashX mengalahkan DeepSeek pada permintaan yang sudah hangat, dengan output pendek, dan tanpa kongesti. Tidak mungkin mengetahuinya, karena tidak ada pihak di luar Z.ai yang telah menerbitkan angka throughput FlashX. Yang dapat diketahui hari ini adalah bahwa kedua model berada dalam rentang kecepatan yang sama, dan salah satunya berbiaya sepertiga dari yang lain.

Di mana keunggulan harga DeepSeek menjadi struktural

DeepSeek V4.1 Flash mengenakan biaya $0,15 per juta token input dan $0,60 per juta token output di luar jam sibuk, lalu naik dua kali lipat menjadi $0,30 dan $1,20 selama dua jendela hari kerja (01.00–04.00 dan 06.00–10.00 UTC). FlashX sebesar $0,37 dan $1,25 secara flat. Sejajarkan semuanya, dan penetapan harga flat yang tampak seperti fitur justru merupakan struktur yang lebih mahal bagi siapa pun yang dapat menjadwalkan pekerjaan.

Baris input yang di-cache adalah yang menentukan beban kerja agen. DeepSeek mengenakan biaya $0,003 per juta token input yang di-cache di luar jam sibuk; FlashX mengenakan $0,075, dua puluh lima kali lebih mahal. Agen yang mengirim ulang prompt sistem yang panjang dan skema alat pada setiap langkah membayar selisih itu pada setiap langkah, dan itu adalah pos biaya tunggal yang paling mungkin mendominasi tagihan nyata. Z.ai mencantumkan penyimpanan cache sebagai gratis untuk waktu terbatas, yang merupakan diskon untuk penyimpanan, bukan untuk pembacaan yang sebenarnya menumpuk.

Ada penyeimbang, dan itu adalah kejujuran tentang berapa biaya dari angka-angka DeepSeek sendiri. Evaluasi yang dijalankan vendor di balik skor utama V4.1 Flash dihasilkan pada upaya penalaran maksimum, dan DeepSeek mendokumentasikan bahwa beralih dari upaya 25 ke upaya 100 menaikkan DeepSWE v1.1 dari 66,0 ke 74,2 sambil mengonsumsi sekitar 2,5× token keluaran. Pada 2,5× token, biaya efektif konfigurasi upaya tinggi jauh lebih dekat ke FlashX daripada yang disiratkan harga tertera — dan model ini didokumentasikan sebagai sangat bertele-tele, menghasilkan 250M token keluaran pada Intelligence Index dibandingkan median 130M. Tarif per token yang murah pada model yang banyak bicara tidak sama dengan tugas yang murah. Siapa pun yang membandingkan keduanya dari segi harga harus membandingkan biaya per tugas yang diselesaikan, bukan biaya per juta token, dan perlu bersiap mengukur, bukan memperkirakan.

Bagaimana memutuskan, secara konkret

Jika beban kerja Anda adalah agen berjalan lama dengan awalan stabil, DeepSeek V4.1 Flash adalah pilihannya, dan rasio input yang di-cache saja sudah menentukan itu. Jika Anda memerlukan pemahaman video atau input file dalam panggilan yang sama, FlashX adalah satu-satunya dari keduanya yang menerimanya — itu perbedaan kemampuan yang sesungguhnya, bukan perbedaan di lembar spesifikasi. Jika Anda memerlukan keluaran panjang yang dihasilkan, batas keluaran DeepSeek sekitar 384K dibandingkan 131,072 milik FlashX penting untuk pembuatan laporan, file kode panjang, dan apa pun yang menyintesis alih-alih menjawab. Jika Anda memerlukan skor independen terkuat pada satu indeks tolok ukur, 42 milik FlashX versus 40 memang nyata tetapi terlalu kecil untuk dijadikan landasan.

Kedua model dapat dijangkau dari satu endpoint jika stack Anda sudah dirutekan, dan itu adalah cara termurah untuk menyelesaikan hal ini. Di OrcaRouter harga daftar dari vendor diteruskan tanpa markup 0%, sehingga diskon off-peak DeepSeek dan setiap perubahan harga Z.ai di masa mendatang berlaku pada hari yang sama saat terjadi, dan beralih di antara keduanya cukup dengan string model, bukan sebuah integrasi. Failover otomatis layak dimiliki khususnya untuk FlashX: ini adalah tier penyajian yang baru berusia tiga minggu di klaster baru, dan mode kegagalan yang Anda antisipasi adalah batas kapasitas, bukan model yang berhenti berfungsi.

Ringkasan blak-blakan: DeepSeek V4.1 Flash adalah default yang lebih baik untuk sebagian besar pekerjaan produksi — lebih murah per token, lebih murah per token yang di-cache, terukur lebih cepat, dan mampu menghasilkan output yang lebih panjang. GLM-5.3-FlashX adalah pilihan yang tepat pada rentang yang lebih sempit ketika Anda memerlukan input video atau file dan menginginkan indeks independen yang sedikit lebih tinggi di belakangnya. Z.ai menetapkan harga tier kecepatan dengan premi dan meluncurkannya ke pasar yang sudah memiliki model cepat dan murah. Itulah keseluruhan perbandingannya.