GLM-5.3-FlashX 與 DeepSeek V4.1 Flash：比便宜模型還慢的速度等級

Z.ai 的高階速度方案有個問題，它的名字叫 DeepSeek V4.1 Flash。當 Z.ai 推出 GLM-5.3-FlashX，時值 2026 年 9 月 18 日，它以一個數字來推銷這個新方案：最高每秒 200 個輸出 token，約為其基礎版本 GLM-5.3-Flash 吞吐量的五倍，而價格則是 2.5 倍。獨立測量已顯示，DeepSeek 的平價模型達到每秒 214.7 個 token，首 token 時間為 1.15 秒——兩項數據都比 Z.ai 宣傳的上限更快，而且價格更是 FlashX 望塵莫及。如果你買的是速度，市場早在 FlashX 登場之前就已經改變了。

這種說法在某一個特定方面對 FlashX 不公平，但在其他每個方面都算公道。這兩個模型都是為了成本而打造的 1M 上下文開放權重衍生模型，而且都確實擅長它們各自被打造來做的事。但它們是為同一個問題的不同兩半而打造，而如今兩者之間的價格差距已經大到，對大多數工作負載來說，「哪個更好」都有一行就能回答的答案。

在哪些方面各自實際上領先

• 價格、列表 — GLM-5.3-FlashX 每 1M 輸入/輸出 $0.37 / $1.25，對比 DeepSeek V4.1 Flash 離峰 $0.15 / $0.60、尖峰 $0.30 / $1.20br> • 快取輸入 — FlashX 每 1M $0.075，對比 DeepSeek 離峰 $0.003，25× 的差距在代理迴圈中會急遽累積br> • 實測輸送量 — FlashX 最高 200 tok/s（供應商峰值，未公布獨立數據）對比 DeepSeek 214.7 tok/s（Artificial Analysis，於 DeepSeek 的 API 上測得）br> • 首字延遲 — FlashX 未公布，對比 DeepSeek V4.1 Flash 實測 1.15 秒br> • 獨立智慧 — FlashX 承襲 GLM-5.3-Flash 在 Artificial Analysis Intelligence Index 上的 42 分，對比 DeepSeek V4.1 Flash 的 40 分br> • 架構 — 總計 320B / 啟用 18B 的 MoE，對比總計 552B、prefill 約啟用 8B、decode 約 16Bbr> • 輸入模態 — 文字、圖像、影片與檔案，對比文字與圖像br> • 輸出上限 — 131,072 個 token，對比約 384,000br> • 開放權重 — GLM-5.3-Flash 採用 MIT 授權；FlashX 是代管層級，本身沒有權重，而 DeepSeek V4.1 Flash 採用 MIT 授權

把那份清單讀兩遍，因為它的形狀就是故事本身。FlashX 只贏得兩行，而且兩者都很窄：在獨立智慧指數上領先兩點，以及影片輸入。DeepSeek 則在價格、快取價格、實測速度、輸出長度，以及真正要緊的那種模態廣度上勝出——它能接收圖像並產生長篇回答。那兩點的指數差距落在單次基準測試執行的雜訊範圍內，不該成為決定你架構的因素。

比便宜模型更慢的速度等級

這是值得細究的部分。Z.ai 打造 FlashX 是為了解決一個真實問題：GLM-5.3-Flash 速度很慢。Artificial Analysis 測得它的輸出速度為每秒 98 個 token，這高於同規模開放權重模型的中位數，但遠未達到互動式水準。該公司的解決方案是重建服務堆疊——約 10 萬個國產加速器、以 SGLang 為基礎的引擎、W8A8 量化、混合精度 KV 快取，以及編碼－預填充－解碼分離式架構——並表示在相同硬體上，端到端輸送量約為其基線的 3 倍。

DeepSeek 在架構層面解決了同一個問題，而且搶先一步達成。V4.1 Flash 的「因果編碼器–解碼器」分離架構，在預填充階段僅啟用約 8B 參數、在解碼階段啟用 16B 參數，而非固定不變的數字；搭配 FP4 KV 快取的「壓縮稀疏注意力 2」，將全域快取縮減至每 token 僅 890 位元組——約為前代所需 HBM 的四分之一、SSD 儲存空間的八分之一。成果是一款經中立實驗室實測可達每秒 214.7 個 token 的模型，且在同一套第一方 API 上運行，無需任何付費高階方案。

Z.ai 的 200 是廠商峰值，而 DeepSeek 的 214.7 是獨立中位數，這是對 Z.ai 最不利的比較，也是應當寬鬆看待它的理由。FlashX 在暖機後、短輸出、無壅塞的請求中，完全有可能勝過 DeepSeek。但這是無從得知的，因為 Z.ai 以外沒有人公布過 FlashX 的吞吐量數字。今天可以確定的是，這兩個模型處於同一速度區間，而其中一個的成本只要三分之一。

DeepSeek 的價格優勢在何處成為結構性優勢

DeepSeek V4.1 Flash 在離峰時段每百萬個輸入 token 收費 $0.15、每百萬個輸出 token 收費 $0.60，並在平日的兩個時段（UTC 01:00–04:00 和 06:00–10:00）倍增至 $0.30 與 $1.20。FlashX 則是固定 $0.37 與 $1.25。把這些並列比較，看似是一項特色的固定定價，對任何能安排工作時程的人來說，其實是更昂貴的收費結構。

快取輸入這一項，正是決定代理工作負載的關鍵。DeepSeek 在離峰時段每百萬個快取輸入 token 收費 0.003 美元；FlashX 則收 0.075 美元，高出二十五倍。若代理在每一步都重新傳送冗長的系統提示與工具結構定義，每一步都得付出這個差額，而這也是最可能主宰實際帳單的單一收費項目。Z.ai 列出快取儲存在限時內免費，但這是針對儲存空間的折扣，而非針對實際上會不斷累積的讀取次數。

有一個制衡點，那就是誠實說明 DeepSeek 自家數字所代表的成本。V4.1 Flash 招牌分數背後由廠商自行執行的評估，是在最大推理投入下產生的，而 DeepSeek 的文件記載，將 effort 從 25 提高到 100，會讓 DeepSWE v1.1 從 66.0 提升到 74.2，同時消耗約 2.5 倍的輸出 token。在 token 用量達 2.5 倍的情況下，高 effort 設定的實際成本會比標價所暗示的更接近 FlashX——而且文件記載這個模型非常冗長，在 Intelligence Index 上產生 250M 個輸出 token，而中位數是 130M。在多話的模型上，每 token 單價便宜，並不等於任務便宜。任何要比較這兩者價格的人，都應該比較每完成一項任務的成本，而不是每百萬個 token 的成本，而且應該預期要實測，而不是估算。

具體來說，該如何決定？

如果你的工作負載是具備穩定前綴的長時間執行代理，DeepSeek V4.1 Flash 就是首選，而單憑快取輸入比例這一點就能定案。如果你需要在同一次呼叫中進行影片理解或檔案輸入，FlashX 是兩者之中唯一支援這些功能的——這是真正的能力差異，而不是規格表上的差異。如果你需要長時間生成輸出，DeepSeek 約 384K 的輸出上限相對於 FlashX 的 131,072，對報告生成、長程式碼檔案，以及任何以合成而非問答為主的任務而言都很重要。如果你需要在單一基準指標上取得最強的獨立評分，FlashX 的 42 對比 40 確實存在，但差距太小，不足以作為依據。

如果你的技術堆疊已經設定好路由，這兩個模型都能從同一個端點存取，而這是解決這件事最省錢的方式。在 OrcaRouter 上供應商的定價是以 0% 加價原樣轉嫁，因此 DeepSeek 的離峰折扣，以及 Z.ai 未來任何價格調整，都會在發生的當天就反映出來，而在兩者之間切換只需要改一個模型字串，而不是做一次整合。自動容錯移轉對 FlashX 尤其值得採用：它是部署在新叢集上、才上線三週的服務層級，而你要防範的故障模式是容量上限，不是模型停止運作。

直白的總結：對大多數生產工作而言，DeepSeek V4.1 Flash 是更好的預設選擇——每 token 更便宜、每快取 token 更便宜、實測更快，且能產生更長的輸出。GLM-5.3-FlashX 則在較窄的區間裡才是正確選擇：當你需要影片或檔案輸入，並希望背後有略高的獨立指數時。Z.ai 將速度層級定為高價，並把它推向一個快速又便宜的模型早已存在的市場。這就是整個比較。