事件概述
11 月 16 日,国产大模型迎来密集发布:阿里巴巴发布新一代基座模型 Qwen4-Max,腾讯混元上线 Hy4 Flash,两者均把”单任务成本”作为核心卖点。
Qwen4-Max 总参数 2.4 万亿,采用基于稀疏注意力的全新 MoE 架构,每词元仅激活约 710 亿参数(较上代减少约 25%),具备原生视觉能力并支持百万 Token 上下文。官方披露,在全球前端编程盲测 CodeArena 榜单位列第六,缓存命中每百万 Token 低至 0.5 元,完成单任务的平均费用较上代下降约六成。
腾讯混元 Hy4 Flash 采用 224B 总参数、12B 激活的 MoE 架构,支持 1M 上下文,每百万 Token 输入 0.5 元、输出 2 元、缓存命中 0.02 元。官方口径单任务综合成本约为旗舰 Hy4 的二十分之一,解码速度超过 150 tps,并计划后续开源。
同日,DeepSeek 因算力紧张下调免费用户调用限额;国产模型在开源与降本两条线上同步推进。
背景与解读
一、技术背景与演进脉络
大模型竞争的重心正从”参数与榜单”转向”每百万 Token 能办多少事”。这一转变的技术基础是稀疏化与缓存管理:通过扩大总参数、压缩激活参数,模型在保持能力的同时压低单次推理成本;通过优化 KV cache 与缓存命中,进一步削减长上下文场景的开销。Qwen4-Max 减少激活参数、Hy4 Flash 将 KV cache 大幅压缩,走的是同一条效率路线。
二、核心驱动与底层机制
需求侧的驱动力来自 AI Agent——智能体是最”吃 Token”的形态,长会话、多轮工具调用会显著放大调用成本。据行业披露,部分模型周调用量已达数十万亿 Token 量级,成本敏感度极高。因此,缓存命中率、单任务 Token 用量与端到端时长,正取代单纯的榜单分数成为选型指标。厂商把评测集建在自身产品任务上,也反映出公开榜单与真实任务的相关性正在下降。
三、市场格局与产业链影响
同一天两家厂商以不同路径把单任务价格打下来,说明价格战已从”每百万 Token 单价”进入”每任务”层面。这对上游意味着推理算力需求的结构性变化:更便宜的调用会放大总量需求,但也会挤压单位调用的算力溢价。中小模型厂商面临更大压力,而具备架构自研与工程优化能力的头部厂商,将借性价比优势争夺企业客户迁移。
影响与趋势
短期看,API 降价将加速智能体应用的普及与调用量增长。中期看,能力领先与成本领先能否兼得,取决于架构效率而非算力堆叠。关键观察变量包括:企业客户的真实迁移量、缓存命中率对成本的实际影响、以及开源中小尺寸模型的发布节奏。
对产业参与者的启示
AI 应用团队应把”单任务成本与端到端时长”作为选型的核心指标,并把缓存命中率作为提示词结构优化的一级目标;对模型厂商而言,架构效率与工程优化是穿越价格战的关键;开发者在评估国产模型时,应结合自身任务分布做内部盲测,而非仅依赖公开榜单。
本栏目内容为行业信息整理与技术观点分享,不构成任何投资建议。