网传「除 GPT、Claude 外全部进入 DeepSeek V4 Flash 斩杀线」——我们用有出处的公开数据重画这张图；08-28 腾讯混元 Hy4 preview 开源，同步加入对比： 斩杀线在性价比维度成立，但国产新旗舰的绝对能力不再低于 V4 Flash。
三个模型在 10 天内接连发布，「Token 战争」开打；两周后，「斩杀线」图刷屏。
「斩杀线」叙事的数据原型是 Artificial Analysis Intelligence Index 散点图（下为 2048×1008 官方高清版，点击可放大拖动、逐一看清模型名）；自媒体刷屏的「斩杀线」图是它的 AI 改写示意（见下方存档）。
本节是 08-13 调价前的历史价格快照，用于复盘「斩杀线」叙事；8 月 17 日 DeepSeek 已改为峰谷价，当前价格与比较优势请看第 04 / 05 节。红色虚线是过 V4 Flash 的「L 形斩杀边界」；绿色虚线是 V4 Pro 正式版的预测斩杀边界。
两颗炸弹之后又来一次价格重定价：08-12 Grok 4.6（AA 61 追平 Claude Opus 5，每任务成本仅 $0.65）、08-13 DeepSeek V4 Pro 正式版（AA 58，每任务 $0.06，旧价输出 $0.87/M）。
08-17 调价生效：DeepSeek V4 Flash / Pro 引入北京时间峰谷价，非高峰半价；旧的「全天候价格屠夫」说法需要改成「错峰仍极强，高峰明显收窄」。GLM-5.3 与 Grok Build 的 harness 结论不变。
| DeepSeek 当前官方价（$/百万 tokens） | 缓存命中输入 | 缓存未命中输入 | 输出 | 比较优势的新结论 |
|---|---|---|---|---|
| V4 Flash | $0.007–0.014 | $0.22–0.44 | $0.66–1.32 | 非高峰仍是批量 API 的低价王；高峰仍便宜，但不再是数量级碾压 |
| V4 Pro | $0.022–0.044 | $0.66–1.32 | $1.98–3.96 | 非高峰仍低于 Kimi / 千问；高峰输出价已接近 Kimi K3，优势转向 1M 上下文、384K 输出与长 Agent |
| 峰值时段 | 北京时间 09:00–12:00、14:00–18:00；其余为非高峰（半价）。价格自 2026-08-17 生效。 | |||
性价比指数 = SWE-bench 分数 ÷ 输出价，以 V4 Flash 非高峰价 = 100 归一化。DeepSeek 现在是峰谷价，表中采用非高峰官方价；高峰时 V4 Flash / Pro 同时翻倍，二者相对排序不变，但与其他模型的差距会缩小。
这不是旗舰总榜，而是给学员和粉丝看的“最高性价比默认模型”专题。一个更快、适合纯文本流水线；一个更聪明、原生看图，能把结果做到可交付。真正该比的是完成一个合格任务的总成本，而不是只看每百万 Token。
现在到 09-09：GLM 限时半价，独立能力更高、任务成本还略低，适合当默认模型。促销结束后：能错峰的纯文本批处理优先 DeepSeek；白天实时、图片/视频/Office/前端视觉交付优先 GLM。最终签字仍应由人完成。
AA 任务成本约 $0.045，比 DeepSeek 非高峰约 $0.055 还低约 18%，能力同时更高。
促销后 GLM 长期约 $0.09/task；DeepSeek 非高峰约 $0.055，便宜约 39%。
DeepSeek 高峰约 $0.11/task，比 GLM 长期约 $0.09 贵约 22%，低价标签不再自动成立。
只要任务需要看图、看渲染或交付 Office 文件，少一次返工通常比省几分钱 Token 更值。
| 用户真正关心的维度 | DeepSeek V4 Flash | GLM-5.3 Flash | 本轮建议 |
|---|---|---|---|
| 批量文本 | 速度快、峰谷低价、缓存极便宜 | 能力更高但强制思考、速度较慢 | DeepSeek：清洗、分类、摘要、初稿 |
| 编程 Agent | 适合快速代码、测试生成、异步批量重构 | DeepSWE 63.4、AutomationBench 48.8（Z.ai 自报）且能看渲染反馈 | 纯代码吞吐 DS；视觉闭环 GLM |
| 前端与 GUI | 主模型无原生视觉，需额外视觉实验 SKU 或外部验收 | 原生视觉编码、浏览器/GUI/Computer Use | GLM：复刻页面、真机/截图验收 |
| 内容与口播 | 便宜地做素材预处理、事实抽取与多版本粗稿 | 能理解视频、画面、字幕与文件，但中文细腻成稿仍需人或写作旗舰 | Flash 做前处理；K3/Opus/人做终稿 |
| Office / 咨询交付 | 文本研究草稿、表格数据预处理 | 官方支持 PPTX、PDF、DOCX、XLSX 与金融模型闭环 | GLM：可编辑文件 + 渲染 QA |
| 价格确定性 | 工作日峰谷变化，需调度 | 当前半价有明确截止日，长期按标价预算 | 报价时用长期价，活动价只算额外利润 |
DeepSeek批量拆热点资料、去重和提炼证据；GLM理解视频/截图并整理时间线；K3/Opus/人完成细腻中文成稿。
DeepSeek处理大量文本和表格；GLM生成带公式的 Excel、可编辑 PPT 与 PDF，并渲染检查溢出和错位。
DeepSeek快速生成组件和测试样板；GLM看参考图、运行浏览器、比截图并修正，直到主要流程真实可用。
每个合格交付物的总成本、返工率、交付时间。如果便宜模型让返工翻倍，它就不是性价比模型。
没有「最好的模型」，只有「某个场景下性价比最高的模型」。08-13 起新增 V4 Pro（新斩杀线本体）与 Grok 4.6（溢出区价格挑战者）；08-28 腾讯 混元 Hy4 preview 开源加入。
| 维度 | V4 Flash | V4 Pro | Kimi K3 | GLM-5.3 | 千问 3.8 Max | Grok 4.6 | 混元 Hy4 |
|---|---|---|---|---|---|---|---|
| 写作 / 内容 | 中规中矩，胜在便宜 | 长文 + 低价首选，批量写作流水线 | 中文内容第一档：审美 + 1M 长文 + 套餐慷慨 | 内容/审美口碑弱于 K3 | 知识型内容最稳（幻觉最少，AA omniscience 12） | 知识型写作/研究最强档：GDPVal-AA 1753 第一 | 官方主打 Office / 分析报告交付（厂商自报），暂无第三方口碑 |
| 前端 / 审美 | 一般 | 一般（未单独标注） | 公认第一档（官方主打 high-aesthetic webdev） | 一般 | 中上 | 未单独标注 | 官方称视觉审美有提升（厂商自报），待验证 |
| 编程（SWE-bench） | 80.6% | ~81%（Preview/Max 旧口径，正式版未复测） | 81.5% | 未公布（5.2 为 81.4%） | 82.3% | 未公布；Grok Build 内部 SWE 79.3；编辑器场景 CursorBench 69.9% 第一 | 82.7%（官方自报 V. 版口径，待第三方复测） |
| Agentic 编程 | TB 2.3：58.1；官方 Harness 跑通 24h+ 连续编码 | 未复测；Harness 内百万行级交付 | ~64（版本口径存疑） | TB 2.1：88.2（接替 5.2 的 81.0），DeepSWE 66.9 | TB 2.3：67.5 | TB 58.3、DeepSWE 65.9，落后 GPT-5.6 Sol（66.5 / 71.7） | TB 2.1：88.4（官方自报，与 GLM-5.3 同版口径；τ2-Bench 83.5） |
| 数学 / 推理 | AIME 93.5（意外不错） | 未公布（AA 58 档） | 第一梯队 | 第一梯队 | 全场最强：AIME 95.8、HLE 53.6、GPQA 89.4 | AA 61 档，推理第一梯队 | AIME 26：99.0 / GPQA-D：80.3 / HLE：41.7（均官方自报） |
| 速度 | 69–112 t/s | 未公布 | 48–62 t/s（慢而省） | ~115 t/s（官方归一化口径） | 未公布 | 68 t/s，但 TTFT ~42s 偏慢 | 未公布；默认 high 推理档偏慢，官方承认存在过度推理 / 过度自我验证 |
| 上下文 | 1M | 1M（最大输出 384K） | 1M | 1M（Coding Plan 路由） | 256K | 未公布 | 1M |
| 输出价 $/M | 0.66–1.32 | 1.98–3.96 | 4.00 | 未公布（5.2 为 2.56） | 5.76 | 6.00（缓存输入 0.50） | 2.50（OpenRouter 上架价，输入 0.834） |
| 开源 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ✅ Apache 2.0（770B/49B MoE） |
你的三条 Kimi K3 体感，全部被公开数据印证；千问 3.8 Max「贵不贵」要分场景回答。
模型比较的终点不是“谁分数最高”，而是把不同模型接进一条能交付、能复用、能收费的工作流。下面按真实产出拆分，不按品牌站队。
Grok 4.6找最新事实、争议点和 X 上的原始讨论；千问 3.8 Max做事实核验；Kimi K3把材料改成中文口播长文，再由人补上判断、案例和个人语气。
GLM-5.3负责日常改代码、跑测试和快速迭代；DeepSeek V4 Pro负责长任务、长上下文和批量重构；Kimi K3做前端审美和最终体验检查。关键节点保留人工验收。
Grok 4.6做跨来源研究和观点地图；千问查错、补证据；Kimi K3 或 Opus完成面向客户的细腻表达。最终交付必须有结论、证据、风险和下一步。
V4 Flash在非高峰批量处理清洗、分类和初稿；V4 Pro处理长 Agent 和难任务；K3、Grok 或 Opus 只用于决定成败的结构、语气和最终交付。每周记录成本、返工率和交付时间。
先定义客户拿到什么、什么算合格，再选模型。
研究、核验、生成、审校不要强行由一个模型包办。
事实、立场、合规和最后一版语气不能无人签字。
把一次交付沉淀成模板、SOP 和复购服务。
五条，可直接照讲。