便宜大模型 API 横评：DeepSeek / GLM / Qwen / MiniMax 四家 Flash 实测谁快谁省

国产 Flash 档 API 实测：Qwen3.8-Flash 输入 0.8 元最便宜，但账单高低取决于思考 token。4 类任务各跑 3 次，附延迟、准确率、单次费用和关思考参数。

结论先说：国产 Flash 档里标价最便宜的是 Qwen3.8-Flash 和 GLM-5.3-Flash（每百万 token 输入 0.8 元、输出 2.7~2.8 元），但实际账单由「思考 token」决定。批量抽取、分类、改写，选 Qwen3.8-Flash 并关掉思考，一次调用约 1 秒、不到 0.04 分钱；要默认参数下又快又稳，选 MiniMax M3.1-Flash，4 类任务 12 次里对了 11 次，费用排第三低；DeepSeek Flash 关掉思考后最快，但开着思考是这一档最贵的；GLM-5.3-Flash 无法关思考，默认最慢。

核验日期：2026-11-04。价格取自 https://router.bumo.cc/api/v1/models 线上返回；下面所有数字都是用一个不墨 Router Key 对同一组任务实跑得到的，脚本和原始结果见文末。

价格一览

模型	模型 ID	输入	缓存命中	输出	看图	能关思考
Qwen3.8-Flash	`qwen/qwen3.8-flash`	0.8 元	0.1 元	2.7 元	支持	能
GLM-5.3-Flash	`glm/glm-5.3-flash`	0.8 元	0.23 元	2.8 元	不支持	不能，最低 `low`
MiniMax M3.1-Flash	`minimax/MiniMax-M3.1-Flash`	1 元	0.1 元	4 元	支持	只能调到 `low`
MiMo V2.6 Flash	`xiaomi/mimo-v2.6-flash`	1 元	0.02 元	2 元	不支持	能
DeepSeek Flash	`deepseek/deepseek-flash`	2 元（空闲 1 元）	0.04 元	8 元（空闲 4 元）	支持	能

单位：元 / 百万 token，上下文都是 100 万 token，都支持工具调用。DeepSeek Flash 工作日 9~~12 点、14~~18 点按高峰价，其余时间半价，和 DeepSeek 官方价一致；GLM-5.3-Flash、MiniMax M3.1-Flash 在 Router 上与官方同价，见 GLM-5.3 价格和 MiniMax M3 价格两篇的核对。

怎么测的

4 类批量任务里最常见的活，每个模型每题跑 3 次，取中位数：

中文摘要：一段 150 字的地铁新闻，要求「不超过 40 个字概括」。判对：正文 ≤40 字、不带多余的格式和注释。
JSON 抽取：从同一段新闻里抽 6 个字段，只输出 JSON。判对：能直接 json.loads，日均客流「8 万人次」要抽成 80000。
简单代码：写 is_valid_ipv4，不允许前导零。判对：16 个测试用例全过（含一个全角数字「１.2.3.4」的刁钻用例）。
工具调用：给一个 get_weather 函数，问「上海明天的天气」。判对：返回 tool_calls 且城市参数正确。

全部走流式，max_tokens=8000，测试时间是工作日下午，DeepSeek 按高峰价算费用。延迟是从发出请求到收完回答的总耗时，包括模型思考的时间。

默认参数下：谁快、谁准、谁省

不传任何额外参数，5 个模型都默认开着思考。

模型	12 次答对	工具调用	JSON 抽取	摘要	写代码	4 题一轮费用
MiniMax M3.1-Flash	11	1.5 秒	4.7 秒	4.6 秒	7.0 秒	0.64 分
Qwen3.8-Flash	11	1.4 秒	5.5 秒	10.8 秒	7.7 秒	0.48 分
DeepSeek Flash	11	1.2 秒	5.1 秒	6.9 秒	3.4 秒	2.42 分
GLM-5.3-Flash	10	5.2 秒	5.0 秒	27.6 秒	13.7 秒	1.03 分
MiMo V2.6 Flash	7	7.3 秒	4.1 秒	8.3 秒	5.6 秒	0.14 分

几个看表看不出来的细节：

思考 token 才是账单大头。 同样一句 40 字的摘要，GLM-5.3-Flash 中位输出 2056 token、DeepSeek Flash 1337 token，其中 95% 以上是思考；Qwen3.8-Flash 603 token，MiniMax 462 token。所以标价和 Qwen 几乎一样的 GLM，摘要的实际花费是 Qwen 的 3.3 倍；DeepSeek 标价是 Qwen 的 2.5~3 倍，再叠加更长的思考，一轮下来是 Qwen 的 5 倍。
「8 万人次」抽成 8：DeepSeek Flash 和 MiniMax M3.1-Flash 各有 1 次把 daily_riders 填成了 8。做数据抽取时，在提示词里写清单位（「数字一律换算成个位数」）比换模型更管用。
摘要带格式：GLM-5.3-Flash 3 次里 2 次、MiMo 3 次里 3 次给摘要套了 **加粗**，后面再附一句「（36 字）」，而且这个字数是自己数错的。内容本身没问题，但批量入库前要多一步清洗。
全角数字：MiMo 3 次、Qwen 1 次写出的 IPv4 校验把「１.2.3.4」判成了合法（Python 的 isdigit() 认全角数字）。日常够用，严格校验场景要自己补一句 isascii()。
工具调用 5 个模型都没出错，DeepSeek、Qwen、MiniMax 都在 1.5 秒内返回；MiniMax 会在 tool_calls 之外顺带输出一句英文「I'll check the weather...」，拼接回答时注意过滤。

关掉思考：1~3 秒返回，费用省三成到九成

抽取、分类、改写这类活不需要推理，关掉思考是最直接的省钱办法。同一组任务每题再跑 2 次：

模型	参数	8 次答对	每次耗时	4 题一轮费用	比默认省
Qwen3.8-Flash	`enable_thinking: false`	6	1.1~1.7 秒	0.12 分	75%
DeepSeek Flash	`thinking: {type: disabled}`	6	1.0~1.2 秒	0.32 分	87%
MiniMax M3.1-Flash	`reasoning_effort: low`	7	1.2~2.9 秒	0.34 分	47%
GLM-5.3-Flash	`reasoning_effort: low`	4	2.8~5.8 秒	0.10 分	90%
MiMo V2.6 Flash	`thinking: {type: disabled}`	4	2.8~5.1 秒	0.10 分	32%

关思考的代价也很清楚：

字数控制变差。 「不超过 40 字」这种要求靠思考来数字数，关掉后 DeepSeek 有 1 次、MiMo 和 GLM 每次都写超了，最长 50 字；Qwen 关思考和 MiniMax 调到 low 后都守住了字数。
JSON 抽取和工具调用不受影响，关思考后两项各 10 次全对，「8 万」抽成 8 的错误反而没再出现。
GLM-5.3-Flash 传 thinking: disabled 会直接报 400：「该模型始终思考，不支持关闭思考；请使用 low、high 或 max」。要省钱只能传 reasoning_effort: "low"。MiniMax 传 disabled 不报错，但仍会输出思考，用 low 才真正压下来。

按场景怎么选

你的任务	推荐	原因
大批量抽取、分类、打标签	`qwen/qwen3.8-flash` 关思考	1 秒左右、一次不到 0.04 分钱，JSON 全对
对延迟最敏感（在线接口、Agent 里的小步骤）	`deepseek/deepseek-flash` 或 `qwen/qwen3.8-flash` 关思考	两者首 token 都在 1 秒内，DeepSeek 各题总耗时最稳（1.0~1.2 秒）
不想调参，默认就要快和准	`minimax/MiniMax-M3.1-Flash`	默认参数下 12 次对 11 次，摘要最快，还能看图
写代码、能等	`glm/glm-5.3-flash` 或 `deepseek/deepseek-flash`	默认思考下代码全对；GLM 便宜但慢，DeepSeek 快但贵
预算极紧、能接受后处理	`xiaomi/mimo-v2.6-flash`	默认一轮 0.14 分，最省，但格式和边界情况要自己兜
需要看图	Qwen3.8-Flash / MiniMax M3.1-Flash / DeepSeek Flash	GLM-5.3-Flash 和 MiMo 不支持图片输入

DeepSeek Flash 还有一个独有的省法：不着急的批任务挪到工作日 18 点后或周末跑，自动半价，代码一行不用改。

Flash 不够用时，往上一档看 Qwen3.8-Max、GLM-5.3、Kimi K3.1 Pro、DeepSeek V4 Pro 和 MiniMax M3。

一个 Key 把 5 个模型都试一遍

最靠谱的选法是拿你自己的数据跑一遍。在不墨 Router 的 API Key 页面建一个 Key、充值后，同一个 Key 改 model 就能切换，不用分别去 5 家开户：

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["BUMO_API_KEY"], base_url="https://router.bumo.cc/v1")

# 每个模型关思考（或压到最低）的参数
NO_THINK = {
    "qwen/qwen3.8-flash": {"enable_thinking": False},
    "deepseek/deepseek-flash": {"thinking": {"type": "disabled"}},
    "xiaomi/mimo-v2.6-flash": {"thinking": {"type": "disabled"}},
    "glm/glm-5.3-flash": {"reasoning_effort": "low"},
    "minimax/MiniMax-M3.1-Flash": {"reasoning_effort": "low"},
}

prompt = "从下面文本抽取 JSON，字段 name、phone：张三，电话 13800000000"
for model, extra in NO_THINK.items():
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        extra_body=extra,
    )
    print(model, resp.usage.completion_tokens, resp.choices[0].message.content)

返回的 usage.completion_tokens 乘以输出单价，就是这次调用的输出费用；思考 token 也算在里面。