B.AI 单日吞吐破 1.11 万亿，生态增长全面提速
相关推荐
B.AI 累计 Token 吞吐量突破 10.9 万亿
ChainCatcher 消息，AI Agent 基础设施平台 B.AI 宣布，自免费活动上线以来，平台累计 Token 吞吐量已突破 10.9 万亿，累计 API 调用量达 8,956 万次，累计吸引超 23.9 万新注册用户，其中包含 23.5 万以上 API 开发者。GLM-5.3-Flash（Ox Alpha）、Qwen3.8-Flash、Tencent Hy3、Xiaomi MiMo-V2.5 继续全量免费开放，DeepSeek-V4-Flash 及 Vision-Exp 版本开启 5 折优惠。
Qwen3.8-Flash发布一天就降价：输出比GLM便宜0.1元，但对手还在打5折
动察 Beating AI 快讯，Qwen3.8-Flash 刚发布一天，阿里云就降价了。每百万 Token 输入从 1 元降到 0.8 元，输出从 3 元降到 2.7 元，分别下降 20% 和 10%。 新价格刚好压过昨天发布的 GLM-5.3-Flash。后者 API 标价为输入 0.8 元、输出 2.8 元。Qwen 输入价格相同，输出便宜 0.1 元。 不过 GLM-5.3-Flash 上线后前两周打 5 折，目前实际价格只有输入 0.4 元、输出 1.4 元。优惠期内，GLM 仍然便宜近一半。等优惠结束，两款国产 Flash 模型的价格基本打平。
DeepSeek连调休补班也算低谷，今天API仍是半价
动察 Beating AI 快讯，DeepSeek 补充 API 峰谷计费规则。调休上班的周末，以及中国法定节假日，全天都按空闲时段收费。今天 9 月 20 日虽然是国庆调休工作日，但 API 依旧执行低谷价。 DeepSeek 8 月 17 日开始实行峰谷定价，空闲时段价格为高峰的一半。不到一周后，它又把周六、周日全部改成低谷价。这次进一步把调休补班和法定节假日的计费口径说清楚。 以 deepseek-flash 为例，每百万 token 缓存未命中输入，空闲时段是 1 元，高峰 2 元；输出分别是 4 元和 8 元。国庆另一个补班日 10 月 10 日是周六，同样按低谷价算。
DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一
动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。 但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。
FreeToken开源：一张5090跑DeepSeek-V4-Flash，最高25 Token/s
动察 Beating AI 快讯，伯克利、MIT 等研究者开源 FreeToken。这是一个专门为本地设备设计的 MoE（混合专家模型）推理引擎，主要解决超大模型显存装不下的问题。它会把部分权重放在系统内存，并让 CPU 和 GPU 一起参与推理。 FreeToken 会把模型的大量专家权重放在系统内存，只把一部分缓存在显存。遇到显存里没有的专家时，它会根据 PCIe 和 CPU 内存带宽，动态决定是把权重搬到 GPU，还是直接交给 CPU 计算。这样 CPU、GPU、系统内存和 PCIe 可以一起参与推理。 论文实测，一台配备 RTX 5090 的游戏台式机运行 284B 参数的 DeepSeek-V4-Flash，可以达到 22–25 Token/s。这款模型每生成一个 Token 实际只激活约 13B 参数，因此特别适合这种 CPU、GPU 混合推理。 FreeToken 还在 8GB 显存的 RTX 4060 笔记本上把 35B 模型跑到 39.3 Token/s；单张 96GB RTX PRO 6000 则可以运行 753B 参数的 GLM-5.2，速度达到 llama.cpp 的约两倍。项目目前支持超过 20 款 MoE 模型，并已采用 Apache 2.0 许可证开源。
B.AI 上线智谱 GLM-5.3-Flash 模型并免费开放 API
ChainCatcher 消息，8 月 27 日，一站式 AGI 基础设施平台 B.AI 宣布智谱 GLM-5.3-Flash（320B-A18B）正式登陆平台，并在 API 官方组全量免费开放。作为 GLM-5 系列首款原生全模态模型，GLM-5.3-Flash 拥有 320B 总参数与 18B 激活参数，由纯国产 AI 芯片提供算力支持，首次引入稀疏与线性注意力混合架构，配合 1M 超长上下文，兼具强悍性能与极致性价比。即日起，开发者可通过 B.AI API 官方组零成本调用，轻松驾驭复杂推理、长文本处理与多模态任务。