B.AI 国产模型 Token 周榜出炉，小米紧追 DeepSeek、MiniMax 成增长黑马
相关推荐
B.AI 热门模型权益更新，Qwen3.8-Flash 等三款模型将开启 1 折特惠调用
ChainCatcher 消息，B.AI 平台宣布，为向全球开发者提供长期稳定、高吞吐的算力支持，将于 9 月 16 日 17:00（SGT）起对 Qwen3.8-Flash、Hy3 及 MiMo-V2.5 三款热门模型正式开启 1 折特惠调用，上述模型的免费权益将于 9 月 16 日 16:59（SGT）结束。 届时开发者仅需支付标准价格的 10%，即可继续以极低成本享受高品质算力服务。B.AI 提醒广大开发者提前做好余额准备，确保 API 调用与项目工作流平滑衔接。
B.AI 宣布 DeepSeek-V4.1-Flash 多模态模型上线
ChainCatcher 消息，B.AI 平台宣布 DeepSeek 原生多模态 MoE 大模型 DeepSeek-V4.1-Flash 正式上线。该模型采用 5520 亿参数主干与 Causal Encoder-Decoder 架构，输入与输出采用非对称计算规模。模型支持 100 万 Token 上下文与 384K Output，面向长周期编程 Agent、多模态工作流与高并发 Agent 系统。目前 Web Chat 与 API 双端接入均已开放。
MiniMax M3.1 Flash开源
火星财经消息,MiniMax宣布开源MiniMax M3.1 Flash的模型权重，总参数428B，激活参数23B。据介绍，M3.1 Flash上线后，72小时内真实用户处理超过100万亿Token。(财联社)
MiniMax M3.1 Flash上线，性能全面加强，速度提升3倍，价格降低70%
火星财经消息,MiniMax正式发布新一代Flash模型M3.1 Flash。此前以匿名身份处理了超过 200T Token 的 Space Bunny 模型，正是 MiniMax M3.1 Flash 的早期版本。作为新一代 Flash 模型，M3.1 Flash 在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了代际的提升，同时线上推理速度提升了近 3 倍，使用成本降低了 70%。据MiniMax预告，追求更高智能上限的Pro版本将于不久后推出。(财联社)
Claude杀入国产低价模型腹地：智谱、MiniMax盘中大跌
动察 Beating AI 快讯，Anthropic 新发布的 Claude Haiku 5.5，正在对国产低价模型形成「斩杀线」一般的竞争压力。10 月 8 日，港股大模型公司集体走弱，MiniMax 跌超 9%，智谱跌超 6%。同期恒生科技指数跌约 1%。 Haiku 5.5 的基础 API 输入价格为每百万 tokens 0.1 美元，输出为 0.5 美元。相比之下，DeepSeek V4.1 Flash 高峰时段分别收费 0.3 和 1.2 美元，闲时降至 0.15 和 0.6 美元。智谱 GLM-5.3 Flash 的标准价格为 0.15 和 0.5 美元。Haiku 5.5 在输入不超过 10 万 tokens 时，已经具备明显的单价竞争力。 Artificial Analysis 给 Haiku 5.5 的综合智能指数打出 43 分，超过 GLM-5.3 Flash 的 42 分、DeepSeek V4.1 Flash 的 39 分，以及小米 MiMo-V2.6-Flash 的 38 分。在 Terminal-Bench 4.0 编程评测中，Haiku 5.5 和 GLM-5.3 Flash 同为 33%，高于 DeepSeek 的 27% 和 MiMo 的 23%。 不过，Haiku 5.5 的优势主要体现在基础单价和最高推理强度下的成绩。它的 token 消耗较高，长上下文还会触发五倍定价。
DFlash团队进军Mac，27B模型跑到144Token/s
动察 Beating AI 快讯，Inco AI 开源本地推理引擎 Splash，把 Qwen3.8-27B 在 M5 Max MacBook Pro 上跑到了最高 144 Token/s。LM Studio 随即接入，0.4.25 版本已经可以直接使用。 Inco 此前做出的 DFlash 已经进入 SGLang、vLLM、TensorRT-LLM 和 llama.cpp。Meta、NVIDIA、小米、Poolside 等也给自家模型配了 DFlash 加速小模型。DFlash 会先让小模型并行猜出多个 Token，再交给大模型批量验证，减少逐 Token 生成的计算。 Splash 把这种优化扩到了整个本地推理引擎。它目前只支持 Qwen3.8-27B 和 Qwen3.6-35B-A3B，每个模型都单独配了 GPU kernel、内存方案和 DFlash 2 小模型。覆盖的模型少，但换来了更激进的性能优化。 144 Token/s 是 M5 Max 上的最高演示值。换到 Inco 用来做横向测试的 48GB M5 Pro，Qwen3.8-27B 单路短上下文达到 74 Token/s；4 路并发时总吞吐达到 170 Token/s，是第二名的 3.9 倍。这也是 Splash 更适合 Agent 场景的地方。一个 Agent 同时拉起多个子任务时，并发总吞吐往往比单条对话速度更重要。 Splash 本身开源，不绑定 LM Studio。目前需要 M3 或更新的 Mac、macOS 26.4 以上、至少 36GB 统一内存。