开放权重模型的定价
更新于 September 1, 2026 · 首次发布 September 1, 2026
Qwen3.8-Flash-Next 于 2026 年 8 月 26 日以 Qwen4 架构的开放权重预览版发布：约 6B 激活参数，原生上下文 262,144 个 token，并且未公布托管定价。这种组合打破了常规比较方式。每个闭源模型都会给出一个每百万 token 的价格；而开放权重发布只给你一个检查点，价格要由你自己算出来。
这个数字并不难算。只是大多数团队从来不算，而是把 $0 的下载与 $3.00/MTok 的 API 价格做对比，然后得出下载更便宜的结论。也许确实如此，但应由算术来决定，而这套算术恰好有一项常被忽略的成本项。
公式
每百万 token 的成本，等于实例的每小时价格除以该实例一小时内生成的 token 数：
cost per MTok = hourly_price / (tokens_per_second * 3600) * 1,000,000按每小时 $2.00、实测每秒 1,500 个 token 计算，即 2.00 / 5,400,000 * 1,000,000 = 每百万 token $0.37。与标价为每百万输出 token $3.00 的托管模型相比，自托管看起来能节省 8 倍。但这个数字也是错的，因为它假设你为之付费的每一秒 GPU 都在忙碌。
大家都会忘记的一项：利用率
你租下的是一个小时，但实际只用了其中一部分。用这部分比例去除：
| 利用率 | 每百万 token 的有效成本 |
|---|---|
| 100% | $0.37 |
| 60% | $0.62 |
| 30% | $1.23 |
| 10% | $3.70 |
当利用率为 10% 时，自托管模型的成本已经高于它本来要替代的托管 API。大多数首次部署的利用率介于 10% 到 30% 之间，因为流量是突发性的，而实例却按峰值配置。节省确实存在，但它节省的是利用率，而不是权重本身的费用。
还有哪些应计入这个数字
检查点的存储与出站流量费用。实例启动到模型就绪之间的空闲时间。在大上下文模型上，加载需要数分钟，而这些时间全部都要付费。冗余，如果工作负载需要多个实例才能在节点故障时存活。以及工程时间，它不按小时计费，却是第一年最大的一项支出。
上述这些都不是反对自托管的理由，它们只说明：在没有做除法之前，不应把免费下载与按 token 计费的费率直接对比。
承诺之前先测量
用你真正会租用的实例运行模型，使用你自己的提示词形态和上下文长度，并记录并发状态下的每秒 token 数，而不是模型卡上的单流数字。然后根据你真实的每小时流量曲线计算利用率。两个数字、一次除法，决策自然就出来了。
长上下文是问题最突出的地方。262K token 的上下文首先是一笔内存占用，然后才是一项功能：它决定了实例规格，而实例规格又决定了公式顶端的每小时价格。应按你实际发送的上下文定价，而不是按模型所支持的上下文定价。
相关阅读
相关文章
想将这些方法用于您的技术栈吗？ 请准备好供应商账单、网关日志和主要工作流；我们会梳理成本驱动因素与节省空间。 预约免费审查 →