侧边栏壁纸
博主头像
HHShare 博主等级

行动起来,活在当下

  • 累计撰写 324 篇文章
  • 累计创建 36 个标签
  • 累计收到 1 条评论

目 录CONTENT

文章目录

差 4.5 分,便宜九倍:国产模型这轮没被甩开

晖晖分享
2026-11-18 / 0 评论 / 0 点赞 / 0 阅读 / 0 字 / 正在检测是否收录...
温馨提示:
部分素材来自网络,若不小心影响到您的利益,请联系我删除。

同一周,国内几家旗舰的价签是这样:千问 4 Max 输入 10 元、输出 30 元,11 月 16 日刚上的正式版,比上一代降了 17%;Kimi K3.1 Pro 是 13 和 68;DeepSeek V4 Pro 高峰 9 和 27,晚上和周末半价。

按中国外汇交易中心 11 月 18 日公布的中间价 6.7118 折算,Astra 的输出价是 268 元,千问 30 元。九倍。

Vals AI 在 11 月 16 日更新的总分榜上,Astra 67.7 分排第 7,前六名清一色是 Claude 和 Gemini;Sol 66.1;千问 4 Max 63.2;Kimi 62.5;DeepSeek 上榜的是便宜档 V4.1 Flash,61.3。

九分之一的价钱,4.5 分的差距。这笔账摆在台面上,“国产又被甩开”这个说法可以先放一放。

两家输出价与 Vals 总分的对照:Astra 输出价 268 元、67.7 分;千问 4 Max 30 元、63.2 分;DeepSeek 便宜档 8 元、61.3 分。输出价按 11 月 18 日外汇中间价折算,分数取自 Vals AI 11 月 16 日榜单。

降了两成,还是贵九倍

Astra 比自己上一代 GPT-6 Astra 便宜两成,缓存输入从 1 美元砍到 0.4 美元,这都在官方公告里写着。

国内输出价最高的 Kimi 是 68 元,只有 Astra 的四分之一;千问 30 元,Astra 是它的九倍。

便宜档那边,DeepSeek 空闲时段的输出价 4 元,Sol 是 67 元,差十六倍。

这一刀砍下来,OpenAI 打掉的是自家上一代的溢价,没打掉跟国内旗舰之间那一段。

4.5 分差在哪,拆开只有一格

Vals 这个榜本来是给美国企业选型用的,四类活按美国 GDP 的份额加权。我们把这四类拆开看,Astra 的优势只出现在一类。

编程:Astra 78.9 分,千问 64.2 分,差 14.7。总分那 4.5 分,基本都是从这一格掉出来的。

再往里看,掉的是“自己把活跑完”这件事。Terminal-Bench 4.0 考在命令行里连跑几十步,Astra 63.1、千问 48.5、DeepSeek 便宜档 31.8;代码迁移更狠,83.6 对 57.3。

反过来三项,千问不虚:金融 68.8 对 68.4,法律 31.3 对 29.5,美国企业税 40.4 对 21.8。按同样的权重加总,这三项千问还高 1.5 分。

Kimi K3.1 Pro 在 Terminal-Bench 上拿了 63.6,比 Astra 高 0.5 分,排第 4,而且是开源权重,能自己部署进机房。美国企业税那一项,DeepSeek 便宜档 44.4 分,全榜最高。

问一句专业问题,千问答得不比 Astra 差;让它自己在命令行里连着跑几十步,就容易散架。差的这 14.7 分落在这里。

三项硬仗的分数:命令行干活 Astra 63.1、千问 48.5、Kimi 63.6;代码迁移 83.6、57.3、59.7;美国企业税 21.8、40.4、24.9。分数越高越好,同一套榜、同一档跑出,取自 Vals AI 11 月 16 日榜单。

VentureBeat 的报道里,国外那批重度用户的抱怨集中在跑几个小时的任务:中途停下,还会追问一些用户根本答不上的实现细节,标题干脆用了“基本没法用”这句话。短活倒没人骂,一家叫 eesel 的客服工具拿 57 次短任务跑了一遍,Astra 全过。

该换的换,该省的省

写材料、改稿这类活一次就能看出对错,国内旗舰完全够用,价格只有 Astra 的九分之一到五分之一,没必要替那 4.5 分买单。

要让模型自己在机器上动几十个文件、连着跑几十步,那 14.7 分是实打实的。肯为它付九倍价就用 Astra;不想全押一家,Terminal-Bench 上排第 4 的 Kimi 是开源里最靠前的一档。

量大又不挑的活,比如客服问答、打标签,直接上便宜档。DeepSeek 空闲时的输出价 4 元,不到 Sol 的十六分之一,分数只差 4.8。

手里的活要不要换,试一次就有答案:拿自己最长的那份任务,同时丢给 Astra 和自己现在用的国内模型,谁返工少就用谁。

你现在主力是哪个、跑的是什么活?评论区说一句,踩过的坑也算。

0

评论区