---
title: "同一天两家降价，改口说干完一件活多少钱"
date: 2026-11-16
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-model-cost-task-1116
language: zh-CN
---

# 同一天两家降价，改口说干完一件活多少钱

> 阿里Qwen4-Max与腾讯Hy4 flash同日发布，都改口按完成一个任务报价：前者26.58元降至11.16元，后者0.26元，但两套评测口径不同，不能直接相减。

两份发布稿，第一段都是参数。翻到第二段，全在讲钱。

11 月 16 日，阿里发 Qwen4-Max，腾讯发 Hy4 flash。

以前的发布会不这么写。以前比的是榜单名次、上下文长度、每百万 token 几块钱。

阿里报的数是 26.58 元降到 11.16 元。腾讯报的数是 0.26 元。

## 一个任务，两个价

先把阿里的账摊开。26.58 减 11.16 是 15.42，除以 26.58，得 58.0%，和官方说的 58% 对得上。这个数出自阿里的 Work360 评测集，覆盖 721 个细分领域，跑的是编程、投研、汽车制造这类专业活；统计的是「跑完一个任务花多少钱」，不是「一百万字多少钱」。顺带说一句，有几家标题写的是「大降六成」，六成是四舍五入之后的说法，准确值 58%，两个百分点不算错，但在一篇讲口径的稿子里，先把它钉住。

腾讯那边是 0.26 元。这个数出自另一个评测集，叫 WorkIndex，跑的是 PPT 制作与修改、文档编辑、表格修复、音视频处理、视觉理解。样本是 85 位内部用户在 27 类任务上做的盲测，一共 259 个任务。

两个数放在一起，差了 43 倍。

43 倍这个数字很抓人，但它是假的。不是数据假，是这个比法假。

## 差的是任务，不是模型

Qwen4-Max 是旗舰，2.4 万亿总参数，每个 token 激活 710 亿，另加 3280 亿的 N-gram 查表参数，激活率 2.96%。Hy4 flash 是轻量版，2240 亿总参数、激活 120 亿，激活率 5.36%；它上面还有 7700 亿总参数、490 亿激活的 Hy4 preview，再上面才是标准版 Hy4。两家把参数表摆得整整齐齐，但表格里没有一个数字能说明「便宜」这件事——便宜不发生在参数上，发生在「干完一件活要用掉多少 token，每个 token 多少钱」这一步。

拿旗舰的单任务价和轻量版的单任务价比，等于拿货车的百公里油耗比摩托车。

两个数不该并排摆。

真正能比的是各自跟自己的上一代比。阿里说降了 58%，腾讯说降到 Hy4 preview 的十三分之一、标准版 Hy4 的二十分之一。这两句话都成立，但它们说的是两件不同的事：一个是「同一档位便宜了多少」，一个是「低一档比高一档便宜多少」。前者是技术进步，后者是产品分层，混在一起讲，就变成了「行业整体降价」。

还有个细节被标题盖住了。腾讯那个 0.26 元，是在自家办公任务上测的；阿里的 11.16 元，是在编程和专业任务上测的。同样是「一个任务」，一边是改一页 PPT，一边是跑一次代码修复，token 消耗差一个量级很正常。

所以这一天真正的新闻不是降价，是换尺子。

## 五成八，拆不开

按理说，成本降了，要么是用得少了，要么是单价降了，或者两样都有。这三件事可以分开算。

阿里其实给了可以拆的数。在 Terminal-Bench 4.0 上，同一档思考强度，每次尝试的平均 token 用量从 28.9 万降到 15.1 万，少了 48%；同一档位上，得分升到 48.5——字少了近一半，答对的题反而多了。但这两个数不能相除：48% 来自 Terminal-Bench，58% 来自 Work360，任务不同、样本不同、打分方式不同。用 58% 除以 52%，得出「单价降了 19%」这种结论，是把两把尺子接在一起量东西。

不能这么算。

官方没有公布 Work360 上 token 用量的降幅。所以那 58% 里，有多少来自少用 token、多少来自降价，外界算不出来。

能算的只有一件事：58% 是在「token 用量明显下降」和「API 价格下调」同时发生的前提下得出的。少了任何一半，都到不了这个数。

## 省下来的那部分，在注意力里

两家在技术上的动作，指向同一个地方。

阿里把注意力拆成了两层：每四层里，三层用 Gated DeltaNet，把历史信息压成一个固定长度的状态；剩下一层用稀疏注意力，按块挑出相关的上下文。历史越长，这个设计省得越多。腾讯那边是混合注意力、LatentMoE、Engram 三件套，KV cache 的大小压到 Hy3 的二十四分之一、Hy4 的六分之一。

KV cache 是推理时存历史键值的地方，上下文从十万字涨到一百万字，这块内存按老办法要线性涨；压到六分之一，意味着同一张卡能同时服务更多人。这一步省下来的不是算力峰值，是并发数——同样的机房，能接的活多几倍，摊到每件活上的固定成本就薄一层。

省的不是峰值，是并发。

再往下是后训练。腾讯用强化学习把端到端输出长度压了一半。这一条最容易被忽略，因为它不在架构图里，而在训练目标里：模型被教成「话少说完」。一句话能说清的事，不许展开成三段。

两家都在做同一件事——让一件事少用 token。

## 为什么挑这一天

11 月 18 日，腾讯发季报。11 月 19 日，阿里发季报。

两场发布会，都赶在自家财报前面。

最远的隔三天。

过去两年，资本市场问云厂商的是同一个问题：AI 投入那么大，回报在哪。回答「我们的模型更强」不管用，因为更强换不来收入；回答「同样一件活，客户花的钱少了五成八」才有用，因为它直接对应企业客户的采购决策——采购部门不评榜，只算账。这份稿子的听众从来不只是开发者，还有季报电话会上等着提问的分析师。

所以这一天真正被摆上桌的，不是模型能力，是一张给财务看的成本曲线。

## 便宜之后

有个反常识的地方：单任务变便宜，总支出往往变高。

一件活从 26 元降到 11 元，原本觉得不划算、干脆不做的活，现在值得做了。做的人多了，跑的次数多了，总账反而涨。这个逻辑在算力行业被反复验证过：单位成本降下去，原本不经济的场景被激活，总需求跟着涨。经济学里管这叫杰文斯悖论，一百多年前讲的是煤，现在讲的是算力。

所以「降本」这个词，对买方和卖方是两个意思。

买方看到的是单价，卖方看到的是总量。模型公司当然清楚这一点，之所以还敢把「便宜」喊得这么响，是因为现在的瓶颈不在需求，在信任——企业不敢把核心流程交给一个跑一次要二十几块的模型，但愿意交给一个跑一次十一块的。

价格先降下来，用量才敢放出去。

## 那把尺子还没统一

回到那两个数。26.58 和 11.16，还有 0.26。

三个数字背后是同一件事：卖的东西变了。以前卖 token，按字数计价；现在卖「一件事办完」，按结果计价。

按字数计价，客户会想办法少写字。按结果计价，客户只关心办没办成。

这对卖方是好事，它把价格从成本转到了价值；对买方也是好事，它终于能算清楚一笔账。

麻烦在于，这把尺子现在有两套刻度，谁也不认谁的。同一天发布的两个数，被并排写进了同一个标题。

等到有人把「一个任务」定义清楚的那天，这场价格战才算真正开始。

**免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-model-cost-task-1116
本内容仅供参考，不构成投资建议。
