返回博客
Industry

顶级模型的中国折扣没了,去查查你的路由

Qwen4-Max和Gemini 4 Hydrogen的输入价都是$1.50,顶级档位的中国折扣缩到13%到25%。20倍的差价挪到了下一档的flash模型,路由该按档位分,别按国旗分。

OPC Community

OPC Community

Nov 17, 2026 8 min read
顶级模型的中国折扣没了,去查查你的路由

Qwen4-Max和Gemini 4 Hydrogen的输入价现在一样了。便宜token还在,只是往下挪了一档,而大多数路由配置指错了地方。

Alibaba这周给Qwen4-Max挂的价,是每百万输入token收$1.50。Google那边,Gemini 4 Hydrogen挂出来的也是$1.50,同样是每百万输入token。

同一个数,同一周,精确到分。

如果你在LLM上面搭东西,你的技术栈里一定有某一行,默认这种事不会发生。可能是一条fallback规则。可能是config文件里的一句注释,也可能是规划文档里的一句话,写着「量大的活儿就用国产模型,便宜」。这句话管用了差不多三年。到了顶级档位,它在某个周二失效了,没人通知你。

13%算不上折扣

你肯定想说,输出价还差着呢。确实差着。Qwen4-Max每百万输出token收$4.50,Hydrogen收$7.50。便宜四成就是便宜四成。

这话成立,前提是你的账单大头在输出。现在几乎没人的账单长这样了。

拿agent工作负载来说,我们现在大多跑的就是这种。一长串system prompt,工具定义,检索回来的文档,还有一份越滚越长的对话记录,每一轮都要重新喂回去。这种形状的负载,输入输出按十比一算已经很保守了。1100万token算下来,Qwen4-Max要$19.50。Hydrogen呢,$22.50。

差13%。

换成三比一,更像聊天产品的比例,差距拉到25%。所以坦率的讲,顶级档位的中国折扣今天也就13%到25%,具体落在哪,看你的应用读得多还是写得多。

再算算拿这点折扣要付出什么。多一家供应商要维护。多一套eval要建,因为两个模型翻车的方式不一样。每个会翻你subprocessor清单的企业客户,都要跟你聊一遍数据驻留。还有,你照着一个模型的脾气调好的prompt,换到另一个上面会退步。

13%盖不住这些。光是发现tool calling的prompt在两边表现不一样,就得搭进去一个工程师一周的时间,这点钱连这个都盖不住。

以前的折扣是5倍,有时候10倍。5倍的时候,这些麻烦你眼都不眨就咽了。到了13%,麻烦成了更大的那个数。决策翻过来了,你脑子里那条路由规则还没翻。

这个折扣从来就跟中国无关

我觉得大多数人从根上就把这事儿想岔了。

我们把便宜的国产模型归到了地理那一栏。成本低,算力有补贴,国内价格战打得凶。这些都是真的。可顶级档位的那个折扣,关于国家它没告诉你多少。它讲的是位置。

你觉得买家需要一个选你的理由,你才会把价格定在老大下面。哪个市场的挑战者都这么干。那个折扣是一种让步,是写在价格栏里的一句承认,我们知道你更想用另一家,给你便宜80%,来试试我们的。

这么读下来,$1.50就是Alibaba这次发布里嗓门最大的东西。比benchmark还响。

Benchmark也在里面。Alibaba的公告引了一个Intelligence Index分数,43。但分数是对模型下的判断,价格是对客户下的判断。把输入价定得跟Google一样,Alibaba是在说,它觉得同样的价钱你也会选Qwen4-Max,不用塞好处。

他们可能判断错了。先在你自己的任务上测,再去信任何榜单。不过你看看这是哪一类表态。一个把自己当备胎的实验室,绝对不会这么定价。

“折扣,是你觉得自己排第二的时候才收的价。”

哪天一家供应商不再打这个折,你也该在那天停止把它当省钱通道。这事儿两头都算数。Qwen4-Max没法再靠便宜在你的路由里占一个位置了。它得靠好用来占,这场面试更难,也更有意思。

标价已经不等于你付的价

Qwen这次发布里还有一样东西,比每token单价要紧,而且很容易一眼扫过去。

Alibaba主打的是每个任务的成本。跑完整套benchmark花$3.27,他们说这是Qwen3.8 Max干同样活儿的三分之一。省下来的钱有一部分是这么来的,Qwen4-Max得出答案用的输出token少了39%。

你想想看这里发生了什么。同样的活儿,账单掉了三分之二,其中很大一块跟价目表一点关系都没有。模型话少了。它推理用的token更少,而一个它压根没吐出来的token,你一分钱都不用付。

所以每token单价这玩意,拿来估你要花多少钱已经不准了,而且每发一版就更不准一点。两个输入价都是$1.50的模型,给你的账单能差出2倍,因为其中一个烧起推理token来,像个紧张的实习生,每走一步都要念出来。

Hydrogen在同一套测试上的每任务成本,我手里没有。我赌你也没有,问题就出在这儿。我们大多数人比供应商,比的是定价页上印的那一个数,供应商那边已经悄悄换了一个数在比。

我看到在这上面栽跟头的创业者,并不粗心。十八个月前他们做了张表,一列输入价,一列输出价,这张表到今天看着还是很严谨。可它量的是油价,而现在路上的车,油耗能差3倍。

在你的真实流量上,按模型记下每完成一个任务用了多少token。拿它乘价目表,得出来的才是你的价格。谁家官网上都查不到这个数。

20倍的差价,在楼下一层

折扣没消失。它搬到量大的地方去了。

同一周,Tencent发了Hy4 flash,每百万输入token收0.5元,每百万输出收2元。按1美元约7.1元算,大概是7美分进,28美分出。

还是那个十比一的agent负载。1100万token走Hy4 flash,大约98美分。走Qwen4-Max呢,$19.50。

便宜20倍。而且这是一个国产模型在压另一个国产模型的价,你敢信。

这该把你脑子里那张地图重画一遍。市场上最大的价差,已经不在美国实验室和中国实验室之间了。它在档位之间。要紧的那条线现在是横着的,每家的价目表上,它都画在frontier和flash中间。

顶上,大家的价格往一处收,因为大家付钱买的是同一样稀缺的东西,就是把一个超大模型端给需要最好答案的人,要用的那份算力。底下,模型小到服务成本直线往下掉,中国的实验室在互相抢量,定价还是早年间那个样子。

所以老直觉还有一半是准的。想要便宜到离谱的token,很多还是在中国。只是得从你一直盯着的地方,往下看一层。

路由看档位,别看国旗

这周我会改这么几处。

把省钱就用国产模型那条规则删了。原地换上两个分开的问题,让路由按顺序问。

第一问,这次调用到底用不用得着frontier模型?下手别软,因为这一问值20倍,下一问只值13%。分类,抽取,路由,总结工具返回的结果,判断检索回来的一段内容相不相关。大多数agent流水线里,这类调用比难的那些多出一大截,放在flash档的模型上跑得好好的。你每往$1.50的模型上送一个,就多付了20倍的钱。

第二问,只问过了第一问的那些调用,在我自己的eval上,哪个frontier模型干这个任务最好?我说的是最好,最便宜的那个不算数。输入价拉平之后,定胜负的是质量和可靠性,成本只用来打破平局,而且得拿你自己的每任务数字来算。

然后看看你的比例。负载偏输出的话,比如长文生成,或者整个文件整个文件往外写的代码,Qwen4-Max的$4.50输出价对上$7.50是实打实的优势,值得专门测一测。偏输入的话,这点优势就是个零头,你该完全凭别的理由来选。

提醒一句,毕竟劝你把量往下挪一档的人是我。便宜那一档,出错是没声音的。frontier模型错起来,往往错得挺有意思,你会注意到。flash模型错起来,是每天一万次,给你返回一个很自信、格式工整、稍微偏了一点的分类结果。挪之前先给flash调用配上eval,挪之后抽样看输出。省下的钱是真的,没人盯着的话,它蒸发起来也一样稳。

这一切底下的那份焦虑,我懂。价格和模型名字几周一换,你做的任何成本决定,都像是还没上线就要过期。它确实会过期。所以写进路由的应该是问题,答案别写进去。「用能通过这套eval的最便宜的模型」,换一轮定价还能用。「用Qwen,便宜」,这周就没撑过去。

去把config里那行注释找出来。长得大概像# fallback: cheaper的那行。

写它的人描述的是这样一个市场,排第二的会附赠一张优惠券。Alibaba刚刚不发券了,而且是故意的。

那行注释问的一直是谁更便宜,这个问题从头就问偏了。该问的是,谁还觉得自己非便宜不可。

常见问题

Is Qwen4-Max still cheaper than Gemini 4 Hydrogen?

Only on output. Both charge $1.50 per million input tokens, while Qwen4-Max charges $4.50 per million output tokens against Hydrogen's $7.50. On a ten-to-one input-heavy agent workload that works out to a 13% gap, widening to 25% at three-to-one, which rarely covers the cost of a second vendor, a second set of evals, and re-tuned prompts.

Where are the cheap Chinese LLM tokens now?

One tier down, in flash-class models. Tencent's Hy4 flash costs 0.5 yuan per million input tokens and 2 yuan per million output, roughly seven cents in and twenty-eight cents out. The same eleven-million-token agent workload costs about 98 cents there versus $19.50 on Qwen4-Max, a gap of about 20x.

How should I set up LLM routing now that frontier prices have converged?

Route by tier, not by country. First ask whether a call needs a frontier model at all, since classification, extraction, and summarizing tool results usually run fine on a flash-tier model. For the calls that do need one, pick the best frontier model on your own evals and compare cost using tokens per completed task on your real traffic. Put an eval on the flash calls before you move them and sample outputs afterward, because failures at the cheap tier are quiet.

Share this article

加入 OPC 同行社

与全球一人公司创始人连接,获取每日洞察、精选机会与同行支持。

免费加入