文章目录



AI 大模型平台 :





一、智谱 BigModel



1、定价简介


智谱 BigModel 大模型平台 : https://bigmodel.cn/
在这里插入图片描述

智谱 GLM-5.3 大模型定价 : https://docs.bigmodel.cn/cn/guide/start/pricing

在这里插入图片描述


2、智谱大模型多维度对比


智谱 大模型 多维度对比 : GLM-5.3、GLM-5.3-Flash、GLM-5.2、GLM-5.1、GLM-5-Turbo、GLM-5 大模型多维度对比 ;

维度GLM-5.3GLM-5.3-FlashGLM-5.2GLM-5.1GLM-5-TurboGLM-5
发布时间2026.08.142026.08.262026.06.162026.04.082026.03.162026.02.12
是否开源✅ MIT✅ MIT✅ MIT✅ MIT❌ 闭源✅ MIT
总参数 / 激活744B / ~40B320B / 18B744B / 40B744B / 40B744B / 40-44B744B / 40B
上下文窗口1M1M1M200K200K200K
注意力设计DSA + 后训练Scaling线性 + 稀疏混合IndexShare稀疏注意力DSAMoE (80层/256专家)DSA
多模态❌ 仅文本✅ 图/视频/文件❌ 仅文本❌ 仅文本❌ 仅文本❌ 仅文本
综合智能指数未单独公布57分 ( AA v4.1 )51分 ( AA v4.1 )未公布未公布50分 ( AA v4.0 )
输入价 ( 国内/百万tokens )¥8¥0.8 ( 5折¥0.4 )¥8¥6 ( <32K ) / ¥8 ( ≥32K )¥5 ( <32K ) / ¥7 ( ≥32K )¥4 ( <32K ) / ¥6 ( ≥32K )
输出价 ( 国内/百万tokens )¥28¥2.8 ( 5折¥1.4 )¥28¥24 / ¥28¥22 / ¥26¥18 / ¥22
海外输入/输出 ( $/百万 )$1.4 / $4.4$0.15 / $0.50$1.4 / $4.4$1.4 / $4.4$0.96-1.20 / $3.20-4.00$1.0 / $3.2

3、编程能力


GLM-5.3 是目前写代码最强的开源大模型 , 在智谱自家的 Z.ai Code Bench 测试里 , 它 比上一代 GLM-5.2 的代码能力直接提高了一半 ;

Terminal-Bench 3.0 这个测试集上 , GLM-5.2 原来只有 4.6 分 , GLM-5.3 一下子冲到 28.3 分 ; 另外两个重要编码测试 : DeepSWE v1.1 从 46.2 涨到 66.9 , Agents‘ Last Exam 从 23.8 涨到 28.5 ; 这两项核心代码测评 , 它都是开源模型里第一名 ;

  • Terminal-Bench 4.0 大模型编程能力测试 : 评估 AI 智能体 在真实命令行环境 ( 终端 ) 中执行高难度、端到端任务的能力 , https://www.tbench.ai/
    在这里插入图片描述
  • DeepSWE 编程能力测试 : 评估 AI 代理 在真实、复杂的软件工程任务中的表现 , 尤其强调 " 零污染 " 和原创性 , 像一场软件工程的 " 竞技体育 " , 专测模型在代码层面的极限能力 , 任务边界清晰 ; https://benchlm.ai/coding ;
    在这里插入图片描述
  • Agents’ Last Exam 编程能力排名 : 旨在 衡量 AI 在长期、具有经济价值的真实工作流程中的表现 , 更像一场真实职业的 " 资格认证考试 " , 它关注 AI 在复杂、多步骤的真实工作流中 , 能否综合运用包括编码在内的各种技能来交付最终成果 ; https://agents-last-exam.org/leaderboard
    在这里插入图片描述
    上面这些排名看看就行 , 大模型 token 卖那么贵 , 具体使用可以逐个测试后 , 采用性价比最高的那个即可 ;

调到最高精度档位跑的时候 , GLM-5.3 的正确率有 31.4% , 比 Claude Opus 4.8 的最高档 ( 29.5% ) 还要高 ; 而且它完成每个任务平均只输出约 5 万 token , Claude Opus 4.8 却要 12 万 token , 思考和执行的步骤短很多 ;

GLM-5.3-Flash , 虽然定位是轻量化小模型 , 但写代码的实力并不弱 ; 它把 看图能力直接整合进写代码的流程里 , 可以自己看页面渲染效果 , 一边看一边改 ; 做前端页面、写小游戏这类场景 , 能形成完整的自我迭代闭环 , 这点很有优势 ;


顺带往前看几代 :

  • GLM-5.2 在 Terminal-Bench v2.1 拿到 78% , 比 GLM-5.1 高 16 个点；SWE-bench Pro 得分 62.1 , 代码能力相比老版本提升非常明显 ;
  • GLM-5.1 在 SWE-bench Pro 拿到 58.4 , 当年直接刷新这个榜单记录 , 比 GPT-5.4、Claude Opus 4.6 这些不开源的模型成绩还好 ;

GLM-5-Turbo 专门针对 OpenClaw 这类 AI 智能体场景做了优化 , 重点加强了调用工具、听懂指令、跑长串复杂任务的能力 ; 在智谱自研的 ZClawBench 测评里 , 它在国产模型中排第一 ;


4、开通 API Key


在 https://bigmodel.cn/ 页面 , 点击右上角 " 控制台 " 按钮 , 进入控制台 ;
在这里插入图片描述

选择 API Key ,

在这里插入图片描述

创建一个 API Key ;
在这里插入图片描述


5、接入 TraeCode


在 TraeCode 中 , 选择 设置 | 模型 | 添加模型 ;

在这里插入图片描述

选择 Z.ai 平台 , 这是 智谱 平台 ;
在这里插入图片描述

需要手动添加 模型 ID , GLM-5.3-Flash , 然后拷贝 之前申请的 API Key ;
在这里插入图片描述





二、腾讯云 TokenHub



1、价格简介


进入 腾讯云 首页 https://cloud.tencent.com/ , 选择 顶部 " 产品 / 人工智能与机器学习 / 大模型服务平台 TokenHub " ;

在这里插入图片描述

进入 TokenHub 之后 , 点击左侧的 " 模型广场 " , 进入 模型广场界面 https://console.cloud.tencent.com/tokenhub/models ;

在这里插入图片描述

查看几个关键的模型价格 :

  • Hy4 preview : 百万 tokens 18 元 ;
    在这里插入图片描述
  • Hy3 : 百万 tokens 4 元 ;
    在这里插入图片描述
  • GLM-5.3-Flash : 百万 tokens 2.8 元 , 这个最便宜 ;
    在这里插入图片描述
  • GLM-5.3 : 百万 tokens 28 元 ;

在这里插入图片描述


2、大模型多维度对比


维度Hy4 previewHy3GLM-5.3GLM-5.3-FlashDeepSeek-V4.1-FlashDeepSeek-V4.1-Pro
发布时间2026-08-282026-07-062026-08-142026-08-262026-09-10尚未正式发布 ( 开发中 )
参数架构770B MoE / 49B 激活 , 78层295B MoE / 21B 激活 , 含3.8B MTP层~744B MoE / ~40B 激活 , 与 GLM-5.2 同基座320B MoE / 18B 激活 , 45层 , 多模态底座552B MoE / 输入激活8B·输出激活16B , CED 非对称架构预计基于 V4-Pro ( 1.6T MoE / 49B 激活 ) 迭代
注意力设计Gated DeepSeek Sparse Attention + IndexCache 跨层稀疏索引复用未公开具体细节DSA 稀疏注意力 , 2048-token top-k indexer首个稀疏注意力 + 线性注意力混合架构 , 单Token注意力计算量降3.01倍 , KV缓存减少4.44倍Compressed Sparse Attention 2 ( CSA2 ) , FP4主KV缓存 , 890 bytes/token , 相对V1缩小437倍预计沿用 V4-Pro 的 MoE + 稀疏注意力架构
上下文窗口1M256K1M 输入 / 128K 输出1M 输入 / 128K 输出1M 输入 / 384K 输出1M ( V4基线维持 )
是否开源✅ Apache 2.0✅ Apache 2.0⚠️ 权重承诺开源 , 截至搜索时尚未公开✅ MIT✅ MIT⚠️ 待定
多模态❌ 预览版暂不支持 , 正式版将补齐❌ 纯文本❌ 纯文本✅ 原生多模态 ( 文本+图像+视频 ) , 视觉编码能力✅ 原生多模态 , 视觉编码器从零训练预计支持
深度思考✅ reasoning 默认 " high " , 支持多档调节✅ 快慢思考融合✅ 三档 : low / high / max ( 不可关闭 )✅ 三档 : low / high / max ( 不可关闭 )✅ 可连续控制 ( 1–100 ) , 可选 low/high/max/非思考模式预计支持
编程能力DeepSWE v1.1 : 64.3；Terminal-Bench 2.1 : 85.4；SWE Atlas Refactoring : 53.3；内部盲测2.99/4.00DeepSWE : 28.0；Terminal-Bench 2.1 : 约70.8Terminal-Bench 3.0 : 28.3；DeepSWE v1.1 : 66.9；Agents’ Last Exam : 28.5；Z.ai Code Bench 准确率31.4%对标 Claude Opus 4.8 , 编程表现与 Opus 4.8 相当DeepSWE v1.1 : 74.2；Terminal-Bench 2.1 : 90.6；Codeforces : 3471尚未发布 , 无数据
Agent 能力Toolathlon-Verified : 74.1；APEX-Agents pass@1 : 37.1；AutomationBench : 32.1%任务解决率90% ( Preview版72% ) , 系统稳定性95.1%；ClawEval : 68.5AutomationBench : 48.2%；支持长程 Agent、工具执行Toolathlon-Verified : 78.4%；AutomationBench : 48.8%AutomationBench : 54.8%；Agent’s Last Exam 详见基准尚未发布 , 无数据
综合智能指数未公布统一指数；盲测略优于 GLM-5.3—Artificial Analysis 综合智能指数 : 45分AA指数 : 57分 ( 与 Claude Opus 4.8 持平 )AA指数 : 40分 ( 高于 V4 Pro 0813 的36分 )尚未发布 , 无数据
参考价格输入 ¥6/M；输出 ¥18/M；缓存命中 ¥0.3/MWorkBuddy 免费期延长至9月30日未命中输入 ¥8/M；输出 ¥28/M；缓存命中 ¥2/M2.8元/百万tokens输出空闲 : 缓存命中 ¥0.02/M、未命中 ¥1/M、输出 ¥4/M；高峰翻倍当前 V4-Pro 高峰输出 ¥27/M；V4-Pro 将于9月14日下线 , 请求路由至 V4.1-Flash
适用场景长文档分析、办公生产力、游戏开发、科研；1M上下文+深度思考轻量 Agent 任务、小规模部署、成本敏感场景专业编程、仓库级重构、网络安全研究多模态前端/游戏开发、低成本高频调用、视觉编码任务高吞吐 Agent 负载、自动化工作流、长上下文缓存密集场景待发布后评估

3、接入 API Key


在 TokenHub 的 控制台 中 , 选择 " 平台管理 | API Key 管理 " , 进入 API Key 管理 页面 https://console.cloud.tencent.com/tokenhub/apikey , 点击 " 创建 API Key " 按钮 ;

在这里插入图片描述

在弹出的对话框中 , 输入 Key 名称 , 其它空着就行 , 然后点击 " 确定 " 完成 API Key 创建 ;

在这里插入图片描述

创建 后的 API Key 如下 , 点击 " 复制 " 按钮 , 可以复制该 Key ;

在这里插入图片描述

进入 TraeCode , 选择添加自定义模型 ,
在这里插入图片描述

选择 腾讯云 平台 ,
在这里插入图片描述

目前 TraeCode 不能接入 腾讯的 hy3 大模型 , 这几个大厂挺会玩 ;
在这里插入图片描述





三、千问 AI 平台



1、定价简介


千问 AI 平台 : https://www.qianwenai.com/

在这里插入图片描述

点击 " 定价 " , 查看 各个 千问 大模型 定价价格 : https://platform.qianwenai.com/pricing/api

在这里插入图片描述


2、各维度简单对比


维度Qwen3.8-MaxQwen3.8-FlashQwen3.8-2.4T-A95BQwen3.7-PlusQwen3.7-FlashGLM-5.3GLM-5.3-FlashDeepSeek-V4.1-FlashDeepSeek-V4.1-Pro
编程能力Terminal-Bench 2.1：86.6；长程自动编程突出SWE-bench Pro 领先 Opus 4.6 达 9.1 分与 Qwen3.8-Max 共享架构，基准一致通用编程能力，定位均衡型多模态轻量级，弱于 Plus/MaxTerminal-Bench 2.1：88.2；DeepSWE v1.1：66.9原生多模态，可生成可交互代码Terminal-Bench 2.1：90.6；DeepSWE v1.1：74.2未发布
Agent 能力GDPval：1,739 Elo；AA Agentic 58CoWorkBench、Toolathlon Verified 超越 DeepSeek-V4-Flash与 Qwen3.8-Max 一致支持工具调用与 Agent 执行支持原生工具调用Toolathlon Verified：73.0；ALE-CU 领先AutomationBench：46.2Automation-Bench：54.8，领先 GLM-5.3 / V4 Pro未发布
定价（每百万 Token，CNY）输入 ¥12 / 输出 ¥36 / 缓存命中 ¥1.5输入 ¥0.8 / 输出 ¥2.7 / 缓存命中 ¥0.1输入 ¥12 / 输出 ¥36 / 缓存命中 ¥1.5≤256K：输入 ¥2（8折 ¥1.6）/ 输出 ¥8（8折 ¥6.4）/ 缓存 ¥0.4（8折 ¥0.32） 256K–1M：输入 ¥6（8折 ¥4.8）/ 输出 ¥24（8折 ¥19.2）/ 缓存 ¥1.2（8折 ¥0.96）≤32K：¥0.2 / ¥0.8 / ¥0.04 32K–256K：¥0.6 / ¥2.4 / ¥0.12 256K–1M：¥1.2 / ¥4.8 / ¥0.2428元/百万tokens2.8元/百万tokensOpenRouter：输入 $0.15 / 输出 $0.60；国内空闲时段输入 ¥1 / 输出 ¥4未发布
适用场景全能型 Agent 旗舰，复杂自主任务高性价比 Agent 编程、办公、长程任务开放权重、可自部署旗舰 Agent均衡型多模态应用低延迟、高并发轻量交互复杂软件工程、终端、网络安全普惠级原生多模态强执行力 Agent、编程、工具调用未发布
综合智能指数AA Intelligence 58 / AA Agentic 58后训练性能接近 Opus 4.8同 Qwen3.8-Max未公布独立指数未公布独立指数多项基准开源第一AA Intelligence Index：57HLE：36.8；GPQA Diamond：90.9未发布
注意力设计稀疏 MoE，激活约 95BQSA + GDN 混合注意力，1M 长上下文提速 8 倍以上同 Qwen3.8-Max未公开详细机制未公开详细机制未公开详细机制；MoE 激活 39B稀疏注意力 + 线性注意力混合；KV Cache 降低 4.4 倍CED 非对称结构：输入激活 8B，输出激活 16B未发布
参数架构总参数 2.4T，激活约 95B总参数约 125B，激活 6B2.4T / 95B 激活未公开未公开约 743B MoE，激活 39B320B MoE，激活 18B552B MoE，CED 非对称未发布
上下文窗口1M 输入 / 约 128K 输出1M1M1M（最大输入 991K，输出 128K）1M（最大输出 65K）1M / 128K 输出1M / 128K 输出1,048,576 tokens未发布
是否开源已开源已开源开放权重未开源未开源已开源已开源（MIT）已开源未发布
发布时间2026-08-032026-08-262026-08-10 当周2026 年 6 月前后2026 年 7 月前后2026-08-142026-08-262026-09-10未发布
多模态文本、图像、视频原生多模态，图片/视频同 Qwen3.8-Max文本、图片、视频原生多模态未突出多模态原生多模态，本地图像处理原生多模态视觉理解未发布
深度思考非思考 / 思考模式切换支持推理模式同 Qwen3.8-Max支持思考模式，最大思维链 256K支持推理模式，最大思维链 262K支持高档位思考预算未明确强调大规模 RL 后训练，支持工具调用推理未发布

重点测试 Qwen3.8-Max 和 Qwen3.8-Flash 版本 ;


3、TraeCode 接入千问模型


TraeCode 接入千问模型 使用如下参数 :

在这里插入图片描述

自定义设置 模型 ID , 模型 ID 名称 都是小写字母 , 不要出现大写字母 ;

可设置的 模型 ID : qwen3.8-max、qwen3.8-flash、qwen3.7-plus、qwen3.7-max、qwen3.7-flash ;

在这里插入图片描述

# 人工智能 # 腾讯云 # AI
Logo
AtomGit AI 社区

AtomGit AI 社区提供模型库、数据集、Agent、Token等资源

更多推荐

cover

19岁从MIT辍学，29岁执掌 Meta AI！Muse上线22天下载破500万，超越当年ChatGPT，亚历山大·王首谈7个月研发内幕

avatar AtomGit AI 社区
cover

已经有了 ChatGPT，为什么我还想开发一个属于自己的 AI？

avatar AtomGit AI 社区
cover

AI 资讯日报 | 2026年10月15日：谷歌Gemini 4 Argon全球上线打响价格战，Anthropic动态Agent工作流与IPO冲刺，DeepSeek千亿融资落定

avatar AtomGit AI 社区