`)
文章目录一、智谱 BigModel1、定价简介2、智谱大模型多维度对比3、编程能力4、开通 API Key5、接入 TraeCode二、腾讯云 TokenHub1、价格简介2、大模型多维度对比3、接入 API Key三、千问 AI 平台1、定价简介2、各维度简单对比3、TraeCode 接入千问模型AI 大模型平台 :腾讯云 TokenHub :https://console.cloud.tencent.com/tokenhub/models火山方舟 :https://console.volcengine.com/ark/千问 AI 平台 :https://www.qianwenai.com/智谱 BigModel :https://bigmodel.cn/DeepSeek :https://platform.deepseek.com/usageKIMI :https://platform.kimi.com/一、智谱 BigModel1、定价简介智谱 BigModel 大模型平台 :https://bigmodel.cn/智谱 GLM-5.3 大模型定价 :https://docs.bigmodel.cn/cn/guide/start/pricing2、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 / $3.23、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/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 ;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 ;选择 API Key ,创建一个 API Key ;5、接入 TraeCode在 TraeCode 中 , 选择 设置 | 模型 | 添加模型 ;选择 Z.ai 平台 , 这是 智谱 平台 ;需要手动添加 模型 ID , GLM-5.3-Flash , 然后拷贝 之前申请的 API Key ;二、腾讯云 TokenHub1、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 ;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 ;查看几个关键的模型价格 :Hy4 preview : 百万 tokens 18 元 ;Hy3 : 百万 tokens 4 元 ;GLM-5.3-Flash : 百万 tokens 2.8 元 , 这个最便宜 ;GLM-5.3 : 百万 tokens 28 元 ;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 : 64.3Terminal-Bench 2.1 : 85.4SWE Atlas Refactoring : 53.3内部盲测2.99/4.00DeepSWE : 28.0Terminal-Bench 2.1 : 约70.8Terminal-Bench 3.0 : 28.3DeepSWE v1.1 : 66.9Agents’ Last Exam : 28.5Z.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 : 74.2Terminal-Bench 2.1 : 90.6Codeforces : 3471尚未发布 , 无数据Agent 能力Toolathlon-Verified : 74.1APEX-Agents pass1 : 37.1AutomationBench : 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/MV4-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 ;创建 后的 API Key 如下 , 点击 复制 按钮 , 可以复制该 Key ;进入 TraeCode , 选择添加自定义模型 ,选择 腾讯云 平台 ,目前 TraeCode 不能接入 腾讯的 hy3 大模型 , 这几个大厂挺会玩 ;三、千问 AI 平台1、定价简介千问 AI 平台 :https://www.qianwenai.com/点击 定价 , 查看 各个 千问 大模型 定价价格 : https://platform.qianwenai.com/pricing/api2、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 2.186.6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 2.188.2DeepSWE v1.166.9原生多模态可生成可交互代码Terminal-Bench 2.190.6DeepSWE v1.174.2未发布Agent 能力GDPval1,739 EloAA 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 Verified73.0ALE-CU 领先AutomationBench46.2Automation-Bench54.8领先 GLM-5.3 / V4 Pro未发布定价每百万 TokenCNY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 ¥28折 ¥1.6/ 输出 ¥88折 ¥6.4/ 缓存 ¥0.48折 ¥0.32256K–1M输入 ¥68折 ¥4.8/ 输出 ¥248折 ¥19.2/ 缓存 ¥1.28折 ¥0.96≤32K¥0.2 / ¥0.8 / ¥0.0432K–256K¥0.6 / ¥2.4 / ¥0.12256K–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 Index57HLE36.8GPQA Diamond90.9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 MoECED 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 128K1M最大输出 65K1M / 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 :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 ;
