中國 AI 模型性能追趕前沿巨擘 「每項任務成本」更展現驚人性價比
Celine
DeepSeek V4 Flash 每項任務僅 3 美分 AI 成本戰從「每 Token」進入「每任務」時代
中國 AI 模型正快速縮小與 OpenAI、Anthropic 等全球頂尖前沿模型的性能差距，而且不只是在模型能力上追趕，在更貼近企業實際使用成本的「每項任務成本」（Cost per Task）指標上，更展現出驚人的價格優勢。
根據獨立 AI 模型評測網站 Artificial Analysis（AA）最新分析，在全球前 20 大模型中，中國 AI 新創 DeepSeek 最新的 V4 Flash 以每項任務僅約 3 美分的成本，成為目前性價比最突出的模型之一。
更值得注意的是，中國模型近來不再只是靠「低價」取勝。Moonshot AI 的 Kimi K3、阿里巴巴（BABA）的 Qwen 3.8 Max 等模型皆躋身 AA「Intelligence Index」前十名；若擴大至前二十名，7 月底正式推出的 DeepSeek V4 Flash 也名列其中。
中國 AI 模型不只便宜 性能也快速逼近前沿模型
過去中國 AI 模型普遍以開放權重（Open Weight）及低成本作為主要競爭優勢，但近期新一代模型的性能快速提升，已開始進入全球頂級 AI 模型競爭行列。
AA 最新針對 179 個模型進行評測，其中 DeepSeek V4 Flash 在「Intelligence Index」取得 52 分，每項任務成本卻只有 3 美分。
作為比較，OpenAI 的 GPT-5.6 Luna（max）同樣取得 52 分，但每項任務成本約為 5 美分。也就是說，在 AA 的測試中，兩者的整體智能程度相當，但 DeepSeek 完成相同類型任務的成本更低。
更大的差距則出現在反應速度。DeepSeek V4 Flash 的首次回應時間（TTFT）約為 1.17 秒，完整回答時間約 19.49 秒；GPT-5.6 Luna（max）的 TTFT 則超過 135 秒。
這代表 GPT-5.6 Luna（max）雖然具有更長的推理時間，但使用者實際等待第一個答案出現的時間明顯更久。
AI 成本飆升 企業開始關注「完成一件工作到底要花多少錢」
隨著 AI 從聊天工具逐漸轉向程式開發、企業自動化及 Agent 等複雜工作，企業真正需要負擔的 AI 成本正在快速增加。
過去市場通常以「每 Token 價格」衡量 AI 模型成本，但 Token 價格其實只代表單價，並不能完整反映完成一項工作究竟需要消耗多少 Token 及運算資源。
例如，一個模型雖然每 Token 價格較低，但如果需要大量推理、產生更長的回答，甚至需要多次重試才能完成任務，最終總成本仍可能高於單價較高、但一次就能完成工作的模型。
因此，AA 開始將「每項任務成本」納入評估，將模型實際完成工作的輸入 Token、輸出 Token、快取 Token 及推理 Token 等成本全部計算，再與模型智能程度進行比較。
對企業而言，這個指標可能比單純比較 Token 價格更有參考價值。
Uber、亞馬遜 AI 支出超預算 突顯企業成本控管難題
AI 成本快速增加已成為大型企業的新問題。以 Uber 為例，由於工程師大量使用 Anthropic 的 Claude Code，AI 工具使用量迅速攀升，公司原本編列的年度 AI 預算在 4 月就已提前用罄。
Uber 約 5000 人的工程師團隊逐漸導入 Claude Code 後，AI 支出大幅超出原先預期，公司後續甚至針對每名員工的 Agentic Coding 工具設定每月約 1500 美元的使用上限。
亞馬遜（Amazon）也出現類似情況。根據外媒報導，亞馬遜內部一項利用 Anthropic Claude Sonnet 比對商品及作者資料的 AI 專案，實際成本一度比原先預算高出 860%，最終達到約 180 萬美元。
更棘手的是，這項成本增加持續約 5 個月才被發現。隨著企業大量導入 AI Agent 及推理型工作，模型內部推理所消耗的 Token 激增，AI 成本已從單純的「API 價格問題」，逐漸轉變為企業整體 AI 基礎建設管理問題。
Kimi K3 躋身開放權重模型第一梯隊 性能逼近 Claude、GPT
在 AA 最新評測中，Moonshot AI 的 Kimi K3（max）取得 60 分的 Intelligence Index，在開放權重模型中排名第一，其分數僅比 Claude Opus 5（max）的 63 分低 3 分，也只比 GPT-5.6 Sol（max）的 61 分低 1 分；Kimi K3 每項任務成本約 84 美分，在前沿級模型中仍屬相對低廉。
不過，不同模型的「速度特性」也存在明顯差異。Kimi K3 的 TTFT 約 2.37 秒，代表幾乎可以迅速開始回答，但完整回答時間約 60.52 秒；GPT-5.6 Sol（xhigh）的 TTFT 則約 37 秒，完整回答時間約 58.52 秒。
Claude Opus 5 則呈現另一種優勢，TTFT 約 5.92 秒，完整回答時間僅 14.68 秒，整體完成速度明顯較快。
DeepSeek、Kimi、Qwen 全面進入高性能 AI 競爭
除了 DeepSeek 與 Kimi 外，阿里巴巴旗下 Qwen 系列近期也出現大幅進步。
Qwen 3.8 Max 擁有約 2.4 兆參數，AA Intelligence Index 達到 58 分，排名第 10，成為 Qwen 歷代模型中表現最強的一款。
不過，Qwen 3.8 Max 每項任務成本約 1.13 美元，反而高於部分性能更高的競爭對手，例如 Claude Opus 5（medium）的 59 分／72 美分、GPT-5.6 Sol（xhigh）的 59 分／81 美分、Kimi K3（max）的 60 分／84 美分、Qwen 3.8 Max 的 58 分／1.13 美元
因此，中國 AI 模型目前的競爭力並非全部建立在「價格最低」，而是逐漸形成性能與成本同步提升的競爭模式。
最頂尖模型仍由 Anthropic、OpenAI 領先
從 AA 的 Intelligence Index 來看，60 分以上的模型仍主要集中在 Anthropic 與 OpenAI 等前沿模型。
目前 Claude Opus 5（max、xhigh）最高達到 63 分，但每項任務成本約 2.34 美元；Claude Fable 則是所有受測模型中成本最高者，每項任務約 3.14 美元。
相較之下，開放權重模型中唯一突破 60 分的 Kimi K3，每項任務成本僅 84 美分。
此外，Meta 的 Muse Spark 1.2（xhigh）取得 57 分，每項任務約 40 美分；xAI 的 Grok 4.5（high）則取得 56 分，每項任務約 36 美分，也呈現相當突出的性價比。
「每 Token 便宜」不等於「完成工作便宜」
AA 指出，企業在評估 AI 模型時，不能只看 API 公布的 Token 價格，其實際使用成本還取決於輸入 Token 數量、輸出 Token 數量、推理 Token 數量、完成任務需要多少次嘗試、模型是否需要更長的上下文；尤其是推理型模型，為了完成複雜工作，可能在產生最終答案之前進行大量內部推理。
換言之，即使每 Token 價格便宜，最終完成一項任務的總成本仍可能相當高，這也是為何「Cost per Task」逐漸受到企業重視。
Prompt Cache 非免費 Cache Miss 恐讓成本重新飆升
目前 AI 業者也積極利用 Prompt Caching 降低企業使用成本。當使用者反覆使用相同的對話內容或系統指令時，模型可以透過快取機制重複利用既有 Token，部分業者可提供約 50% 至 80% 的價格優惠。
但快取並非完全免費。如果超過快取有效時間，或使用者修改、刪除對話中間的內容，便可能產生 Cache Miss，使後續內容重新按照正常價格計算。
因此，企業若長時間間隔使用 AI，或頻繁修改 Agent 工作流程，實際成本可能明顯高於單純按照官方 Token 價格估算的結果。
DeepSeek V4 Flash 技術規模龐大 採 MoE 架構
DeepSeek V4 Flash 於 7 月 31 日正式推出，此前已於 4 月與 V4 Pro 一同以預覽形式亮相。
V4 Flash 總參數約 2840 億個，採用 MoE（Mixture of Experts，混合專家）架構，每次僅啟用約 130 億參數，並支援 100 萬 Token 上下文視窗。
相比之下，上位版本 DeepSeek V4 Pro 目前仍處於預覽階段，總參數規模達約 1.6 兆個。
DeepSeek V4 Flash 目前在 AA 評測中所展現的最大優勢，就是在維持前沿模型級智能程度的同時，將單一任務成本壓低至極低水準。
AI 模型競爭進入「性能、成本、速度」三維戰場
值得注意的是，AA 的 Intelligence Index 並非單純測試聊天能力，而是綜合 9 項不同評測，包括 GDPval-AA v2（模擬美國主要職業實務工作）、τ³-Bench Banking（銀行業 Agent 任務）、Terminal-Bench 2.1（終端機與程式開發）、SciCode（科學程式設計）、HLE（高難度綜合知識與推理）、GPQA Diamond（研究所程度科學問題）、CritPt（專業領域批判思考）、AA-Omniscience（廣泛知識準確度）、AA-LCR（長上下文推理），AA 再根據模型在這些任務中實際消耗的 Token 與相關價格，計算每項任務成本。
因此，這項指標更適合用來觀察程式開發、科學研究、數學推理及 Agent 等複雜工作負載，並不代表模型在翻譯、一般聊天或日常辦公等任務上的實際成本。
結論：中國 AI 開始從「低價追趕」進入「高性能＋低成本」競爭
整體來看，中國 AI 模型正在快速改變全球 AI 產業競爭格局。過去中國模型最大的優勢主要是開放權重與低價格，如今 DeepSeek V4 Flash、Kimi K3 及 Qwen 3.8 Max 等新模型已開始進入高性能模型排行榜，代表中國 AI 業者正逐漸從單純的價格競爭，進入性能、成本與速度同步競爭的新階段。
值得一提的是，DeepSeek V4 Flash，以 52 分的智能指數、僅 3 美分的單任務成本，展現出相當突出的性價比；Kimi K3 則以 60 分成為目前開放權重模型的頂尖代表。
這也代表一件事：未來 AI 市場的勝負恐怕不再只是「誰的模型最聰明」，而會進一步比拼誰能用最低成本、最快的速度完成工作。
對企業而言，AI 模型選擇也可能從過去的「單一模型至上」逐步轉向多模型策略（Multi-model Strategy），亦即簡單任務使用低成本模型，複雜推理則交給高階模型，藉此在模型性能與 AI 支出之間取得最佳平衡。
