返回行业资讯
国产大模型9月价目表：中小企业选型别只看榜单分数
📌 摘要
2026年9月，国内18家厂商197个模型里已有140个公开报价。DeepSeek V4.1 Flash输出4元/百万token，Kimi K3输出100元，相差25倍。但单价表背后藏着峰谷计价、阶梯计价、缓存存储费三个坑。本文按客服、内容、长文档、代码四类岗位给出配置建议，并附上9月主流模型价目表。
先说个扎心的数据
据IDC 2025年7月的调查数据，95%的受访企业已经上线了至少一个Agent工作流，平均每家运行11个。听起来AI落地一片繁荣。
但同一份调查也指出三个普遍问题：一是Demo效果酷炫但上线就失效，对行业业务Know-how理解不足、模型幻觉频发；二是各部门零散自建Agent，重复开发造成资源浪费；三是多Agent协作出错率沿链路累积——如果三个环节的Agent各有70%成功率，整条链路成功率只剩34.3%。
也就是说，工具选错不只是浪费几千块钱的事，是整条业务线跑不通的事。而选错最常见的原因，是老板拿着榜单分数下单。
2026年9月，主流模型单价表
下面这张表来自CSDN博主ChesterXue在2026年9月整理的国内主流大模型API价目，单位为元/百万tokens，取各厂商官网在线推理的按量计费价格，「缓存命中」指命中前缀缓存的输入价。
| 厂商 | 代表模型 | 缓存命中 | 输入 | 输出 |
|---|---|---|---|---|
| DeepSeek | V4.1 Flash | 0.02 | 1 | 4 |
| DeepSeek | V4 Pro | 0.15 | 4.5 | 13.5 |
| 智谱 | GLM-5.3 | 2 | 8 | 28 |
| 智谱 | GLM-5.3-Flash | 0.23 | 0.8 | 2.8 |
| 阿里云百炼 | Qwen3.7-Max | 1.2 | 12 | 36 |
| 字节火山方舟 | 豆包 2.1 Pro | 1.2 | 6 | 30 |
| 月之暗面 | Kimi K3 | 2 | 20 | 100 |
| 月之暗面 | Kimi K2.7 Code | 1.3 | 6.5 | 27 |
| 腾讯云 | 混元 Hy3 | 0.25 | 1 | 4 |
| 小米 | MiMo-V2.5 | 0.02 | 1 | 2 |
| 百度千帆 | ERNIE 5.1 | — | 4 | 18 |
最便宜的MiMo-V2.5输出2元，最贵的Kimi K3输出100元，差50倍。但贵不等于好，便宜也不等于划算。
光看单价，你会被这四个地方坑
这四条比单价表本身更值钱。
峰谷定价。 目前只有DeepSeek明确按分时计价，空闲时段半价。同一份代码，早上10点和晚上10点跑，成本能差一倍。如果你的任务是批处理、不要求实时，把定时任务挪到夜间，等于白捡一半。
阶梯计价。 豆包、阿里等厂商按输入长度分档，输入越长单价越高。豆包2.1 Pro的6元/30元是0–32K档，长上下文档位要乘2甚至乘4。做长文档处理的，这条必须问清楚。
缓存存储费。 豆包的缓存按时长收存储费，0.017元/百万tokens/小时；DeepSeek的硬盘缓存不额外收存储费。如果你长期挂着一个很大的system prompt，这笔钱会慢慢显出来。
限时折扣。 智谱GLM-5.3-Flash、MiniMax M3等标注的五折都是限时价，不是长期价。签年框之前，问清楚到期后回落到多少。
能力怎么比：别只盯一个分数
据DataLearner收录的Artificial Analysis智能指数（数据版本2026年9月13日），Kimi K3 (max)以44分居国产模型首位，Qwen3.8 2.4T A95B、Qwen3.8-Flash-Next、DeepSeek V4.1 Flash (max)同为40分。另据TrakToken统计，截至2026年9月5日，国内18家厂商197个模型中已有140个收录报价，输出价最低的是Qwen3.5 4B，每百万token 0.15美元；性价比排名第一的是GLM-5.3-Flash。
但企脉的建议是：这个分数对中小企业参考意义有限。它考的是代码、科研推理、智能体任务，而中小企业八成的活是写文案、答客户、整表格、读合同。拿科研榜去挑办公模型，等于用百米成绩选厨师。
按岗位配，别按模型配
客服 / 售前问答。 量大、要求快、中文要准。选输出便宜、延迟低的：DeepSeek V4.1 Flash（输出4元）、腾讯混元Hy3（输出4元）、智谱GLM-5.3-Flash（输出2.8元）。月均百万次对话这个量级，几款之间的差距能到六位数。
内容生产。 中文语感、风格稳定比推理分重要。通义千问Qwen系列中文写作口碑最好，豆包生态顺、多模态强。预算敏感的用Qwen3.7-Flash（输入0.2元、输出0.8元）起步。
长文档 / 合同 / 研报。 Kimi的长文本是公认强项，但Kimi K3输出100元，代价不小。折中做法是用便宜模型做初筛和抽取，Kimi只用在最终精读那一道。
代码 / 数据处理。 DeepSeek的推理和代码仍在第一梯队，V4 Pro输出13.5元。如果你们养着技术团队，这一档的钱值得花。
上工具前的三条土规矩
第一，先跑一个月再签年框。 拿你自己的真实数据跑，别看官方Demo。量跑出来再谈价，腰杆硬。
第二，一个岗位只配一个主模型。 五个人用五个工具，知识沉淀不下来，这是小团队最典型的浪费。
第三，把切换成本写进合同。 模型迭代太快，今年第一明年可能就掉队。选支持OpenAI兼容接口的，迁移时改动最小。
工具从来不是目的。想知道同行业的老板具体怎么用这些模型把活干下来的，可以去企脉AI的「AI应用案例」栏目翻一翻；刚起步、还不知道从哪个场景下手的，先看「AI应用指南」。
💡 企脉观点
企脉看太多老板犯同一个错：拿模型榜单当采购清单。那榜考的是写代码、做科研，不是客服怎么答、报价怎么写。花大价钱请长跑冠军来端盘子，冤。
建议三条。第一，别问哪个模型最强，先问这岗位每月烧多少token，量算出来价格表才有意义。第二，先跑一个月再谈年框，拿自己的数据跑，别看Demo。第三，主力一家、备份一家，都选OpenAI兼容接口的，谁涨切谁。
说句得罪人的：工具从来不是瓶颈。同样一个DeepSeek，有人把客服响应压到秒级，有人三天就嫌它胡说扔一边。差别在知识库喂没喂进去、话术边界写没写死。工具是锅，你家的料才是菜。
❓ 常见问题（FAQ）
中小企业自己调API，还是买现成的AI软件更划算？
看有没有人维护。调API单价低，比如DeepSeek V4.1 Flash输出只要4元/百万token，但需要有人做提示词、知识库和日常维护。团队里没有这个人，直接买成品更省。折中办法是先用现成工具跑通场景，量起来了再考虑自建。
模型更新这么快，签一年会不会被套牢？
优先选支持OpenAI兼容接口的模型，迁移时通常只改几行配置。同时别把所有业务绑在一家上：主力用一家、备份留一家，主力涨价或下线时能立刻切。签年框前一定问清限时折扣到期后的原价，智谱GLM-5.3-Flash、MiniMax M3等标注的五折都是限时价。
榜单分数高的模型，是不是就一定适合我们？
不一定。Artificial Analysis这类智能指数主要考代码、科研推理和智能体任务，而中小企业日常多是文案、客服、表格、合同这类活。建议先明确自己的岗位场景，再用真实数据跑一轮。还要注意峰谷计价和阶梯计价：豆包2.1 Pro的6元/30元只是0–32K档，长上下文要乘2甚至乘4。
📚 资料来源
- CSDN博主ChesterXue《DeepSeek重回4月定价，国内主流大模型API价格全对比（2026年9月版）》：单价单位元/百万tokens，并指出峰谷定价、阶梯计价、缓存存储费、限时折扣四类计费差异
- 甩手网援引IDC 2025年7月调查数据：95%受访企业已上线至少1个Agent工作流，平均每家运行11个；三个环节各70%成功率时整条链路成功率仅34.3%
- DataLearner收录的Artificial Analysis智能指数（数据版本2026年9月13日）：Kimi K3 (max) 44分居国产模型首位，Qwen3.8 2.4T A95B与DeepSeek V4.1 Flash (max) 同为40分
- TrakToken《国内大模型API价格对比2026》：截至2026年9月5日覆盖18家国内厂商197个模型、140个已收录报价，输出价最低Qwen3.5 4B为0.15美元/百万token，性价比第一为GLM-5.3-Flash