智谱 GLM-5.3-FlashX 上线，速度 5 倍，价格 2.5 倍

先给数字。GLM-5.3-FlashX 和原来的 Flash 对比（均为每百万 token 人民币单价）：

模型	输入	输出	缓存命中	上下文
GLM-5.3	8 元	28 元	2 元	1M
GLM-5.3-Flash	0.8 元	2.8 元	0.23 元	1M
GLM-5.3-FlashX	2 元	7 元	0.57 元	1M

速度确实上去了：官方口径最高 200 tokens/s，是 Flash 的 5 倍。对于对话类、流式输出类应用，这个提升是能直接感知到的——用户等第一颗字的时间短了一大截。

但这是一次变相涨价。同样的模型系列，同样的能力水平，想要更快的那档就得掏 2.5 倍。智谱今年的动作连贯得有点吓人：2 月发布 GLM-5 时上调 API 与 Coding Plan 价格，3 月 GLM-5-Turbo 再涨 20%，4 月 GLM-5.1 又涨 10%，这次是第四次。公司在财报会上说得很直白：截至 8 月底 MaaS 平台 token 调用量较年初增长 40 倍、用户 740 万，同期 API 定价同比提高 101%，毛利率升到 24.6%。

翻译成人话：低价期结束了。

对一个人做产品的影响很具体：

• 别把单价写进商业模型：如果你的定价是按”调用一次成本 3 分钱”算出来的毛利，那么一次 2.5 倍调价就能把毛利打穿。合同里定价、免费额度上限、甚至要不要做这个功能，都应该以”最坏情况单价”来算，不是今天的单价。
• 模型层必须可替换：把厂商 SDK 直接散落在业务代码里是最常见的坑。抽一层薄的适配：统一的调用签名、统一的参数映射、配置文件里选模型。理想状态是换模型只改一行配置，一小时内可回滚。
• 留一个”贵到什么程度就不用它”的阈值：提前写死，比如”输出单价超过 X 元就降级到本地模型”。真到了那天你不会有心情算账。
• 快也是有收益的：如果你的场景是交互式（客服、写作助手、实时翻译），FlashX 贵的那部分钱换来更好的体验，可能反而提高留存。别本能地拒绝涨价，按”单位任务的综合体验成本”算。

顺带一条行业信号：证券日报的分析口径里提到”大模型价格战基本落幕”。这跟我们上周报的 OpenRouter 出图实测、DeepSeek 峰谷定价拼起来看，是同一件事的三面——厂商开始追求单位算力的毛利，而不是装机量。这意味着未来一年的成本趋势更可能是缓慢上行，而不是继续探底。较优的应对是把”能本地跑的那部分”逐步挪到本地（本站收录的 Ollama、llama.cpp、LiteLLM 都是为这种切换准备的），把云 API 花在真正需要最强模型的地方。

原文：https://next.ithome.com/archiver/1/004/061.htm