廉价中国编程模型：2026年9月该选哪个
一位网页项目的开发者提出了一个简单的问题：该接入哪个不贵的模型来编程，按 token 付费，同时又能很好地完成任务。我们汇总了截至 2026 年 9 月 14 日中国模型的价格和独立测评，另外还把我们自己在用的 DeepSeek 放到自己的任务上做了额外验证。
简短回答。在便宜的模型里，首先值得试的是 DeepSeek V4.1-Flash 和 GLM-5.3-Flash：两者都是每百万输入 token 约 $0.15、每百万输出 token $0.50—0.60，两者都处在独立排行榜的前列，而且都能原生接入 Claude Code、Cline 和 OpenCode。如果任务很重、预算允许花几倍的钱，那么明显更强的是 GLM-5.3。而如果看重的正是解决一个任务的成本而不是速度，那就看看小米的 MiMo-V2.5-Pro。
我们对 DeepSeek V4.1-Flash 的实测给排行榜补充了一条实践观察。在不开启推理模式的情况下，模型解决了我们 20 个任务中的 19 个，每个任务耗时约两秒、花费三百分之一美分。两个智能体任务——借助工具修复一个小型仓库——模型在所有运行和所有模式下都解决了，而 Flash 的一次运行花费不到半美分。推理模式在这类任务上几乎没有任何增益，却贵 20—30 倍，而且在 32 千 token 的回答上限下有时会中断，最终没能给出代码。
这要花多少钱
价格来自官方页面，按每百万 token 计。对编程来说最重要的是第三列：智能体会把同一批文件反复重读几十次，而输入的大部分都是重复内容，服务商会从缓存中读取。
| 模型 | 输入 | 缓存输入 | 输出 | 开放权重 |
|---|---|---|---|---|
| DeepSeek V4.1-Flash | $0.15 | $0.003 | $0.60 | 是，MIT |
| GLM-5.3-Flash (Z.ai) | $0.15 | $0.03 | $0.50 | 是，MIT |
| Qwen3.8-Flash (Alibaba) | $0.15 | 有缓存折扣 | $0.47 | 是 |
| MiMo-V2.5 (Xiaomi) | $0.14 | $0.0028 | $0.28 | 是 |
| MiMo-V2.5-Pro (Xiaomi) | $0.435 | $0.0036 | $0.87 | 是，MIT |
| Hy3 (Tencent) | $0.132 | $0.033 | $0.528 | 是，Apache 2.0 |
| MiniMax-M3 | $0.30 | $0.06 | $1.20 | 是 |
| GLM-5.3 (Z.ai) | $1.40 | $0.26 | $4.40 | 是 |
| Kimi K3 (Moonshot) | $3.00 | $0.30 | $15.00 | 是 |
DeepSeek 有一个特点：上述价格适用于非高峰时段，而在工作日 01:00 至 04:00 和 06:00 至 10:00 UTC 一切都要贵一倍。按莫斯科时间算是 4:00—7:00 和 9:00—13:00，也就是说高峰正好落在工作日的上午。
独立测评显示了什么
厂商会公布令人印象深刻的数字，但那是他们自己的运行结果。与独立测评的差距有时大得惊人：据 Alibaba 的数据，Qwen3.6-27B 在 SWE-bench Verified 上解决了 77.2% 的任务，而在模型训练时不可能见过的新任务 SWE-rebench 上只有 31.2%。因此下面只列第三方测评。
Artificial Analysis —— 一组测试的综合指数，包含编程和终端操作（版本 4.3）：
| 模型 | 指数 | 速度，token/秒 |
|---|---|---|
| GLM-5.3 | 45 | 72 |
| Kimi K3 | 44 | 37 |
| GLM-5.3-Flash | 42 | 109 |
| DeepSeek V4.1-Flash | 40 | 212 |
| Qwen3.8-Flash | 40 | 51 |
| MiniMax-M3 | 30 | 107 |
| MiMo-V2.5-Pro | 26 | 43 |
| Hy3 | 26 | 91 |
| 作为对比：Claude Sonnet 5 | 38 | 76 |
| 作为对比：GPT-5.6 Luna | 38 | 120 |
三个便宜的「flash」模型在指数上都高于 Claude Sonnet 5，同时 DeepSeek V4.1-Flash 是表中回答最快的——比 GLM-5.3-Flash 快一倍，比 Qwen3.8-Flash 快三倍。对于一个要连续执行几十步的智能体来说，速度直接转化为等待的分钟数。
SWE-rebench —— 修复真实仓库中的真实错误，111 个任务，出现在 2026 年 5 月 15 日至 7 月 1 日之间。这里有其他排行榜没有的东西：解决一个任务要花多少钱。
| 模型 | 解决率 | $ / 任务 | $ / 已解决任务 |
|---|---|---|---|
| GLM-5.2 | 62,9% | 1.40 | 2.23 |
| MiniMax M3 | 47,2% | 0.95 | 2.01 |
| MiMo-V2.5-Pro | 46,5% | 0.10 | 0.22 |
| DeepSeek V4-Pro | 40,2% | 0.15 | 0.37 |
| Qwen3.6-27B | 31,2% | 0.62 | 1.99 |
| 作为对比：Claude Opus 5 | 63,4% | 3.47 | 5.47 |
| 作为对比：Claude Sonnet 5 | 56,8% | 1.43 | 2.52 |
最后一列是我们的换算：任务价格除以解决率。较新的模型（DeepSeek V4.1-Flash、GLM-5.3、Qwen3.8）还不在这个窗口里，它们的任务会进入下一期。但格局已经可见：GLM 高配系列在解决率上几乎追平 Claude Opus 5，而价格低两倍半，而 MiMo-V2.5-Pro 解决得少一些，但它解决一个任务只要二十多美分。MiniMax M3 每 token 便宜，但消耗得多——每个任务 13,9 百万 token，而表中相邻的模型是 4—5,5 百万，所以最终算下来很贵。
Arena WebDev —— 由人工盲测比较各模型做出的网页界面的评分（数据截至 9 月 11 日）。中国模型中排名最高的是 Qwen3.8-Max（第 4 名）和 Kimi K3（第 5 名），Qwen3.8-Flash 第 9 名，GLM-5.3 和 DeepSeek V4.1-Flash 并列第 15—16 名，GLM-5.3-Flash 第 17 名。作为对比，Claude Opus 5 排第三。
实际中人们用什么。按 OpenRouter 上 9 月「编程」类别的 token 份额，排在最前的是 MiMo-V2.5（15,4%）、GPT-5.6 Luna（14,4%）和 GLM-5.3-Flash（12,8%）；DeepSeek V4-Flash 和 V4.1-Flash 合计再贡献 12,1%。开发者用钱投票，投的正是便宜的模型。
我们的实测：DeepSeek V4.1-Flash 在自己的任务上
别人的排行榜回答的是「哪个模型更强」，但不回答「该开哪个模式、要花多少钱」。所以我们把自己在用的 DeepSeek 放到专门为这次验证编写的任务上跑了一遍：这些任务不可能出现在模型的训练数据里。
十个单一答案的任务，每个都有隐藏测试：解析形如「1h30m」的时长字符串、按 SemVer 规则排序版本、为 SQLite 写带窗口函数的 SQL 查询、修复一个有三个错误且运行缓慢的工作日计数函数、按 RFC 6902 实现 JSON Patch、把以戈比表示的金额拆分成份额且不丢失一戈比（最多到 1030）、带并发限制和取消的异步启动、用于限制请求频率的「令牌桶」、一个在 UTF-8 和数组键处理上有错误的 PHP 函数、带生存期的 JavaScript LRU 缓存。八个任务用 Python，各一个用 PHP 和 JavaScript。每个任务在每个模式下都做两次；如果测试失败，模型会看到测试输出并获得一次修正机会。
两个智能体任务——更接近在 Claude Code 或 Cline 中的工作。一个小型仓库，测试失败，模型有四个工具：列出文件、读取、写入和运行测试，最多 30 步。第一个仓库是网店的购物车，有舍入、优惠码和商品项相加的错误，外加一个没写完的收据；第二个是解析带时区、百分位数和需要从零编写的报告的 nginx 日志。成功标准是「所有测试通过，且测试文件未被改动」。
| 模式 | 首次尝试 | 借助测试提示 | 每任务耗时 | 回答 token 数 | 任务价格 |
|---|---|---|---|---|---|
| Flash 无推理 | 18 / 20 | 19 / 20 | 1,9 秒 | 446 | $0.0003 |
| Flash，推理 high | 17 / 20 | 20 / 20 | 40 秒 | 11 829 | $0.0075 |
| Flash，推理 max | 18 / 20 | 20 / 20 | 57 秒 | 15 572 | $0.010 |
| V4-Pro，推理 high | 16 / 20 | 19 / 20 | 232 秒 | 16 881 | $0.043 |
不开启推理时模型几乎全部搞定，这是对日常工作最重要的结论。它只在版本排序上栽了跟头：用带结尾 $ 的正则表达式检查字符串，而在 Python 中这样的模式会放过带换行符的字符串，「1.2.3\n」被判定为合法版本。在一次运行中模型看到失败的测试后改正了，在另一次中重复了同样的错误。这是个经典错误，人在评审时也常常漏掉。
推理要贵 20—30 倍、慢 20—30 倍。它带来的提升不大，而这些模式下五次失败的首轮尝试中有四次根本与代码质量无关：模型撞上了我们设定的回答上限 32 768 token，在推理中途中断，一行代码都没写出来。许多智能体默认就设有类似的回答长度限制。如果你开启推理，就把上限调高：DeepSeek 允许最多 384 千 token。
这一点我们也验证了：把三个推理被中断的任务用 131 千 token 的余量再跑了一遍。max 模式解决了全部六次尝试（其中一次是第二次才成功，它误解了关于前导零的条件），high 模式六次中成功五次，但平均每个任务花掉 45—55 千推理 token、2—3 分钟和约三美分——比不推理贵一百倍。而在六次中有一次，high 模式为一个三十行的函数把全部 131 千 token 都想完了，花了五分钟，还是没给出回答。
智能体任务所有模式都搞定了：两个仓库在四次运行中的每一次都被修好，没有一次错误的工具调用，也没有试图改测试而不是改代码。
| 模式 | 解决 | 步数 | 运行时间 | 缓存输入 | 运行价格 |
|---|---|---|---|---|---|
| Flash 无推理 | 4 / 4 | 8 | 15 秒 | 86% | $0.0022 |
| Flash，推理 high | 4 / 4 | 5 | 16 秒 | 82% | $0.0027 |
| Flash，推理 max | 4 / 4 | 5 | 20 秒 | 82% | $0.0035 |
| V4-Pro，推理 high | 4 / 4 | 5 | 57 秒 | 84% | $0.0117 |
不开启推理时模型的做法不同：做八步而不是五步，工具调用更多，根据测试输出尝试和修正——但依然在同样的时间内完成，而且花费最低。而几分钱的价格来自缓存：智能体会重复读取 82—86% 的输入 token，DeepSeek 对它们每百万只收 $0.003。
V4-Pro 我们赶在最后一天做了验证。DeepSeek 宣布自 9 月 14 日起对它的请求会转发到 V4.1-Flash，但在实测期间 Pro 仍由自己的模型回答——这从回答中的服务端指纹可以看出。它解决得略少——20 个任务中 19 个，而同一模式下 Flash 是 20 个——而且每个任务平均耗时 232 秒对 40 秒，按 Pro 的价格花费 $0.043 对 $0.0075。它五次失败的尝试都是同样的 32 千 token 中断，而且每一次都要等七分钟以上：Pro 写回答明显更慢。智能体任务它解决得和 Flash 一样，但慢三倍、贵四倍。所以 DeepSeek 转向单一编程模型并不会损失什么。
订阅还是按 token 付费
除 DeepSeek 外几乎所有厂商都有按月付费、按五小时窗口限制请求的「编程计划」：GLM Coding Plan 每月 $18 起，小米的 Token Plan 每月 $6 起，MiniMax 每月 $22 起，Alibaba 只剩 $50 的 Pro 且模型列表中没有 Qwen3.8。如果你每天都用智能体，是有划算的。但订阅有两个限制：只允许从受支持的工具（Claude Code、Cline、OpenCode 之类）使用，而不能从自己的脚本使用，而且确切的限额往往不公布。对于不规律的使用和自己的代码，按 token 付费更简单。
如何接入 Claude Code
前三个候选都有兼容 Anthropic API 的地址，所以 Claude Code 无需中间层就能用它们——只要设置环境变量 ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN：
- DeepSeek：
https://api.deepseek.com/anthropic，模型deepseek-flash[1m]（带百万 token 上下文）。DeepSeek 的官方说明要求设置CLAUDE_CODE_EFFORT_LEVEL=max。 - Z.ai (GLM)：
https://api.z.ai/api/anthropic。默认所有角色都用 GLM-5.3-Flash，要用高配模型需手动指定。 - Xiaomi (MiMo)：
https://api.xiaomimimo.com/anthropic。
对于 Cline、Roo 以及其他使用 OpenAI 兼容 API 的工具，这些服务商也有普通地址。
关于从俄罗斯付款
据用户反馈，俄罗斯银行卡既不被 DeepSeek 接受，也不被 Z.ai 和 Alibaba Cloud 接受，而美团旗下的 LongCat 只收支付宝和微信支付。常见的办法是外国银行卡或 OpenRouter：它允许从俄罗斯访问，接受加密货币并收取约 5% 的手续费，出售表中大多数模型的访问权限。在 OpenRouter 上要留意具体是哪个供应商在服务该模型：便宜的有时是精简版本，工具调用不可用，而 DeepSeek 通过其自有节点的价格与官方一致。
那在自己的硬件上运行呢？
表中的所有模型都公开了权重，但并非所有都能在家里认真跑起来。DeepSeek V4.1-Flash 有 5520 亿参数，GLM-5.3-Flash 有 3200 亿，它们需要服务器。新模型里适合单张显卡的是 Apache 2.0 许可的 Qwen3.8-27B：在四比特量化 Q4_K_M 下它重 16,5 GB，连同上下文能装进 24 GB 的显卡。在 Arena WebDev 上它排第 18 名，紧随 GLM-5.3-Flash 之后——对本地模型来说相当不错，尽管在智能体工作上离云端「flash」还差得远。
结论
- DeepSeek V4.1-Flash —— 默认的合理选择：便宜模型中最快，重复输入最便宜（缓存每百万 $0.003），而且经过我们实际验证。应该从无推理模式开始，只在棘手的算法上开启推理，并调高回答上限。繁重的会话适合在非高峰时段跑——工作日莫斯科时间 13:00 之后。
- GLM-5.3-Flash —— 值得一试作对比：综合指数略高，输出更便宜，但缓存比 DeepSeek 贵十倍，而且回答速度慢一倍。Z.ai 有每月 $18 起的订阅。
- GLM-5.3 —— 用于便宜模型卡壳的困难任务。该系列上一版本是中国模型中 SWE-rebench 上最好的，但按 token 算它比「flash」贵 7—9 倍。
- MiMo-V2.5-Pro —— SWE-rebench 上最便宜的已解决任务，但模型很慢；适合没人等着回答的后台工作。
- Kimi K3（每百万输出 token $15）和 MiniMax-M3（每个任务消耗大量 token）在成本上算不上便宜，尽管后者的每 token 价格并不高。
我们这次验证的局限值得记住：十个任务和两个小仓库不是 SWE-bench，而且我们只验证了 DeepSeek，其他模型是按独立排行榜比较的。在真实项目里，智能体每一步的上下文比我们仓库里大几十倍，所以各服务商之间缓存价格的差异在那里会比表中更明显。
来源
价格来自 DeepSeek、Z.ai、Alibaba Cloud Model Studio、Xiaomi MiMo、Tencent Cloud、MiniMax 和 Moonshot 的官方页面，截至 2026 年 9 月 14 日。独立测评：Artificial Analysis、SWE-rebench、Arena WebDev、OpenRouter，编程类别。厂商自己发布的关于自家模型的结果有意未纳入比较——只举了一个这样的数字作为差异的例子。
