中國大模型告別刷分內卷!阿里、騰訊、百度一周內集體發力 推理成本成新戰場
鉅亨網編譯陳韋廷
- 1.GameFeel Bench截圖流傳,Qwen4-Flash內測49.9分、Qwen4-27B 44.6分,榜單僅12星且偏遊戲創造力,難證全面反超
- 2.Flash單次約0.4美元、27B約0.16美元,凸顯成本優勢
- 3.Qwen4-Max預覽版走Token Plan、月費3美元起;百度、騰訊同降成本
上周一(9日),GameFeel Bench評測截圖在開發者圈傳開,代號hawk的Qwen4-Flash內測接口獲49.9分,超越Claude Opus 5.5的47.2分;Qwen4-27B以44.6分逼近Sonnet 5.5的45分。該榜單在GitHub僅12星標,7項指標中4項依賴人工主觀打分,聚焦遊戲創造力,非通用推理,不足以構成「全面反超」鐵證。

阿里巴巴藉此在Qwen4發布前在輿論上先發制人,但中國大模型競爭正告別「刷榜時代」,轉向成本較量:相同任務Qwen4-Flash單次成本約0.4美元,Claude Opus 5.5高達2.6美元;Qwen4-27B更壓至0.16美元,6倍價差才是企業財報上的硬實力。
截至上周五(13日),阿里未公布Qwen4參數量、權重開放及每token單價,其商業意圖清晰:以包月訂閱剝離按量計費焦慮。
上周三(11日)上線的Qwen4-Max預覽版僅走Token Plan通道,兼容OpenAI與Anthropic協議,遷移阻力僅改請求地址。配合限時1折、月費3美元起定價,直指誘導開發者遷移工作流。畢竟榜單會過期,工作流一旦遷入便難搬走。
百度11月5日開源文心5.5 Flash Base,並於上周三上架Preview版,確定25日開放權重;騰訊混元11月4日發布Hy4,高調宣稱躋身最強開源模型;短短7天,大廠不約而同將推理邊際成本打下來,鋪開低門檻部署通道。
這種白熱化競速對終端使用者是重大利好,卻對技術決策者提出新難題。過去選型只需比綜合總分,如今工程落地必須同時權衡任務完成率、單次運行成本、系統部署方式及版本迭代速度。實戰中,可抽取20個真實業務樣例實測,記錄3次重試內的最終成功率,再以單次平均調用成本除以該成功率,得出「每個成功任務的綜合成本」。此指標同時懲罰「回答不準確」與「調用太昂貴」,比任何商業榜單更穩健。
12顆星評比顯示輿論價值已兌現,但開發者需耐心等待正式版開源權重、透明參數規模及獨立第三方復測報告。這一輪大模型競爭的真正勝負關鍵,不在於49.9分對47.2分的紙面微弱領先,而在於誰能率先將「每個成功任務的成本」確立為全行業默認交付口徑。交出經得起拷問的硬數字,才能擺脫榜單內卷,贏得下一階段商業終局。
- 講座
- 公告
下一篇