DeepSeek V4.1、Qwen3.8、GLM-5.3、MiMo-V2.6 Flash：便宜模型不等于便宜任务

一条分类请求只要答「是」或「否」；另一条请求让 agent 带着几万 token 的历史反复调用工具。两者都送去标着「Flash」的模型，省钱方式却完全不同。DeepSeek V4.1、Qwen3.8、GLM-5.3 和 MiMo-V2.6 四家 Flash 不能按名字选：短请求看时段，重复上下文看缓存命中价，长文档看输入档位；能否降档，还要看错误能不能被便宜地发现。

假设同一个请求在同一时段使用相同 token 数，按人民币列表价从自家旗舰换成 Flash，MiMo 的短任务可省 67%、DeepSeek 省 75%、GLM 省 90%、Qwen 省 93%。这是单价带来的理论节省，不是任务总成本承诺：模型可能生成不同数量的思考 token、重试次数也可能不同。对上面的短请求，四家 Flash 在 DeepSeek 空闲时段的千次费用是 2.68–3.60 元；但它进入高峰时段后会涨到 7.20 元。对于假设 90% 输入命中的 agent 一轮，MiMo 算例最低；Qwen3.8 的命中单价公开页未列，只能算未命中计价的上界。30 万 token 全部未命中的长文档算例，则由 Qwen3.8-Flash 与 GLM-5.3-Flash 以每千次 248 元并列最低。

技术上，风险不是简单的「小模型会不会写代码」。MiMo 同一家模型的发布表里，长程终端和部分安全任务的 Flash 与 Pro 差距明显；DeepSeek 的基础模型表则在知识问答、长文档指标上出现落差，而安全指标在另一张厂商表里方向相反。低风险翻译、JSON 抽取、边界清楚的代码修改，我倾向于先让 Flash 试跑，但要核算人工抽检、语义漏检及失败重做的成本；schema 与测试都只能覆盖自己实际检查的范围。这是有条件的编辑判断，不是四家都做过的横向实测。

本文价目取官方国内人民币 / 百万 tokens：原稿于 2026 年 9 月 27 日逐项核过，四家价目及百炼缓存规则于 2026 年 10 月 2 日再次实读，数值未变；不拿海外美元价换汇。Artificial Analysis（下称 AA）的分数、速度和每任务花费仍是 9 月 27 日 14:39 UTC 的历史快照，不代表今天实时榜单。厂商自报与 AA 读数各标归属；我们没有跨厂商实测。

五个月四家到齐：从 V4-Flash 到 MiMo-V2.6 Flash

4 月 24 日 DeepSeek 发布 V4 系列，其中有 V4-Flash；8 月 26 日 Qwen3.8-Flash 和 GLM-5.3-Flash 同一天发布；9 月 10 日 DeepSeek-V4.1-Flash 接替 V4-Flash，模型名改为 deepseek-flash （DeepSeek 更新日志）；9 月 22 日小米发布 MiMo-V2.6 的 Pro、Flash、Pro-Ultraspeed 三款 （Xiaomi MiMo 更新日志 · 模型发布）。

掘金上 RockByte 那篇文章把这条线读成一次叙事转向：过去讲参数和榜单，现在讲速度、吞吐和每次任务 花多少钱（DeepSeek V4.1 Flash，等等，为什么现在大家都在卷 Flash？）。 它给的两条用法我都认同：「日常任务先用 Flash，做不对、改不动了，再换旗舰」，以及「让旗舰模型 负责规划，让 Flash 负责执行」。

放到一个每天几十万次调用的服务里，这两句话还缺三样东西：一段能识别「日常任务」的代码，一个能自动 判定「做不对」的信号，一个告诉你「换旗舰贵多少」的数。这篇依次补上：价目表、任务表、路由规则。

四家 Flash 的人民币价目，先看哪一格？

想把生产服务里的一批请求降档，最好先别从榜单分数入手。拿到现有调用日志，区分新输入、缓存命中输入和输出 token，再把账号所属区域与请求时间带进价目表。这三格分别决定长文档、反复调用的 agent 和高峰期短请求的账单；模型名字并不能替你拆开它们。

下表为人民币元 / 百万 tokens，原稿 9 月 27 日逐格记录，10 月 2 日重新实读四家官方价目，表中价格仍一致。DeepSeek 斜线前为空闲时段、斜线后为高峰时段；其余三家按表中区域及实时调用公开原价，不含登录控制台才能看到的活动优惠。价目不是同一组质量评测，也不能直接把「低单价」读成「低任务成本」。

出处：DeepSeek 模型 & 价格、 阿里云百炼 模型调用价格（华北 2 北京）、 阿里云百炼 选择文本生成模型、 智谱 API 定价、 智谱 GLM-5.3 模型页、 智谱 GLM-5.3-Flash/FlashX 模型页、 Xiaomi MiMo API 定价、 Xiaomi MiMo 模型列表。

「缓存命中」这一列需要先解释。你的请求开头如果和之前某次请求一样（同一段系统提示、同一批工具定义、 同一份文档），厂商可以直接复用上次的计算结果，这部分输入按命中价计，通常只有未命中价的零头。 有两种做法：隐式缓存由厂商自动识别前缀，命中与否不保证；显式缓存由你标记要缓存的内容，命中更确定， 但创建时可能多收一点。命中率完全取决于你的流量长什么样，下面算例里的 90% 只是一个假设，要按各家 账单或 usage 字段实测。

表外还有几处要单独说。

Qwen3.8 系列的命中价只在控制台里。 百炼价目表在 qwen3.8-flash 那一行只写了「上下文缓存享有折扣」； 上下文缓存文档的通用规则是隐式命中按输入价 20%、显式命中按 10%，紧接着把 qwen3.8-max、qwen3.8-flash 列为例外，「具体价格请参见百炼控制台」。 百炼价目页首句还写着「本文仅展示模型调用原价，请前往百炼控制台查看活动优惠」，我们只核了公开原价。 另外 qwen3.8-flash 这一行没有标「Batch调用半价」，同表的 qwen3.8-max、qwen3.7-flash 都标了。

**GLM 的思考关不掉，DeepSeek 与 MiMo 的思考默认开着。**智谱模型页写 GLM-5.3-Flash「thinking.type 仅支持 enabled，不支持关闭思考」，GLM-5.3 同样「不再支持禁用思考」。DeepSeek 的思考模式默认打开、 强度默认 high，可以用 {"thinking": {"type": "disabled"}} 关掉 （DeepSeek 思考模式）；MiMo 的 v2.6-flash 与 v2.6-pro 也默认开启、可以设为 disabled （MiMo 深度思考）。 思考 token 计入输出，一个三十个字就能答完的分类请求，默认配置下也要先想一阵。

**有几项优惠写着「限时」，没写到哪天。**智谱「缓存存储」列的计价单位是元 / 百万 tokens / 小时，现在 标「限时免费」；MiMo 的缓存写入限时免费；GLM-5.3-Flash 模型页还有一句「限时折扣内为 GLM-5.3 的 1/20」， 而价目页上的 0.8 / 2.8 元没有标折扣。三处都没有到期日。如果优惠结束后恢复缓存存储或写入收费，且请求实际使用了这部分缓存，长上下文 agent 的账单才可能多出一项；到期日与未来价格目前均未知。

默认限流差别很大。 DeepSeek 按账号计并发，Flash 2500、Pro 500，超限返回 429，可以免费申请扩容 （DeepSeek 限速与隔离）；MiMo 两款默认 RPM 100、TPM 1000 万；百炼对 qwen3.8-max、qwen3.8-flash 按月消费档位做「动态限流」 （阿里云百炼 限流）；智谱的限流页本轮没有核到。 RPM 100 意味着一个账号每天最多约 14.4 万次请求，批量任务先看这一格再看单价。

还有两件事和生命周期有关。DeepSeek 的旧名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 仍能调用， 但对应模型已下线，由 V4.1 Flash 服务并按 Flash 计费。deepseek-v4-pro 的口径变过一次：我们 9 月 11 日写的时候，官方说 9 月 14 日后它会全部路由到 V4.1 Flash；现在更新日志的 9 月 10 日条目被就地改写为「决定在 2026 年 9 月 14 日之后继续提供 DeepSeek V4 Pro 的 API 调用服务，计费方式保持不变；如有变动，我们将另行通知」，没有新开条目，价目页上它仍是 DeepSeek-V4-Pro-0813。口径改了而页面上没有留下改动记录，这种依赖值得写进清单。

最后说一句为什么不换成美元：三家的海外价拿去除国内价，隐含汇率分别是 6.67、7.14、5.33，最多相差 三成多，混着换算会凭空造出差距。你在哪个区域开的账号，就用哪张表。

新一代 Flash 的价格：MiMo 持平，Qwen 输入单价是上一代的 4 倍

各家从上一代换到这一代，价格走向并不一致。

MiMo 持平。 V2.6 发布文写「MiMo-V2.6 系列沿用 V2.5 系列的 API 定价」，价目页上 mimo-v2.6-flash 与 mimo-v2.5 共用一行。需要注意的是，同一页顶部写着 mimo-v2.5-pro、mimo-v2.5 将于北京时间 2026 年 10 月 21 日 10:00 下线，代码里写旧名的要在那之前改。

Qwen 换了计价形状。 上一代 qwen3.7-flash 按单次输入长度分三档：32K 以内 0.2 / 0.8 元，32K 到 256K 0.6 / 2.4 元，256K 以上 1.2 / 4.8 元。qwen3.8-flash 只有一档：1M 以内一律 0.8 / 2.7 元。

逐档对比：32K 以内，3.8 的输入单价是 3.7 的 4 倍、输出单价是 3.4 倍；32K 到 256K，输入贵 33%、输出 贵 12.5%；256K 以上，3.8 反而输入便宜三分之一、输出便宜四成多。qwen3.8-flash 的单档定价对长请求有利， 短请求要为此多付钱。短请求多、并且确认 3.7 能做对的负载，留在 3.7-flash 上是合理的。

另外两家。 DeepSeek 这一代的价格五个月里改了四次，9 月 11 日那篇 逐张对过，这里不重复。智谱的表上还挂着上一代：GLM-4.7-Flash 免费，GLM-4.7-FlashX 0.5 / 3 元，上下文 都是 200K。

对路由表的结论只有一句：升到新版本 Flash 不一定成本不变，每次升版都按自己的输入长度分布重算。

DeepSeek V4.1 Flash 和 Qwen3.8-Flash 对比：三种请求形态各算一遍

单价表不能直接比，账单是单价乘你的 token 结构。取三种常见形态，按千次请求算，单位元：

• A 短任务：2K 输入、全部未命中，400 输出（分类、改写、解释一条报错）
• B agent 一轮：40K 输入里 36K 命中、4K 未命中，1.5K 输出（带工具定义和历史的循环里的一步）
• C 长文档：300K 输入、全部未命中，3K 输出（整份合同或一个大文件的抽取）

算式：（命中 token × 命中价 + 未命中 token × 未命中价 + 输出 token × 输出价）÷ 100 万 × 1,000 次。 Qwen3.8 的 B 列是上限：命中价没公开，只能把命中 token 按未命中价算。Qwen3.7-Flash 的 B 列按通用规则算， 40K 输入落在 32K–256K 档，它不在 20% 例外名单里，隐式命中按 0.12 元计。

三列的读法各不相同。

A 列看时段。 空闲时段四家 Flash 在 2.68 到 3.60 元之间，最贵的比最便宜的高 34%，为这点差价多接一家 供应商不划算。工作时段 DeepSeek 涨到 7.20，是其余三家的 2.6 到 2.7 倍。短请求最便宜的反而是上一代 Qwen3.7-Flash，0.72 元。另外，这一列按 400 个输出 token 算，默认开着的思考会让它偏低：GLM 的思考关不掉， DeepSeek 和 MiMo 默认开着。A 类请求记得显式关掉思考，能关的都关。

B 列看命中价。 90% 命中时，MiMo Flash 7.72 元最低，DeepSeek 空闲 10.72，GLM 15.68，差距几乎全部来自 命中那一格（0.02、0.02、0.23）。Qwen3.8 那一格不公开，只能给 36 元的上限，所以在 Qwen 上，agent 负载的 成本模型没法只靠公开信息做完。另外，同样的前缀在四家的命中率不一定都是 90%，各家缓存机制不同，要按 各自 usage 实测。

C 列看阶梯和时段。 Qwen3.8-Flash 与 GLM-5.3-Flash 都是 248 元，DeepSeek 空闲 312、高峰 624， Qwen3.7-Flash 落进 256K 以上那一档要 374 元。

竖着看每一家的旗舰和 Flash，就得到标题里的区间：A 列 MiMo 从 8.40 到 2.80 省 67%，DeepSeek 从 14.40 到 3.60 省 75%，GLM 从 27.20 到 2.72 省 90%，Qwen 从 38.40 到 2.68 省 93%。三列的比例大致相同，因为各家旗舰与 Flash 在输入、输出上的单价比接近：DeepSeek 1/4.5 与 1/3.4，Qwen 1/15 与 1/13.3，GLM 两项都是 1/10， MiMo 两项都是 1/3。

这张表有一个前提：同一个请求在两个模型上产生同样多的 token。实际并非如此，下一节第三方的读数会修正这一点。

「Flash」不是成本档，也不是速度档：Artificial Analysis 的每任务成本与速度

先说读法。AA 用同一套评测（Intelligence Index v4.3.2）跑每个模型，把跑完整套评测的花费按 AA 自己选定的 单价折算到每个任务，这就是「每任务成本」；评测输出 token 是整套评测里模型一共生成了多少 token；「(max)」 表示按最高推理强度跑。AA 选价用的是美元列表价，DeepSeek 两行用的是高峰价。这些数只适合在这张表里横向比较， 不能和上一节的人民币算例混用。

出处：AA 模型页 MiMo-V2.6-Pro、 Qwen3.8 Max、 GLM-5.3、 GLM-5.3-Flash、 Qwen3.8-Flash-Next、 DeepSeek V4.1 Flash、 MiMo-V2.6-Flash、 DeepSeek V4 Pro、 DeepSeek V4.1 Flash Non-reasoning。 2026 年 9 月 27 日 14:39 UTC 抓取；速度是各厂商自家 API 的实时读数，随时会变。

按每任务成本算，同家降档的幅度变成：MiMo 54%，DeepSeek 60%，GLM 88%，Qwen 93%。比列表价口径窄， 差出来的部分来自各模型生成的 token 数和缓存折扣不同。

看这张 9 月 27 日的截图，就能理解为什么文章标题不承诺「哪家最便宜」。如果只拿 API 输入价排序，MiMo Pro 应该离 Flash 很远；但在 AA 的特定评测流量、缓存折扣与输出量下，它的每任务成本甚至低于另三家 Flash。这不是生产环境的通用排序，恰恰说明按任务选型必须把用量和价格放到一起。

这张历史快照里有三处和「Flash」这个名字对不上。

一个旗舰的每任务成本低于另外三家 Flash。 MiMo-V2.6-Pro $0.13，低于 GLM-5.3-Flash 的 $0.25、DeepSeek V4.1 Flash 的 $0.27、Qwen3.8-Flash-Next 的 $0.37，指数还最高；自家 MiMo Flash 是 $0.06，更低。原因 AA 没有拆开， 输入（含缓存）和输出两部分共同决定。从 AA 页面的缓存折扣读数看（MiMo Pro 99%，GLM Flash 83%，Qwen Flash-Next 89%）， 我推测主要来自缓存命中价，这是推断，不是 AA 的结论。还要加一个限定：DeepSeek 按高峰价计，换成空闲价约 $0.135， 与 MiMo Pro 基本持平。

DeepSeek 的 Flash 指数高于自家 Pro。 V4.1 Flash (max) 39，V4 Pro 0813 (max) 36。这与 DeepSeek 模型卡上 「Agentic 类全赢」一致；同一份模型卡的基础模型表里 Pro 在知识与长文档上领先，下一节会用到。

GLM-5.3-Flash 比 GLM-5.3 慢。 在 Z.ai 自家 API 上，Flash 55.9 tok/s，旗舰 84.2；AA 对它的评价是「notably slow and very verbose」。页面没有解释原因。速度在这家是另外卖的：GLM-5.3-FlashX 价格 2.5 倍、自报 200 tok/s， 四家快速档那篇算过这笔账。MiMo Flash 62.4 快于自家 Pro 44.4， DeepSeek V4.1 Flash 231.8 是全表最快。同样叫 Flash，最快和最慢差四倍多。

还要说明两个口径。智谱模型页写 GLM-5.3-Flash「在 AA 综合智能指数中取得 57 分」，出自旧版指数，我们 9 月 27 日所存 AA v4.3.2 快照是 42 分，两个版本的数不能放在一起比。表里的 Qwen3.8-Flash-Next 是开源权重版的名字，AA 按阿里 API 测，上下文记 256K； 据 Qwen 官方博客，API 版 qwen3.8-flash 是默认 1M 上下文、内置官方工具的生产版本（我们在 GLM-5.3-Flash 与 Qwen3.8-Flash-Next 那篇里转述过），两者关系很近， 但不是同一个 SKU。

什么任务可以用 Flash 模型：任务类型、可否降档、降档后常见的坏法

这一问最直接的材料，是厂商把自家 Flash 和旗舰放在同一张表里的 benchmark。有两家给了：MiMo-V2.6 发布文的 Table 3（厂商自评，Flash 与 Pro 同表），和 DeepSeek V4.1 Flash 模型卡（instruct 表与基础模型表，我们 9 月 11 日 逐行核过）。

MiMo 表的规律：多数 agent 与代码项 Flash 落后 Pro 不到 4 分，Terminal Bench 4.0 落后 6 分，构造漏洞利用的 两项（ExploitBench、ExploitGym）只有 Pro 的一半和三分之一。DeepSeek 两张表合起来读：instruct 表上 Agentic 类 V4.1 Flash 全赢 V4 Pro，基础模型表上 SimpleQA-Verified 42.3 对 55.2、LongBench-V2 45.2 对 51.5，知识与长文档 Flash 落后。安全类两家方向相反：DeepSeek 更新日志给 V4.1 Flash 的 CyberGym 88.1、SEC-Bench Pro 62.8、ExploitGym 15.3， 都高于 V4 Pro 的 83.3、56.4、5.4，也是厂商自评。

表中 ✓ 表示低风险且可核任务可以先试 Flash，仍需人工抽检与漏检评估；⚠ 表示有条件降档，要配预算或自测；✗ 表示旗舰优先。证据列 标注类型：厂商同表（同一家 Flash 与旗舰同条件对比）、基础模型表（基座而非对话模型）、第三方（AA）、 主线源（掘金作者的经验观点）、我方判断（无量化数据）。

✓ 只表示低风险且有可核验办法的任务可以先试 Flash，不表示一定做得对。翻译要抽样对照原文，JSON 过 schema 只证明结构合法、不证明字段语义正确；代码过编译和测试也可能遗漏未覆盖的行为。错误可能漏检，人工复核也有成本，重试与升档的次数没有「最多一次」的保证。先为每类任务测接受率、抽检成本和漏检代价，再决定能否默认降档。✗ 那几行错误尤其不容易自动发现：事实答错仍可能流畅，规划错了要等执行完才知道。降档判据不只是任务难不难，还要问错误能否被可靠且足够便宜地发现；这是我方判断，不是厂商评测结论。

DeepSeek 模型卡的 scaffold 表还提醒了一件事：同一个 V4.1 Flash checkpoint 换八套 agent 框架，DeepSWE 从 65.5 到 74.2，相差 8.7 分，比 MiMo 表里 Flash 与 Pro 的 DeepSWE 差距还大。厂商表可以用来决定先试哪一家的 Flash， 要不要上线得看你自己的框架跑出来的结果。

把降档写成路由规则：四条判据和各自的代价

主线源那两句话写成机器能执行的形状，大致如下。这是示意配置，不对应任何产品的真实语法：

# Illustrative policy, not a product configuration syntax.
# Phase 1: select the tier; rules are top-down, first match wins.
tiers:
  flash:    { default: glm-5.3-flash, classify: deepseek-flash, high_cache: mimo-v2.6-flash }
  flagship: { default: mimo-v2.6-pro, long_input: qwen3.8-max }
defaults:
  tier: flash
rules:
  - match: { input_tokens_gt: 200000 }
    tier: flagship
  - match: { task: [plan, refactor_cross_module, exploit, closed_book_qa] }
    tier: flagship
  - match: { task: [classify, extract_json] }
    tier: flash
    thinking_policy: disable_if_supported
    verify: { json_schema: true, semantic_sample_review: true }
    on_fail: { retry_same_tier: 1, then: flagship }
  - match: { task: [translate, summarize, rewrite] }
    tier: flash
    verify: { semantic_sample_review: true }
  - match: { task: [code_patch] }
    tier: flash
    verify: { build: true, tests: true, diff_review: true }
    on_fail: { retry_same_tier: 1, then: flagship }
  - match: { task: [agent_loop] }
    tier: flash
    budget: { max_steps: 30 }
    on_budget_exceeded: flagship

# Phase 2: choose a model key, top-down first match; derive vendor from model.
model_selection:
  rules:
    - match: { tier: flagship, input_tokens_gt: 200000 }
      key: long_input
    - match: { tier: flash, task: [classify, extract_json] }
      key: classify
    - match: { tier: flash, cache_hit_rate_gte: 0.8 }
      key: high_cache
  default_key: default

# Phase 3: after model/vendor resolution, evaluate scheduling top-down.
post_route:
  policies:
    - match: { vendor: deepseek, peak_hours: true, mode: async }
      defer_to: next_off_peak
    - match: { mode: sync }
      dispatch: now
  default: { dispatch: now }

三步不能混为一条规则链：先按输入长度和任务类型取第一条命中的分档规则（没命中则用 defaults）；再用 model_selection 的首条命中选择 tiers 中明确列出的模型键，从型号确定 vendor；选完厂商才跑 post_route，它不会被前面的任务规则抢走。示意的 classify: deepseek-flash 只为展示后置策略怎样触发，不是说 DeepSeek 是分类任务最划算的实测胜者；实际映射必须按团队流量里每个被接受结果的成本与质量重新确定。next_off_peak 只用于允许延期的异步请求；同步请求必须立即处理，异步请求若不命中 DeepSeek 高峰条件也立即处理。thinking_policy: disable_if_supported 仅在所选模型支持关闭思考时才关闭；智谱这类不可关闭的模型保持启用，预算须计入思考 token，超预算就另选型号而不是默默忽略成本。semantic_sample_review 的比例与漏检成本应从自己的业务风险定，不是可照抄的 2%。

拿三条实际输入验这套示意规则：

四条判据与 yaml 的对应关系，以及各自的代价：

1. 按任务类型和输入长度分档，不按模型名分档（tiers 映射与前两条规则）。规则写「这类请求用 Flash」， 具体用哪家 Flash 由一张随价目表更新的映射决定。长度规则放在最前，否则会被任务规则先匹配走。代价是请求 要带任务标签。

2. 每个 ✓ 都要有明确的验收方法，自动校验与人工抽检各算成本（各条 verify 与部分 on_fail）。JSON schema 只查结构、编译测试只查覆盖到的行为，语义和漏检要抽样复核；没有自动失败信号的翻译不能假装能自动升档。代价是人审、重试、遗漏错误与升档率；哪类任务值得默认降档，只能拿自己的接受率和风险账本回答。

3. 选厂商看每个被接受结果的成本，不看列表价（model_selection 与 tiers 映射）。把真实流量在两三家 Flash 上重放，记录 token 数、重试次数、通过率，算出每个被接受结果花了多少钱，再把通过验证的选型更新到模型键。YAML 中的分类模型只是流程示例，不代表实测推荐。代价是一轮重放的费用，以及每次调价后重算。 重放前先确认你和上游的合同、用户协议允许把这些数据发给另一家，必要时先脱敏。

4. 把时段、阶梯、下线日期、限时优惠状态都当作决策维度（tiers 映射与独立的 post_route 调度策略）。DeepSeek 的高峰价翻倍，只能在已经选定 DeepSeek 且任务异步可延期时等到下一空闲时段；Qwen 价目形状随输入档不同、MiMo V2.5 在 10 月 21 日下线、DeepSeek 旧名被静默路由，也都要在模型映射里可见。几项「限时免费」尚未写结束日期；只有优惠结束且实际使用相应缓存时，才重新计算该项费用。代价是一张要持续维护并核对的价目与生命周期表。

第四条本该是路由层的职责。我们在做的 PiRouter 设计为把任务标签、价目表版本和模型 生命周期放在同一层做决策，这不是上线承诺。不用我们的工具，规则也是同样这几条。

名字是厂商起的，哪类请求值得哪一档，要看你自己的数据

四张价目表对完，关于「Flash 模型怎么选」，我能说的是三件事：同家旗舰到 Flash 的价差从三倍到十四倍，先按 厂商算降档值不值；缓存命中价、时段和阶梯决定 agent 与长文档负载的账单，比「Flash」这个名字重要；降档的边界 在于错误能不能被便宜地发现。

「哪家 Flash 最好」我回答不了，答案在你的流量里。这周可以这样做：

1. 导出一周调用日志，每条至少有这些字段：时间戳、调用方（服务名或 API Key）、model、输入 token、命中 token、 输出 token（含思考）。命中字段各家叫法不同：DeepSeek 是 usage.prompt_cache_hit_tokens （DeepSeek 上下文硬盘缓存），百炼是 usage.prompt_tokens_details.cached_tokens；另外两家我们没核到，以各自文档为准。
2. 按阈值分成三种形态，例如：输入低于 8K 且命中率低于 50% 归 A，命中率 50% 以上归 B，输入超过 100K 归 C。 阈值按你的分布调整。
3. 按调用方打任务标签：同一个服务发出的请求通常是同一类任务，先按服务粗分，再抽几十条人工确认，比逐条分类便宜。
4. 算可省上限：每一组的旗舰花费 ×（1 − 同家 Flash 与旗舰的单价比），只加总任务表里 ✓ 和 ⚠ 的组。 这个数是本次降档能省下的上限，实际能省多少，要扣掉升档和重试之后才知道。