GLM-5.3-FlashX、Claude 快速模式、Grok 4.7 Fast、OpenAI Fast mode 各贵多少？同样 2 倍起，输出越重越划算

先给数。GLM-5.3-FlashX 的价格是 GLM-5.3-Flash 的 2.5 倍：每百万 token 输入 $0.37、输出 $1.25， 对 $0.15、$0.50（Z.ai Pricing）。Claude Opus 5.5 快速模式、 Grok 4.7 Fast、OpenAI Fast mode 都是标准价的 2 倍。值不值，先看请求形态，再看哪家：加价乘在整张账单上， 提速主要落在输出那一截。同一个 Opus 5.5，输入重的请求每省一小时等待约 $36，输出重的约 $6.6 （按 2 万输入/800 输出与 2 千输入/4 千输出两种请求、标准档 50 tok/s 的假设、取厂商自报上限推算）。

先交代口径：价目核对于 2026-09-23；文中速度数字要么是厂商自报，要么是第三方平台随时变化的实时读数， 没有一个是我们测的。按小时折算是我方用公开价目做的算术，假设写在算式旁边。

五天三家：四个快速档的价目摆在一张表上

9 月 18 日 GLM-5.3-FlashX 上线（据 OpenRouter 上架日）， 9 月 21 日 xAI 发 Grok 4.7 并附一个 Fast 变体，9 月 22 日 Claude Opus 5.5 发布、快速模式同日可用。 OpenAI 不在这一周：它的 Fast mode 是 7 月 30 日由 Priority processing 改名来的。

单位是美元每百万 token。出处：Z.ai Pricing、 GLM-5.3-Flash/FlashX 模型页、 Claude Fast mode、 Claude Pricing：Fast mode pricing、 Introducing Grok 4.7、xAI Pricing、 OpenAI Pricing、OpenAI Fast mode。 Z.ai 原文写的是「200 tokens/s」，本文统一记作 tok/s。service_tier 是 OpenAI 与 xAI 请求里选处理档位的参数。

「2 倍」好记，但表外有三处不整齐：

• FlashX 的 2.5 倍是四舍五入的。输出、缓存命中都是整 2.5 倍，输入 $0.37 对 $0.15 是 2.47 倍。 人民币的输入、输出都是整 2.5 倍：FlashX 输入 2 元、输出 7 元，Flash 是 0.8 元、2.8 元 （智谱 API 定价）。
• Grok 4.7 Fast 过了 200k 提示 token 不是 2 倍。xAI 价目页给 Fast 长上下文档标 $6/$1.50/$18， 标准长上下文档是 $4/$1/$12，即 1.5 倍；同一页的说明文字却写「twice the standard token rates」。 以哪个为准页面没写，用 Grok Build 的先看实际账单。xAI 的公开 API 买不到 Fast，同价位能买的是 Priority Processing（2 倍，调度优先，下一节讲）。
• OpenAI 当前主力模型大多是 2 倍，gpt-5.5 例外：Fast $12.50/$75 对标准 $5/$30，2.5 倍； gpt-4.1、gpt-4o 这类老模型约 1.7 倍。按模型查表，别按厂商记一个倍数。

同样是 2 倍价，买到的「快」不是一回事

四家都叫「快」，底下是三种东西：两种提速，一种插队。

只加速输出。 Anthropic 说快速模式是「the same model with a faster inference configuration」， 提速集中在每秒输出 token 数（OTPS），不在首 token 时间（TTFT，从发出请求到收到第一个 token 的时间） （Claude Fast mode：How fast mode works）。 等首 token 的那几秒一分没少，钱照样翻倍。

换更快的机器。 xAI 对 Grok 4.7 Fast 的描述是「the same Grok 4.7 model served on faster infrastructure」； Z.ai 把 Flash 与 FlashX 放在同一个模型页里介绍，FlashX 单独一个模型 ID，中文页说是 「持续加大 Infra 投入与推理优化」（智谱 GLM-5.3-Flash/FlashX）。

插队。 xAI API 上的 Priority Processing（service_tier: "priority"）文档写的是「higher scheduling priority」， 改善的是 TTFT 与 token 间延迟，高峰期尤甚（xAI Priority Processing）。 OpenAI 的 Fast mode 原名就是 Priority processing，改名时把 gpt-5.6-sol 提到「up to 2.5× faster than Standard」， 现在是插队加提速的混合体。

那几个「最多」都没有测量条件。FlashX 到底快几倍，取决于分母。 报道里流传「快五到六倍」 （如 BigGo 财经的发布报道，基数写的是此前 30–50 tok/s）， Z.ai 官方页面上找不到这个倍数。第三方读数有两个：OpenRouter 上 Z.ai 那一行的 Flash 吞吐中位数（P50）是 40 tok/s （OpenRouter：GLM 5.3 Flash），按它算 200 是 5 倍； Artificial Analysis 测 Z.ai 一方 API 是 107 tok/s（Artificial Analysis：GLM-5.3-Flash）， 按它算不到 2 倍。两者都是 9 月 23 日采集的实时读数，负载也不同。下一节两个都算。

另一个选项只有开源模型才有：GLM-5.3-Flash 权重是 MIT 许可，Artificial Analysis 同日列出的 18 家托管方里， 排前五的在约 170 到 450 tok/s 之间（AA：GLM-5.3-Flash providers）。

省一小时等待要花多少钱：用同一把尺子算四家

价格倍数和速度倍数各说各的，得换成一个量才能比。我用小时做单位，因为最后要拿它和等待者的时薪比：

加价 = (价格倍数 − 1) × 这次请求的标准档原价
省时 = 输出 token ÷ 标准档速度 × (1 − 1 ÷ 速度倍数)
每小时价钱 = 加价 ÷ 省时 × 3600

倍数是 2 时，加价就等于原价。四家快速档的缓存价也按同一倍数上浮，所以这条对整张账单成立。

手算一遍 Opus 5.5 的输入重请求（2 万输入、800 输出）：原价 = 2 万 × $4/百万 + 800 × $20/百万 = $0.08 + $0.016 = $0.096， 加价也是 $0.096；标准档 800 ÷ 50 = 16 秒，快速档按 2.5 倍是 6.4 秒，省 9.6 秒；$0.096 ÷ 9.6 × 3600 = $36。

两种形态：A 输入重，2 万输入、800 输出（带一大段上下文问一个短问题）；B 输出重，2 千输入、4 千输出（写一个完整文件）。 800 输出含思考 token。Opus 5.5 的思考无法关闭 （What’s new in Claude Opus 5.5）， 实际输出通常更多，A 的每小时价钱会往下走。

GLM 两行的标准档速度是第三方实时读数；其余三家标准档速度没公开，用的是 50 tok/s 假设，这不是任何一家的读数。 GPT-6 Sol 一行按 OpenAI 的默认缓存口径算：GPT-5.6 及以后默认开启缓存，1,024 token 以上的提示首次请求按 1.25 倍输入价写入缓存，快速档的写入价同样翻倍（OpenAI Prompt caching）。改用 explicit 模式且不放缓存断点时不写入，这一行变成 $18.0 与 $3.3。

先横着看同一行：同一家内部，A 比 B 贵 5 到 8 倍。A 的账单八成以上是输入 token，你为 2 万个输入付了双倍， 它们一个也没被加速。再竖着看同一列：跨厂商这一列不可比，各家标准档速度未知、倍数口径也不同 （「最多 2.5 倍」对「2 倍」），换一个假设排名就会变。

一般规律是：每小时价钱正比于「整单原价 ÷ 输出 token」。展开成能直接套的式子（推导见文末）：

每小时价钱 ≈ 系数 × (标准输出单价 + 标准输入单价 × 输入/输出比)
系数 = 3600 × 标准档速度 × (价格倍数 − 1) ÷ (1 − 1 ÷ 速度倍数) ÷ 100 万

单价按每百万 token 的美元数代入。50 tok/s 下 Opus 5.5 与 GPT-6 Sol 的系数是 0.3，Grok 4.7 Fast 是 0.36；GPT-6 Sol 默认口径下输入单价按写入价 $2.50 代入。 所以 Opus 5.5 约为 $6 + $1.2 × 输入/输出比：比值 25（A）得 $36，0.5（B）得 $6.6。 反过来用（Opus 5.5）：团队时薪按 $50 算，比值低于约 37 就值得；按 $20 算，门槛降到约 12。

三个会改变结论的变量：

• 标准档实际速度。是 100 tok/s 而不是 50，系数翻倍，每小时价钱也翻倍。
• 缓存命中率。命中部分按缓存单价代入输入单价。A 里 2 万输入全部命中时，Opus 5.5 缓存读取 $0.20/百万 （Claude Pricing），原价从 $0.096 降到 $0.020， 每小时价钱从 $36 降到约 $7.5。先做好缓存，再买速度。
• 这把尺子只计输出省下的时间。Priority 与 OpenAI Fast 还改善 TTFT 与延迟稳定性，A 形态下对这两家会被低估。

什么时候值得加钱，什么时候该去 Batch

判断规则就是把「每小时价钱」和「等的那个人的时薪」放在一起比。分三档：

值得加钱：

• 思考 token 多。Opus 5.5 的思考关不掉，而思考都在输出侧一个个生成，输出提速对它最有效。
• 必须等整段产出才能用：整文件 apply、tool call 的参数、agent 里前一步不完后一步不开的串行链路。 这类等待是纯阻塞，B 形态每小时几美元。流式展示给人读的回答不算：50 tok/s 已经比人读得快。

看时薪与缓存命中率：

• 输入重、输出短，比如 agent 循环里的每一轮。人确实在同步等，但 Claude 的 TTFT 不变，预填充 （模型读完输入的阶段）照等。先按上面的式子代入你的缓存命中率算一遍：命中高的，可能落到每小时个位数美元。

明确不值得：

• 没人在等。夜间批量、评测跑分、离线数据处理，快速档是纯成本。xAI 的 Priority 文档自己也写了， 后台任务、评测、批量处理更适合 Batch API（异步提交、稍后取回结果的批处理接口）。

反方向的档位同样存在。OpenAI 的 Batch 与 Flex 都是标准价的一半；Anthropic Batch API 也是五折，但快速模式 不能与 Batch 叠加（Claude Pricing：Fast mode pricing）。 所以同一个模型，从最慢档到最快档，新模型上是 4 倍价差（gpt-5.5 是 5 倍），模型名一个字没变。 Astra 与 Fable 5.1 那篇账单对比里见过一次：OpenRouter 上 Astra 的 Flex 档 P50 延迟约 6.88 秒、Fast 档约 2.04 秒（9 月 5 日读数），价差 4 倍。另外两家：grok-4.7 模型页写着 Batch API 「Not supported」（xAI：Grok 4.7）；智谱对支持 Batch 的模型打五折， GLM-5.3-Flash 在不在列我没核到原文，不下结论。

把速度档当路由维度：四家失败时的行为不一样

价目表只回答成功时付多少。上生产要问的是：快速档容量不够时，请求会怎样。

出处：Claude Fast mode：Checking which speed was used、 OpenAI Fast mode：Rate limits and ramp rate、 xAI Priority Processing。

Claude 最透明也最费事：不替你决定，直接报错，降级链你自己写。OpenAI 对账单友好、对延迟预算不友好： 你以为买了快，拿到的是标准速度，只是没多收钱。它给的经验值是流量到每分钟 100 万输入 token 后， 每 15 分钟增幅不超过 50%；并写明 GPT-6 Astra 的 Fast mode 不带延迟 SLA。

可用面上的限制，比价格更早卡住你：

• Claude 快速模式只在第一方 Claude API，Bedrock、Claude Platform on AWS、Google Cloud、Microsoft Foundry 都没有； 目前是 research preview（研究预览，需找客户经理或排 waitlist 开通）。
• Grok 4.7 Fast 只在 Cursor 与 Grok Build，公开 API 没有（xAI Release Notes：Grok 4.7）， Grok Build 免费档也不含。
• FlashX 暂未进 GLM Coding Plan，订阅用户要按 token 另付。

还有时间维度：快速档是按模型开的，会随模型下线而关掉。 Opus 4.6 与 4.7 的快速模式都已移除， 4.7 上请求 speed: "fast" 直接报错，4.6 上静默按标准速度、标准价跑 （Claude Release notes）。 路由表把「fast」写成账户级开关而不是模型级属性，下次模型退役时会以两种方式坏掉。

我的路由规则，代价写在旁边：

1. 用式子分档，不用默认值。对每类请求取「输入/输出比」与缓存命中率，代入上面的式子，低于团队时薪的走快速档。 代价是多一个请求分类维度，外加定期用实测速度校准系数。
2. 每条响应记下实际档位（usage.speed / service_tier / model），月底按实际档位对账。 代价是日志多一列，但这是发现「以为走了 fast、实际跑在 standard」的唯一办法。
3. 报错型（Claude）写死降级链：fast 报 429/529 → 同模型标准档 → 换模型，别让 SDK 默认重试替你决定。
4. 静默型（OpenAI、xAI）盯回落比例：监控 service_tier 回落到 default 的比例，按 ramp 规则爬坡。 代价是每家一套错误码与字段映射。

速度档卖的是时间。买之前算清楚是谁的时间：人在等就算一算，机器在等就去 Batch。 GLM-5.3-Flash 8 月下旬先以匿名测试模型 Ox Alpha 上线、8 月 26 日揭牌，它的定价与促销我们在 Ox Alpha 就是 GLM-5.3-Flash 里记过；这一次不是促销到期， 是同一个模型单独挂了一个更贵的价签，卖的只有速度。

附：系数推导。 设输入 I、输出 O、标准档速度 S、速度倍数 k、价格倍数 m、标准单价 p入、p出（每 token）。 加价 = (m − 1)(I·p入 + O·p出)，省时 = O/S × (1 − 1/k)。相除乘 3600，O 约掉： 每小时价钱 = 3600·S·(m − 1)/(1 − 1/k) × (p出 + p入·I/O)。Opus 5.5：3600 × 50 × 1 ÷ 0.6 = 30 万， 乘每百万单价即 0.3。GLM 用绝对速度，省时换成 O × (1/S − 1/200)，基数 40 时系数 0.18。