# 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

> GLM-5.3-FlashX 是 GLM-5.3-Flash 的 2.5 倍价，Claude Opus 5.5 快速模式、Grok 4.7 Fast、OpenAI Fast mode 都是标准价的 2 倍。加价乘在整张账单上，提速主要落在输出那一截，所以同一个模型，输入越重、输出越短，每省一秒越贵。本文给出四家价目、各自快在哪、容量不够时会怎样，以及一条能直接套自己数据的判据：什么时候加钱，什么时候去 Batch。

- Published: 2026年9月23日
- Author: Leo Kaka, Engineering
- Tags: pricing, routing, cost
- Canonical: https://pirouter.ai/zh/blog/speed-tier-pricing-flashx-fast-mode

---
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](https://docs.z.ai/guides/overview/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](https://openrouter.ai/z-ai/glm-5.3-flashx)），
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。

| 模型 | 标准档 输入/输出 | 快速档 输入/输出 | 倍数 | 厂商自报速度 | 怎么开 |
|---|---|---|---|---|---|
| GLM-5.3-Flash → FlashX | $0.15 / $0.50 | $0.37 / $1.25 | 2.5× | 200 tok/s | 换模型 ID `glm-5.3-flashx` |
| Claude Opus 5.5 | $4 / $20 | $8 / $40 | 2× | 输出最多快 2.5 倍 | `speed: "fast"` + beta header，需申请开通 |
| Grok 4.7 Fast（Grok Build 标价，提示低于 200k） | $2 / $6 | $4 / $12 | 2× | 输出快 2 倍 | 仅 Cursor 与 Grok Build；Cursor 按其套餐计费 |
| GPT-6 Sol | $2 / $10 | $4 / $20 | 2× | 最多快 2.5 倍（总括口径，点名的模型为 gpt-5.6-sol） | `service_tier: "fast"` |

单位是美元每百万 token。出处：[Z.ai Pricing](https://docs.z.ai/guides/overview/pricing)、
[GLM-5.3-Flash/FlashX 模型页](https://docs.z.ai/guides/vlm/glm-5.3-flash)、
[Claude Fast mode](https://platform.claude.com/docs/en/build-with-claude/fast-mode)、
[Claude Pricing：Fast mode pricing](https://platform.claude.com/docs/en/about-claude/pricing#fast-mode-pricing)、
[Introducing Grok 4.7](https://x.ai/news/grok-4-7)、[xAI Pricing](https://docs.x.ai/developers/pricing)、
[OpenAI Pricing](https://developers.openai.com/api/docs/pricing)、[OpenAI Fast mode](https://developers.openai.com/api/docs/guides/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](https://docs.bigmodel.cn/cn/guide/start/pricing)）。
- **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](https://platform.claude.com/docs/en/build-with-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](https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash)）。

**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](https://docs.x.ai/developers/advanced-api-usage/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](https://finance.biggo.com/news/bfcc4274-82fa-4814-a50f-2dcebc4b8584)，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](https://openrouter.ai/z-ai/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](https://artificialanalysis.ai/models/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](https://artificialanalysis.ai/models/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：

```text
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](https://platform.claude.com/docs/en/models/opus-5-5/whats-new-opus-5-5#thinking-cant-be-disabled)），
实际输出通常更多，A 的每小时价钱会往下走。

| 模型 | A 加价 / 省时 | A 每小时 | B 加价 / 省时 | B 每小时 |
|---|---|---|---|---|
| Claude Opus 5.5（2.5×） | $0.096 / 9.6 秒 | $36.0 | $0.088 / 48 秒 | $6.6 |
| GPT-6 Sol（2.5×，总括口径；默认缓存写入） | $0.058 / 9.6 秒 | $21.8 | $0.045 / 48 秒 | $3.4 |
| Grok 4.7 Fast（2×，API 不可购，仅作参照） | $0.045 / 8 秒 | $20.2 | $0.028 / 40 秒 | $2.5 |
| GLM-5.3-FlashX（基数 40 tok/s） | $0.005 / 16 秒 | $1.1 | $0.0034 / 80 秒 | $0.15 |
| GLM-5.3-FlashX（基数 107 tok/s） | $0.005 / 3.5 秒 | $5.2 | $0.0034 / 17.4 秒 | $0.71 |

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](https://developers.openai.com/api/docs/guides/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。

![同一个 Claude Opus 5.5 快速模式：输入重请求每省一小时等待约 $36，输出重请求约 $6.6（推算）](/blog/images/speed-tier-pricing-flashx-fast-mode-per-hour.png "同一个模型、同一个 2 倍价，差别来自请求形态。按公开价目、50 tok/s 假设与自报上限 2.5 倍推算，非实测。Source: [Claude Pricing：Fast mode pricing](https://platform.claude.com/docs/en/about-claude/pricing#fast-mode-pricing)")

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）：

```text
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](https://platform.claude.com/docs/en/about-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](https://platform.claude.com/docs/en/about-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](/zh/blog/astra-fable-same-bill)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](https://docs.x.ai/developers/models/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。**

| 模型 | 容量不够时（✗ 报错 · ⚠ 静默或未说明） | 怎么核对实际档位 |
|---|---|---|
| Claude Opus 5.5 快速模式 | ✗ 返回 429（限流）或 529（过载），不自动降级 | 响应 `usage.speed` 为 `fast` 或 `standard` |
| OpenAI Fast mode | ⚠ 流量爬坡过快时部分请求被降到标准速度，按标准价计 | 降级时 `service_tier` 为 `default`；GPT-5.6 及更早模型成功时返回 `priority`，不是 `fast` |
| xAI Priority Processing | ⚠ 可能按默认档处理，只在确认 priority 时按 2 倍计价 | 响应 `service_tier` |
| GLM-5.3-FlashX | ⚠ 文档未描述降级行为 | 文档未写核对方式 |

出处：[Claude Fast mode：Checking which speed was used](https://platform.claude.com/docs/en/build-with-claude/fast-mode#checking-which-speed-was-used)、
[OpenAI Fast mode：Rate limits and ramp rate](https://developers.openai.com/api/docs/guides/fast-mode#rate-limits-and-ramp-rate)、
[xAI Priority Processing](https://docs.x.ai/developers/advanced-api-usage/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](https://docs.x.ai/developers/release-notes)），
  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](https://platform.claude.com/docs/en/release-notes/overview)）。
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](/zh/blog/ox-alpha-is-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。

---

## Sources

### docs.z.ai

- [Z.ai Pricing](https://docs.z.ai/guides/overview/pricing)
- [GLM-5.3-Flash/FlashX 模型页](https://docs.z.ai/guides/vlm/glm-5.3-flash)

### openrouter.ai

- [OpenRouter 上架日](https://openrouter.ai/z-ai/glm-5.3-flashx)
- [OpenRouter：GLM 5.3 Flash](https://openrouter.ai/z-ai/glm-5.3-flash)

### platform.claude.com

- [Claude Fast mode](https://platform.claude.com/docs/en/build-with-claude/fast-mode)
- [Claude Pricing：Fast mode pricing](https://platform.claude.com/docs/en/about-claude/pricing#fast-mode-pricing)
- [Claude Fast mode：How fast mode works](https://platform.claude.com/docs/en/build-with-claude/fast-mode#how-fast-mode-works)
- [What's new in Claude Opus 5.5](https://platform.claude.com/docs/en/models/opus-5-5/whats-new-opus-5-5#thinking-cant-be-disabled)
- [Claude Pricing](https://platform.claude.com/docs/en/about-claude/pricing)
- [Claude Fast mode：Checking which speed was used](https://platform.claude.com/docs/en/build-with-claude/fast-mode#checking-which-speed-was-used)
- [Claude Release notes](https://platform.claude.com/docs/en/release-notes/overview)

### x.ai

- [Introducing Grok 4.7](https://x.ai/news/grok-4-7)

### docs.x.ai

- [xAI Pricing](https://docs.x.ai/developers/pricing)
- [xAI Priority Processing](https://docs.x.ai/developers/advanced-api-usage/priority-processing)
- [xAI：Grok 4.7](https://docs.x.ai/developers/models/grok-4.7)
- [xAI Release Notes：Grok 4.7](https://docs.x.ai/developers/release-notes)

### developers.openai.com

- [OpenAI Pricing](https://developers.openai.com/api/docs/pricing)
- [OpenAI Fast mode](https://developers.openai.com/api/docs/guides/fast-mode)
- [OpenAI Prompt caching](https://developers.openai.com/api/docs/guides/prompt-caching)
- [OpenAI Fast mode：Rate limits and ramp rate](https://developers.openai.com/api/docs/guides/fast-mode#rate-limits-and-ramp-rate)

### docs.bigmodel.cn

- [智谱 API 定价](https://docs.bigmodel.cn/cn/guide/start/pricing)
- [智谱 GLM-5.3-Flash/FlashX](https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash)

### finance.biggo.com

- [BigGo 财经的发布报道](https://finance.biggo.com/news/bfcc4274-82fa-4814-a50f-2dcebc4b8584)

### artificialanalysis.ai

- [Artificial Analysis：GLM-5.3-Flash](https://artificialanalysis.ai/models/glm-5-3-flash)