大模型Token消耗趋势与AI厂商竞争格局追踪【中泰传媒互联网】
截至2026/8/27，OpenRouter数据显示：Token周调用量较年初增长1878%。Top 1调用量模型为Ox Alpha达28%，已确认为智谱系模型。
GLM-5.3-Flash与Qwen3.8-Flash相继发布，国产模型继续沿"能力提升+成本下降"方向演进。 GLM-5.3-Flash为320B-A18B原生多模态模型，AA Intelligence Index达到57分，与Claude Opus 4.8持平，定价仅为GLM-5.3的1/10、Opus 4.8的1/40；Qwen3.8-Flash主模型125B，每Token仅激活6B参数，训练开销约为Qwen3.7-Plus的1/9，API输入/输出价格分别降至1元/3元每百万Tokens。
新一轮模型架构优化开始从"堆参数"转向"压计算、降访存、扩容量"。 GLM-5.3-Flash将激活参数由GLM-4.5的32B进一步降至18B，并采用稀疏注意力+线性注意力混合架构，相较GLM-5.3注意力计算量、KV Cache分别降低3.01倍、4.44倍。Qwen3.8-Flash则采用GDN+QSA Hybrid架构，并加入Gated Residual与51B N-gram Embedding，在1M上下文下，QSA Attention Kernel的Prefill和Decode最高分别加速7.6倍和4.9倍，高缓存复用场景下Prefill吞吐达到Qwen3.7-Plus的8.6倍。
Flash不再只是"小模型"，而是在向Coding、Agent和专业办公等高价值任务延伸。 GLM-5.3-Flash首次加入原生视觉能力，可在代码、浏览器和GUI之间通过视觉反馈持续自检和迭代，并覆盖金融研究、报告、建模及法律文书等专业工作；Qwen3.8-Flash在仅6B激活参数下，编码和办公能力已超过Qwen3.7-Plus，并将在"千问办公"首发上线。
更值得关注的是，低成本模型背后的软硬件协同正在同步推进。 GLM-5.3-Flash匿名测试期间的Ox-Alpha流量全部由国产芯片集群承载，经过专用推理引擎及EPD分离式架构等优化后，同硬件端到端性能提升3倍，官方称单Token成本已达到主流英伟达GPU相当水平；Qwen则同步开放Qwen3.8-Flash-Next权重，并明确其新架构将作为Qwen4系列的雏形。我们认为，随着前沿能力、推理效率和API价格同步改善，模型使用门槛仍在持续下降，有望进一步推动Coding、Agent及专业办公等AI应用渗透。
建议关注"模型能力与CSP协同"和"AI智能体与Token运营"两条主线：
模型侧：智谱、MiniMax
云厂商CSP：阿里巴巴、腾讯控股；
Token运营及垂类数据：
荣信文化、
易点天下、
中信出版、
中国科传、
世纪天鸿、
新华网、
人民网等；
AI影视内容生成与多模态内容：
荣信文化、
中文在线、
掌阅科技、
昆仑、
华策影视、博纳影视等；
全链路AI营销+电商：
易点天下、汇量科技、
蓝色光标、
值得买等；
AI智能体解决方案：迈富时等
风险提示：市场风险，技术风险，政策风险等
更多高频跟踪和详细观点欢迎交流&派点请支持中泰传媒互联网团队：
康雅雯 18521305887
陈志祥 18217440602