一次网站内容改动：5 个Flash模型实测评测报告

一、测试说明

本次使用同一个网站内容修改任务，通过 Claude Code CLI 分别调用：

• glm5.3-flash
• deepseek-v4-flash
• qwen3.8-flash API
• qwen3.8-flash Token Plan
• gpt5.6-luna-max

本报告按五个模型都完成任务进行评测。

评测重点有三项：

1. 单任务消耗的 Token 数
2. 完成任务所用的时间
3. 完成任务产生的实际成本

在任务完成结果相同的情况下，使用 Token 越少、用时越短，说明执行效率越高。

二、模型价格和使用状态

其它说明：

• Qwen API 使用普通原价，没有使用 Batch Chat 5 折价格。
• GLM 本次使用的是测试期间的限时半价。
• DeepSeek 本次使用的是 21:00～22:00 闲时价格。
• Qwen Token Plan 按 ¥39/月计算。
• GPT5.6-Luna-Max 按每月 20 美元的订阅额度计算。

因此，本文对比的是这次实际使用时产生的成本，并不是三家模型标准原价的横向对比。

三、实测数据汇总

缓存命中率统一按照“缓存命中输入 ÷ 总输入”计算，输出 Token 不放进分母。

四、缓存命中数据

GLM5.3-Flash

缓存命中率 =
10,155,136 ÷ (10,155,136 + 911,838)
= 91.76%

DeepSeek-V4-Flash

缓存命中率 =
20,967,296 ÷ (20,967,296 + 263,641)
= 98.76%

原始记录中的 98.35%，是用缓存命中 Token 除以全部 Token 得出的结果，把输出 Token 也算进去了。只看输入的话，98.76% 更准确。

Qwen3.8-Flash API

Qwen API 的输入由三部分组成：

• 普通输入：2,792 Token
• 显式缓存创建：3,162,220 Token
• 显式缓存命中：62,509,786 Token

总输入 =
2,792 + 3,162,220 + 62,509,786
= 65,674,798 Token

缓存命中率 =
62,509,786 ÷ 65,674,798
= 95.18%

缓存创建不等于缓存命中。缓存创建是第一次把内容放入缓存，不能算作已经命中。

Qwen3.8-Flash Token Plan

缓存命中率 =
45,130,075 ÷ (45,130,075 + 916,119)
= 98.01%

GPT5.6-Luna-Max

缓存命中率 =
52,273,920 ÷ 54,293,851
= 96.28%

GPT 的推理输出 98,817 Token 已经包含在 274,733 个输出 Token 中，不重复计算。

五、Token 和用时综合评分

为了不只看一个指标，采用以下评分方式：

Token 得分 = 全部模型中最少 Token ÷ 当前模型 Token × 100
 
用时得分 = 全部模型中最短用时 ÷ 当前模型用时 × 100
 
综合效率分 = Token 得分和用时得分的平均值

Token 消耗和完成时间各占一半。

这个评分只评价这次任务的执行效率，不代表模型整体能力排名。

六、Token 和用时分析

1. GLM 使用 Token 最少

GLM 这次一共使用了 11,103,347 个 Token，是五个模型中消耗最少的。

它用了 35 分钟完成任务，比 DeepSeek 多花了 10 分钟，但 Token 消耗只有 DeepSeek 的约一半。

按照 Token 和用时各占一半的评分方式，GLM 综合效率排名第一。

2. DeepSeek 完成速度最快

DeepSeek 这次只用了 25 分钟，是五个模型中完成任务最快的。

它消耗了 21,319,868 个 Token，接近 GLM 的两倍。不过从实际使用感受来看，它用更多 Token 换来了更快的完成速度。

本次测试使用的是 21:00～22:00 闲时价格，因此速度表现不能完全代表高峰期情况。

3. Qwen Token Plan 优于 Qwen API

Qwen Token Plan 使用了 46,208,164 个 Token，用时 70 分钟。

相比 Qwen API：

• 少用了约 1,963 万 Token
• 少用了 17 分钟
• 缓存命中率更高

这说明同一个模型在不同调用方式下，实际执行过程可能有明显差异。

4. Qwen API 消耗最多

Qwen API 使用了 65,843,099 个 Token，是五个模型中消耗最多的。

它的缓存命中率达到 95.18%，但仍然用了 87 分钟才完成任务。

这说明缓存命中率高，并不代表整体执行效率一定高。上下文越长，即使大部分内容命中了缓存，整体 Token 数和缓存创建数量仍然可能很大。

5. GPT 用时最长

GPT5.6-Luna-Max 使用了 54,568,584 个 Token，用时 107 分钟，是五个模型中最慢的。

虽然它的订阅分摊成本很低，但从单任务 Token 消耗和完成时间来看，本次没有体现出效率优势。

七、API 成本分析

只比较实际 API 账单：

按平均成本计算，DeepSeek 最便宜，每百万总 Token 约 ¥0.086。

GLM 的总账单虽然比 DeepSeek 低，但它这次消耗的 Token 也更少。按照平均成本计算，GLM 仍然高于 DeepSeek。

Qwen API 的平均成本最高，主要原因不是缓存命中率低，而是这次总 Token 消耗太大，达到了约 6,584 万。

八、Qwen API 账单核对

按照 Qwen 给出的价格表计算：

普通输入：
2,792 × ¥0.80/M = ¥0.0022
 
缓存创建：
3,162,220 × ¥1.25/M = ¥3.9528
 
缓存命中：
62,509,786 × ¥0.10/M = ¥6.2510
 
输出：
168,301 × ¥2.70/M = ¥0.4544

理论费用约为：

¥10.6604

但面板显示的实际费用是：

¥10.24

两者相差约 ¥0.42。

因此，本文采用以下口径：

• ¥10.24：Qwen API 面板显示的实测费用
• ¥10.66：按照价格表重新计算出的理论费用

可能的原因包括缓存创建实际价格不同、平台存在折扣，或者平台统计费用的方式不同。

九、订阅制模型成本

Qwen3.8-Flash Token Plan

本次使用了 7 日额度的 24.4%，折算为月额度约 6.1%。

套餐价格为 ¥39/月，因此本次额度分摊成本为：

¥39 × 6.1% = ¥2.379

也就是约 ¥2.38。

这次 Qwen Token Plan 消耗了约 4,621 万 Token，用时 70 分钟。相比 Qwen API，少用了约 1,963 万 Token，也少用了 17 分钟。

GPT5.6-Luna-Max

本次使用量相当于月额度的 1%。

订阅价格为每月 20 美元，因此本次额度分摊成本为：

$20 × 1% = $0.20

约合 ¥1.34。美元换算按约 1 美元兑 6.72 元人民币估算，参考汇率。

需要注意，¥1.34 只是把订阅费分摊到本次使用上。如果订阅费已经支付，本次调用并没有额外扣除 ¥1.34。

十、成本、Token 和用时综合评价

综合效率第一：GLM5.3-Flash

GLM 是这次最省 Token 的模型。

它比 DeepSeek 多用了 10 分钟，但 Token 消耗只有 DeepSeek 的约一半。因此在 Token 和用时各占一半的综合评分中，GLM 排名第一。

速度和 API 单位成本第一：DeepSeek-V4-Flash

DeepSeek 是这次最快的模型，也是 API 平均成本最低的模型。

在允许使用闲时价格的情况下，DeepSeek 同时拥有较快速度和较低成本。

Qwen Token Plan：比 Qwen API 更适合本次任务

Qwen Token Plan 比 Qwen API 少用了约 30% 的 Token，也少用了 17 分钟。

如果按 ¥39/月进行额度分摊，本次成本约为 ¥2.38，整体表现明显好于 Qwen API。

Qwen API：这次成本和效率都比较弱

Qwen API 的缓存命中率不错，但总 Token 消耗最多，运行时间也比较长。

这说明缓存命中率只是其中一个指标，不能单独用来判断模型是否省钱。

GPT5.6-Luna-Max：订阅成本低，但任务效率最低

GPT 的订阅分摊成本最低，但这次使用了较多 Token，并且耗时最长。

如果已经购买了订阅，GPT 的额外调用成本很低；但如果只看这次任务的 Token 和用时，它的效率排名最低。

十一、最终排名

按 Token 和用时综合排名

1. glm5.3-flash
2. deepseek-v4-flash
3. qwen3.8-flash Token Plan
4. qwen3.8-flash API
5. gpt5.6-luna-max

按 API 平均成本排名

1. deepseek-v4-flash：约 ¥0.086/M
2. glm5.3-flash：约 ¥0.143/M
3. qwen3.8-flash API：约 ¥0.156/M

按完成速度排名

1. deepseek-v4-flash：25分钟
2. glm5.3-flash：35分钟
3. qwen3.8-flash Token Plan：70分钟
4. qwen3.8-flash API：87分钟
5. gpt5.6-luna-max：107分钟

十二、最终结论

在五个模型都完成任务的前提下：

• GLM 使用 Token 最少，综合效率排名第一。
• DeepSeek 用时最短，API 平均成本最低。
• Qwen Token Plan 比 Qwen API 消耗更少、用时更短。
• Qwen API 缓存命中率不错，但整体 Token 消耗过大。
• GPT 订阅分摊成本低，但本次 Token 消耗和用时都比较高。

如果主要使用 API，DeepSeek 是这次最值得选择的模型。

如果最在意单任务消耗量，GLM 表现最好。

如果已经购买订阅，GPT 和 Qwen Token Plan 的额外调用成本较低，但订阅分摊成本不能直接和 API 账单比较。

本次评测最客观的结论是：

在任务都完成的前提下，GLM 最省 Token，DeepSeek 最快且 API 单位成本最低；Qwen Token Plan 居中，Qwen API 和 GPT 在本次任务中的执行效率相对较低。

十三、评测限制

这次只有一个网站内容修改任务，样本量较小，不能代表模型长期表现。

另外：

• GLM 使用了限时半价。
• DeepSeek 使用了闲时价格。
• Qwen API 使用原价。
• Qwen Token Plan 和 GPT 使用订阅额度分摊。
• 不同模型可能采用了不同的工具调用和上下文处理方式。
• 本次没有单独记录最终代码质量、返工次数和测试结果。

因此，这份报告更准确地反映的是：

这些模型在一次真实网站内容修改任务中的 Token 消耗、完成速度和实际花费。