三款热门「Flash」模型对比分析：DeepSeek-V4-Flash vs GLM-5.3-Flash vs Qwen3.8-Flash
三款热门「Flash」模型对比分析：DeepSeek-V4-Flash vs GLM-5.3-Flash vs Qwen3.8-Flash
2026 年 8 月下旬，三家国产大模型厂商几乎在同一时间窗口放出了各自的「Flash」档位模型。它们都把总参数做大、激活参数做小，用稀疏/状态空间注意力把长上下文成本压到接近极限。本文基于官方文档、技术报告与开源权重/推理框架的实测配置，对三款模型在参数量、激活量、专业能力、成本、部署要求与实际体验上做一次系统性对比。
一 一句话结论
| 模型 | 总参数 | 激活参数 | 定位 |
|---|---|---|---|
| DeepSeek-V4-Flash | 284B | 13B | 极致性价比的文本/Agent 主力，1M 上下文标配 |
| GLM-5.3-Flash | 320B | 18B | 首个「稀疏+线性」混合注意力的开源多模态模型 |
| Qwen3.8-Flash | 125B | 6B | 超稀疏 MoE + N-gram Embedding，Qwen4 架构预览 |
三款都不是单纯「小模型」，而是大 MoE 的稀疏激活版。激活参数从 6B 到 18B，意味着单 token 推理成本都远低于同档稠密模型。
二、架构与参数：谁把「算力杠杆」用到了极致
2.1 总参数与激活参数
| 指标 | DeepSeek-V4-Flash | GLM-5.3-Flash | Qwen3.8-Flash |
|---|---|---|---|
| 总参数 | 284B | 320B | 125B（+51B n-gram +4B MTP） |
| 激活参数 | 13B | 18B | 6B |
| MoE 专家 | 256 routed + 1 shared | 288 routed + 1 shared | 512 experts, 10 routed + 1 shared |
| 层数 | — | 45 | 48 |
| 上下文（原生） | 1M | 1M | 262K（可 YaRN 扩到 1M） |
| 最大输出 | 384K | 128K | 131K |
| 推理框架 | vLLM / SGLang | vLLM / SGLang / TokenSpeed | vLLM / SGLang / TokenSpeed |
关键差异在「效率杠杆」：
-
Qwen3.8-Flash 的 6B 激活参数是三者最低，且引入了 51B 的 N-gram Embedding（用双/三元组索引直接在 embedding 层扩参，几乎不增加计算、可 CPU offload）。它继承了 Qwen3-Next 的 Gated DeltaNet + Gated Attention，但把 Gated Attention 换成了 Qwen Sparse Attention (QSA)——在 micro-block 级别做稀疏选择，而不是逐 token 选。此外还有 Gated Residual 和按权重类别混用 Muon/AdamW 的定制训练配方。
-
GLM-5.3-Flash 是业内首个开源前沿模型采用稀疏注意力 + 线性注意力混合架构：线性注意力用状态建模捕获局部依赖，稀疏注意力用轻量索引器召回全局上下文。还引入 IndexPool（把索引器 4 个 KV 向量加权池化成 1 个）和 Manifold-Constrained Hyper-Connections (mHC)。相比兄弟模型 GLM-5.3，注意力计算量降 3.01×、KV 缓存降 4.44×。
- 稀疏注意力是指不再让每个 token 都和序列里所有其他 token 计算 attention，而是只保留一部分“重要”的连接。
- 线性注意力是另一类降低 attention 复杂度的方法。它把 softmax attention 改写成线性核函数形式，使得 Q K T QK^T QKT 可以先和 VV 相乘，从而把复杂度从 O ( n 2 ) O(n^2) O(n2) 降到 O ( n ) O(n) O(n)，并能像 RNN / 状态空间模型（SSM）一样用递推或卷积处理超长序列。
-
DeepSeek-V4-Flash 主打 Token-wise 压缩 + DSA（DeepSeek Sparse Attention），官方宣称 1M 上下文为默认标准，且专注 Agent 场景的 Code/工具调用。
⚠️ 版本说明：DeepSeek 侧有两个的版本——
deepseek-v4-flash（模型版本 DeepSeek-V4-Flash-0731，纯文本/Agent 主力）与deepseek-v4-flash-vision-exp（多模态实验版，2026-08-21 上线）。官方明确声明 Vision-Exp 在纯文本能力上与 0731 正式版持平，它是给"文本基础上加视觉理解"的多模态版本，而非"更强的 0731"。因此本横评主体的 DeepSeek 文本/Coding/Agent 数据采用 0731 正式版口径；仅多模态基准列标注为 Vision-Exp 口径。DeepSeek 官方不存在名为deepseek-v4-flash-exp的模型。
2.2 谁更「吃显存」？
三者的 FP8 权重体积直接影响自建部署门槛：
| 模型 | FP8 权重 | 官方推荐部署 |
|---|---|---|
| DeepSeek-V4-Flash | ~284GB | 4×H100（短上下文）/ 4×H200（1M） |
| GLM-5.3-Flash | ~306GB | vLLM TP4 (GB200) 或 TP8 (H100/H200/MI355X) |
| Qwen3.8-Flash | 172.78 GiB（BF16 为 335 GiB） | vLLM 4×GB300 / 8×H200（TEP8）/ 4×MI355X |
Qwen3.8-Flash 的 51B n-gram 表可 offload 到 CPU（
VLLM_PLE_CPU_OFFLOAD=1，需 ≥51GB 主机内存），这让它在显存受限场景（如 4 卡 MI355X、或 262K 上下文）比前两者更灵活。
三 专业能力：Agent / Coding / 多模态 都是抢分点
3.1 Coding 与 Agent 能力
官方公开的可比基准（分数越高越好，-- 表示未披露）：
| 基准 | DeepSeek-V4-Flash(-0731) | GLM-5.3-Flash | Qwen3.8-Flash |
|---|---|---|---|
| DeepSWE v1.1 | 54.4 | 63.4 | 58.7 |
| Terminal Bench 2.1 | 82.7 | 84.3 | — |
| NL2Repo | 54.2 | 56.3 | 48.1 |
| SWE-bench Pro | 56.0 | — | 62.5 |
| SWE-bench Multilingual | — | — | 81.0 |
| Toolathlon Verified | 70.3 | 78.4 | 73.5 |
| Agents’ Last Exam (Pass@1) | 25.2 | 26.3 | 24.3 |
| AutomationBench | 25.1 | 48.8 | — |
| HLE | 33.8 | 55.3（带工具） | 35.9 |
解读：
- GLM-5.3-Flash 在 Coding/Agent 类基准上整体领先，DeepSWE v1.1（63.4 vs 46.2）和 AutomationBench（48.8 vs 26.2）相比 GLM-5.2 大幅提升，官方称其「接近 Claude Opus 4.8」。
- Qwen3.8-Flash 在 SWE-bench Pro / Multilingual 这类「真实工程修复」上最强，且以 6B 激活打出了接近 13B-18B 激活模型的成绩；但 NL2Repo 上略逊。
- DeepSeek-V4-Flash 是三者中「最稳」的 Agent 通用件，DeepSWE/NL2Repo/Toolathlon 都处于第一梯队，且并发上限最高（2500）。
3.2 多模态（视觉 / 视频）
| 基准 | DeepSeek-V4-Flash(-Vision-Exp) | GLM-5.3-Flash | Qwen3.8-Flash |
|---|---|---|---|
| Chartography (w/ tools) | 64.3 | 78.0 | — |
| CharXiv Reasoning | 80.4 | 89.4 | 84.6 |
| AndroidWorld | — | — | 84.5 |
| OSWorld 2.0 (partial) | — | — | 52.3 |
| Vision2Web | — | — | 64.0 |
| MVBench | 69.4 | 77.8 | — |
| MMVU | 72.7 | 80.5 | — |
📌 口径提示：此表 DeepSeek 数据来自 Z.ai（GLM-5.3-Flash 博客）引用的
DeepSeek-V4-Vision-Exp。注意各家厂商对 DeepSeek 的具体版本取样有别——Z.ai 用 Vision-Exp，Qwen 模型卡用DeepSeek-V4-Flash-0731，因此 DeepSeek 在「Coding 表」和「多模态表」的数值不可直接同列比较。
关键区别：
- DeepSeek 的视觉是「后补」的：V4-Flash 本体纯文本，V4-Flash-Vision-Exp 在 8 月 21 日才上线，共享同一套结构参数，纯文本能力与正式版持平，视觉 Agent 能力接近 Opus-4.8。它的多模态只在 API 侧，开源权重本身不带 vision encoder。
- GLM-5.3-Flash 是 原生多模态（图片/视频/文件），视觉直接融入 Coding 循环——能自主「观察」界面、渲染结果与交互反馈并迭代。这也是它的核心卖点。
- Qwen3.8-Flash 同样是原生多模态（图/视频），在 AndroidWorld/OSWorld/Vision2Web 等「真实使用/复刻」类任务上突出，适合 CUA（Computer Use）场景。
四 成本：谁能用一分钱买到一分「高级智能」
4.1 API 定价对照（人民币，百万 tokens）
统一换算成￥/M，缓存命中数据也已收录：
| 项目 | DeepSeek-V4-Flash | GLM-5.3-Flash（限时5折→原价） | Qwen3.8-Flash（海外） |
|---|---|---|---|
| 输入（未命中，高峰） | 3.0 | 0.8 → 0.4 | — |
| 输入（未命中，闲时） | 1.5 | — | — |
| 输出（高峰） | 9.0 | 2.8 → 1.4 | — |
| 输出（闲时） | 4.5 | — | — |
| 输入（缓存命中） | 0.10（高峰）/0.05（闲时） | 0.23 → 0.115 | $0.016 |
| 备注 | 峰谷定价，工作日高峰打折 50% | 5 折限时两周 | $0.15 输入 / $0.47 输出 |
注：DeepSeek 采用峰谷定价（工作日 9:00-12:00、14:00-18:00 为高峰，其余闲时）；GLM 国内价 5 折限时两周；Qwen3.8-Flash 国内走阿里云百炼（DASHSCOPE），海外 QwenCloud 上 $0.15/$0.47。
直观结论（按人民币折算成美元，~7 ￥/USD）：
| 模型 | 输入（峰值） | 输出（峰值） | 相对成本 |
|---|---|---|---|
| DeepSeek-V4-Flash | ~$0.43 | ~$1.29 | 中 |
| GLM-5.3-Flash | ~$0.11（限时）/ $0.15（海外） | ~$0.20 / $0.50 | 最低 |
| Qwen3.8-Flash | ~$0.15 | ~$0.47 | 低 |
GLM-5.3-Flash 和 Qwen3.8-Flash 在输出侧都做到了 $0.47-0.50/M，而 DeepSeek-V4-Flash 输出要 $1.29（高峰），成本约是前二者的 2.5×。
4.2 开源 + 自建成本
三者均提供开源权重（MIT License 或等同）：
| 模型 | 生命周期 | 自建门槛 |
|---|---|---|
| DeepSeek-V4-Flash | 权重已开源（HF / ModelScope），1M 上下文 | 4×H100 起，1M 需 4×H200，约 284GB FP8 |
| GLM-5.3-Flash | 权重已开源（HuggingFace zai-org/GLM-5.3-Flash），MIT | 约 306GB FP8，TP4（GB200）/TP8（H100/H200） |
| Qwen3.8-Flash | 权重已开源（HF / ModelScope），Qwen3.8-Flash-Next | 约 180GB，4×GB300 / 8×H200 / 4×MI355X；n-gram 可 offload |
五 实际体验与生态
| 维度 | DeepSeek-V4-Flash | GLM-5.3-Flash | Qwen3.8-Flash |
|---|---|---|---|
| 默认思考模式 | 有（thinking/non-thinking） | 仅思考（thinking only） | 默认思考（xhigh/medium/low） |
| 思考强度控制 | low/high/max 三档 | reasoning_effort（low/high/max 近似） | xhigh/medium/low |
| API 兼容 | OpenAI + Anthropic + Responses | OpenAI（智谱风格，兼容） | OpenAI + Anthropic + Responses |
| 工具/Agent 适配 | Claude Code、OpenCode、Codex | ZCode/BUA/CUA、大量生态工具 | Claude Code、Codex |
| 并发上限 | 2500 | 50 | 15K RPM / 2M TPM |
| 强项场景 | 通用 Agent、代码补全、长文档 | 视觉 Coding、Office/金融交付、国产芯片 | 计算机/移动端操控、高并发生产 |
体验层面的几个值得注意的点：
- Qwen3.8-Flash 的
preserve_thinking：默认保留历史所有思考块，牺牲一部分 token 换取 Agent 场景的决策一致性和 KV 复用，实测在长程任务上更稳。 - GLM-5.3-Flash 的思考模式是「强制开启」（
thinking.type只能enabled），不支持关闭；官方建议temperature=1, top_p=0.95, reasoning_effort=max，流式同时开stream+tool_stream。 - DeepSeek 的峰谷定价：闲时（晚上/周末）价格砍半，适合把批处理任务挪到非高峰的团队，能再省一截。
- 并发：Qwen3.8-Flash 给到 15K RPM / 2M TPM，远超 DeepSeek 的 2500，适合高并发在线服务；DeepSeek 的 2500 并发更适合大模型 Agent 编排的墙钟调用。
七 怎么选
| 你的场景 | 首选 |
|---|---|
| 需要极致低成本 + 原生多模态 + Coding 闭环 | GLM-5.3-Flash（输出 $0.50/M，视觉 Coding 最强，国内 5 折更划算） |
| 需要 6B 激活、超稀疏架构、高并发 API + 多模态 CUA | Qwen3.8-Flash（6B 激活、$0.47 输出、15K RPM） |
| 需要 1M 默认上下文 + 通用 Agent 稳定 + 峰谷省钱 | DeepSeek-V4-Flash（1M 标配、并发 2500、闲时半价） |
| 想彻底自建、避开云依赖 | 三者都开源；显存紧选 Qwen（n-gram offload），要长上下文 1M 选 DeepSeek 或 GLM |
| 国产芯片 / 信创环境 | GLM-5.3-Flash（官方已在国产加速芯片集群跑通，MI355X 有官方 recipe） |
八 局限与风险提示
- 三家厂商各自的基准都用自家评测框架（DeepSeek Harness、Z.ai Code Bench、Qwen 自家 Cowork/RecreationBench），不同厂商横评不能直接 pk 分数，只能看相对趋势。
- GLM-5.3-Flash 国内 0.4/1.4 元是限时 5 折，两周后恢复 0.8/2.8 元；海外 $0.15/$0.50 是稳定价。
- Qwen3.8-Flash-Next 是「架构预览」版本（262K 原生），生产接入请用 API 版
qwen3.8-flash（1M 默认、内置工具）。 - DeepSeek 的
deepseek-chat/deepseek-reasoner旧模型名已于 2026-07-24 停止使用，需迁移到deepseek-v4-flash。 - 三方都在快速迭代，基准数字会随版本变化，落地前请核对官方文档。
参考资料
官方来源（首选）：
- DeepSeek：
- 智谱 GLM：
- 阿里 Qwen：
部署与专业延伸：
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
9
0- 0
已为社区贡献13条内容
所有评论(0)