先记住这三点
- 同一窗口的四款模型走了四条路：Qwen3.8-Max 涨价 50% 换 +0.8 分；GLM-5.3 降价 10% 做能力重配（agent +4、生成 −4）；DeepSeek-V4.1-Flash 降价 25% 从专用件变通用件（agent +13、生态 +19）；Qwen3.8-Flash 用 1/10 的价格拿到前代 92.5% 的分数。
- 四款全部证据 B。这不是本站保守，是 2026 年 Q4 的结构性事实：发布窗口压缩到财报季前，第三方复现跟不上发布节奏。
- GUI Agent 在这个窗口从旗舰特性变成发布标配：四款里三款声明 GUI 模态。2026 Q4 是 GUI agent 的普及窗口，也是失败恢复率第一次比成功率更重要的窗口。
十一天，四款模型，一条被压缩的发布窗口
2026 年 9 月 30 日到 10 月 9 日，深度求索、智谱、阿里在十一天里发布了四款模型：DeepSeek-V4.1-Flash、GLM-5.3、Qwen3.8-Max、Qwen3.8-Flash。这不是巧合——三季报前的发布窗口、训练集群的排期、以及“赶在评测机构冻结年度数据前入场”的默契，共同压缩出了这条时间带。
这篇文章不复述任何一份发布稿。发布稿回答的是“这款模型有多强”，而选型者真正想问的是四个别的问题：
- 同一窗口的四款模型，各自在涨价还是降价？
- 相比各自的前代，能力从哪个维度挪到了哪个维度？
- 四款全部证据 B 之后，一个要签合同的人该怎么办？
- 这个窗口暴露了 2026 年国产多模态的什么结构性动作？
四个问题各有一张表。所有数字都能从本站 32 款模型的 256 个评分点直接复算，脚本随数据发布。
同窗口对位表
| DeepSeek-V4.1-Flash | GLM-5.3 | Qwen3.8-Flash | Qwen3.8-Max | |
|---|---|---|---|---|
| 发布日 | 2026-09-30 | 2026-10-02 | 2026-10-09 | 2026-10-09 |
| 厂商 | 深度求索 | 智谱 AI | 阿里巴巴 | 阿里巴巴 |
| 输出单价 | ¥0.6 | ¥9 | ¥1.2 | ¥18 |
| 综合分 | 87.9 | 92.4 | 87.5 | 95.4 |
| 总榜名次 | #12 | #4 | #13 | #1 |
| 证据等级 | B | B | B | B |
| 许可 | MIT 开放权重 | 闭源 + 私有化授权 | Apache-2.0 开放权重 | 闭源商用 API |
| 上下文 | 128K | 400K | 256K | 1M（原生 256K） |
| 模态 | 文/图/视频 | 文/图/视频/GUI | 文/图/视频/GUI | 文/图/视频/音频/GUI |
| 前代参照 | DeepSeek-OCR 2 | GLM-5 | Qwen3.5-397B | Qwen3.5-397B |
四款的价格跨度是 30 倍（¥0.6 到 ¥18），综合分跨度是 7.9 分。同一个发布窗口里，厂商对“这款模型卖给谁”的回答完全不同——这不是四款竞品，是四种采购身份。
代际追分表：一次升级的真实形状
“新版比旧版强”是最懒的结论。追分表把每次升级拆成逐维度分差，全部由本站评分算出。它回答的是：这次升级取了什么、舍了什么。
GLM-5.3 对 GLM-5：一次产品化重配
| 维度 | GLM-5 | GLM-5.3 | 变化 |
|---|---|---|---|
| Agent | 91 | 95 | +4 |
| 生态 | 92 | 97 | +5 |
| 视频 | 88 | 88 | 0 |
| 感知 | 93 | 93 | 0 |
| 中文 | 95 | 95 | 0 |
| 文档 | 95 | 94 | −1 |
| 图表 | 92 | 91 | −1 |
| 生成 | 89 | 85 | −4 |
| 综合分 | 92.0 | 92.4 | +0.4 |
| 价格 | ¥10 | ¥9 | −10% |
小版本号，大动作：+4 Agent、+5 生态、−4 生成。这是一次把预算从“生成”挪到“Agent 与交付”的明确重配——生成 −4 是全站同门代际里最大的一次主动退让。读法很直接：智谱认为 2026 下半年企业买单的是工具调用和私有化交付，不是图像生成。如果你采购 GLM-5.3 是为了图像生成，你买到了它主动放弃的那一档。
Qwen3.8-Max 对 Qwen3.5-397B：补齐短板，也有取舍
| 维度 | Qwen3.5-397B | Qwen3.8-Max | 变化 |
|---|---|---|---|
| Agent | 92 | 95 | +3 |
| 感知 | 96 | 97 | +1 |
| 图表 | 95 | 96 | +1 |
| 视频 | 92 | 93 | +1 |
| 中文 | 94 | 95 | +1 |
| 文档 | 97 | 97 | 0 |
| 生成 | 90 | 90 | 0 |
| 生态 | 98 | 96 | −2 |
| 综合分 | 94.6 | 95.4 | +0.8 |
| 价格 | ¥12 | ¥18 | +50% |
补的全是短板（Agent +3、视频 +1），让的是生态（−2：Qwen3.5 时代的部署工具链优势被重新分配到了开源小尺寸上）。代价是价格 +50%——这是本站收录的模型里最贵的一次换代涨价，而它换来的综合分只有 +0.8。这个交换比是否划算，取决于你的业务是否恰好落在 Agent 与视频两个维度上。
DeepSeek-V4.1-Flash 对 DeepSeek-OCR 2：从专用件到通用件
| 维度 | DeepSeek-OCR 2 | DeepSeek-V4.1-Flash | 变化 |
|---|---|---|---|
| 生态 | 76 | 95 | +19 |
| Agent | 72 | 85 | +13 |
| 生成 | 60 | 72 | +12 |
| 视频 | 70 | 78 | +8 |
| 感知 | 84 | 90 | +6 |
| 图表 | 88 | 92 | +4 |
| 文档 | 99 | 95 | −4 |
| 中文 | 90 | 86 | −4 |
| 综合分 | 81.9 | 87.9 | +6.0 |
| 价格 | ¥0.8 | ¥0.6 | −25% |
这是四款里变化最剧烈的一款，也是产品定位变化最大的一款：DeepSeek 把“版面解析专用件”改成了“通用原生多模态”，文档 −4、生态 +19、Agent +13。文档让出 4 分，换来的是另外七个维度的全面补课。对采购者的含义：文档流水线的第一道解析仍然应该用 OCR 2（99 分还在），但第二道复核现在可以用同门的 V4.1-Flash 而不是旗舰——这个组合的每千张成本是 ¥0.72 + ¥0.54，而“旗舰复核”组合是 ¥0.72 + ¥16.29。
Qwen3.8-Flash 对 Qwen3.5-397B：1/10 的价格，92.5% 的分数
不逐维度比了——这是四种不同的产品。看一个比值就够：Qwen3.8-Flash 用 Qwen3.5-397B 十分之一的价格（¥1.2 对 ¥12），拿到了它 92.5% 的综合分（87.5 对 94.6），并且是四款新模型里许可最宽的两款之一（Apache-2.0）。它是本站天梯榜上第一次出现“Flash 档进入 A 梯队”，直接改写了性价比帕累托前沿的形状。
证据 B 波：四款新模型，一个共同的不确定性
四款模型，四张 B。原因完全相同：发布不足 30 天，没有第三方独立复现，没有 30 天稳定性观察。这不是本站保守——发布窗口被压缩进财报季，第三方评测机构的节奏跟不上厂商的发布节奏，这是 2026 年 Q4 的结构性事实。
把 B 量化出来更直观。按本站口径，一个 B 级分数的合理区间约为 ±1.5 分：
| 模型 | 公布分 | 合理区间 | 含义 |
|---|---|---|---|
| Qwen3.8-Max | 95.4 | 93.9–96.9 | 可能与豆包（95.2）互换，也可能拉开 |
| GLM-5.3 | 92.4 | 90.9–93.9 | 可能摸到 S+ 下沿，也可能退回 A+ |
| DeepSeek-V4.1-Flash | 87.9 | 86.4–89.4 | 可能进入 A- 上沿 |
| Qwen3.8-Flash | 87.5 | 86.0–89.0 | 同上 |
对应的操作建议只有一条分界线：项目周期长于一个评测周期（约三个月）→ 等复现；周期不等人 → 用 A 级证据的次优解把确定性买回来。 次优解是现成的：同能力档的豆包 Seed 2.0 Pro（95.2 / A）与 GLM-5（92.0 / A）。0.2 分换一个 A，在三年期合同里通常是划算的——这是 一票否决天梯榜 第五道门的全部逻辑。
GUI Agent：这个窗口最被低估的动作
四款新模型里，三款声明了 GUI 操控模态（GLM-5.3、Qwen3.8-Flash、Qwen3.8-Max），只有 DeepSeek-V4.1-Flash 没有。而全站在此之前只有 Kimi K3 一款声明 GUI。
也就是说，GUI Agent 在这个十一天的窗口里，从“旗舰的单点特性”变成了“发布会的标配声明”。这个变化比任何单项分数都重要，原因写在 GUI Agent 评测 里：公开基准在 95 分档已经失去区分度，真正的分水岭是失败恢复率——GLM-5.3 78% > Qwen3.8-Max 71% > Kimi K3 64%。声明 GUI 的模型从 1 款变 4 款，意味着“能点按钮”明年就不再是卖点，“错了能自己回来”才是。选型时把恢复率写进验收标准，比把“支持 GUI”写进需求文档有价值得多。
八条采购身份，八张账单
把四款前沿模型与同期入榜的行业模型放回各自的位置，这个窗口给出的其实是一张完整的采购地图：
| 如果你的业务是 | 选它 | 每千张图（1024px） | 理由 |
|---|---|---|---|
| 大批量文档流水线 | DeepSeek-V4.1-Flash | ¥0.54 | 文档 95 + MIT 许可，成本基线 |
| 高频图像打标 / 内容审核 | Qwen3.8-Flash | ¥1.09 | 生态 97 + Apache-2.0，交付最快 |
| 信创 / 私有化 | GLM-5.3 | ¥8.14 | 昇腾全栈 + 私有化授权，独一档 |
| 能力上限优先 | Qwen3.8-Max | ¥16.29 | 综合分榜首，图表/文档双 96+ |
| 金融票据 / 合规文档 | 蚂蚁百灵 Ling 2 | ¥4.53 | 中文 92 + 金融场景语料 |
| 电商商品图 / 供应链 | 京东言犀 2 | ¥5.43 | 商品图与 SKU 语料独占 |
| 游戏 / 短视频内容 | 网易伏羲 2 | ¥3.62 | 生成 82 + 视频 84，内容向 |
| 安防监控 | 海康观澜 3 | 行业授权 | 监控视频唯一选项，随硬件交付 |
注意第三行与第四行之间隔着 8 倍价差——“国产化”和“能力上限”在 2026 年 10 月仍然是两个市场，不是两个价位。 注意最后四行与前四行的性质差异：前四行买的是“通用能力”，后四行买的是“场景语料”——后者在 帕累托前沿 上几乎全部被压制，在 行业场景独占地图 上各是一个“没有第二名”。这是这个发布窗口给出的最硬的一条结构性事实，也是我们在 企业选型手册 里让 G2 做第二道门的原因。
三个月后该回来看什么
预注册三个观察点，避免这篇分析变成又一次“发布稿复述”：
- 第三方复现是否收敛。 四款的 B 是否在 2027 年 1 月前升 A，分数是否留在 ±1.5 区间内。任一方向出逃，都说明厂商口径与独立测量之间有系统性偏差。
- 前沿锚点是否移动。 当前性价比前沿的锚点是 DeepSeek-V4.1-Flash（¥0.54/87.9）。下一代 Flash 若把同能力压到 ¥0.3 以下，前沿形状会再次重写——届时本文的表格作废，新的表格会出现在 每千张图成本 里。
- GUI 恢复率是否成为公开基准。 如果 AndroidWorld 或 OSWorld 在下一版加入“失败恢复”指标，本文的独家制品就变成了公共品——那正是这个站存在的意义：把独家变成常识，然后去找下一个独家。
边界与口径
追分表的分数是本站编辑部映射分，不是任何公开基准的原始分；前代与新版的评分在相同权重下复算，保证可比。±1.5 分的 B 级区间是本站对“厂商口径 + 部分社区复现”这一证据档的经验估计，不是统计置信区间。所有数字随 更新日志 修订，修订记录可查。
关于本文的常见问题
四款都是 B 级证据，现在能选吗？
取决于项目周期。周期超过一个季度，等第三方复现通常更划算：B 级模型的分数可能在 91–93.5 之间漂移，A 级模型的分数我们比较确定。周期不等人，就选 A 级证据的次优解（豆包 95.2、GLM-5 92.0），把确定性买回来，把版本波动留给下一个合同周期。
代际追分表是什么，怎么用？
它是每款新模型与同门前代逐维度分差的对照表，全部从本站 256 个评分点直接算出。用它判断一次升级的真实形状：GLM-5.3 相比 GLM-5 是“agent +4、生态 +5、生成 −4”的产品化重配，不是全面变强；Qwen3.8-Max 相比 Qwen3.5-397B 的生态 −2 说明换代有取有舍。升级前先看追分表，能避免“新版一定更好”的默认假设。
