Walaupun model AI tempatan memimpin penggunaan selama sembilan minggu berbanding AS, kos sebenar dalam skenario pengaturcaraan intensif jauh melebihi pakej GPT Codex. Zhipu mengalami kerugian lebih daripada 3 miliar yuan pada 2025, sementara pakej seperti Kimi menghadapi had kuota dan pengurangan trafik semasa puncak. Punca utamanya ialah infrastruktur komputasi China yang tidak mencukupi (449 pusat data berbanding 5,427 di AS), menyebabkan ketidakmampuan untuk memperkenalkan pakej berharga tinggi seperti Codex. Pada masa ini, pembangun perlu menimbang antara prestasi, harga, dan kestabilan; model tempatan hanya mendekati model antarabangsa teratas pada beberapa indikator prestasi, dan secara keseluruhan masih menghadapi masalah populariti yang tinggi tetapi penggunaan yang rendah.

Penulis artikel, sumber: Zuihua FunTalk

Dalam sebulan terakhir, dunia AI Silicon Valley telah mengeluarkan pelbagai inisiatif besar, dengan GPT-5.6, fable5, dan Grok-4.5 muncul berturut-turut.

Pada masa itu, komunitas pembangun dan pengaturcara tempatan semuanya bergolak, dengan pelbagai perbincangan dan ulasan mengenai model canggih seperti GPT-5.6 berterusan.

Walaupun model tempatan baru seperti Kimi-K3 telah dikeluarkan bulan ini, secara keseluruhan, model besar tempatan masih berada dalam keadaan “diapresiasi tetapi tidak banyak digunakan” di kalangan pembangun utama.

Berdasarkan data terkini, dari segi penggunaan: Data OpenRouter dari 22 hingga 28 Jun menunjukkan bahawa penggunaan mingguan model China mencapai 2.039 trilion Token, manakala model Amerika ialah 425 bilion, dengan model China memimpin selama sembilan minggu berturut-turut.

Namun, sebaliknya, prestasi pendapatan enam syarikat AI domestik ini tidak begitu memuaskan: laporan kewangan awam menunjukkan bahawa Zhipu mencatat pendapatan 724 juta yuan pada tahun 2025, tetapi rugi mencapai lebih daripada 3 bilion yuan; MiniMax pula mencatat pendapatan 79 juta dolar AS (kira-kira 570 juta yuan); empat syarikat lain seperti Yue Zhi An Mian belum mengumumkan pendapatan tahunan penuh mereka.

Walaupun perusahaan terkemuka, pendapatan masih berada pada tahap miliaran yuan.

Sebaliknya, sebagai syarikat terkemuka dalam bidang AI, Anthropic telah mencapai ARR sekitar US$60 bilion hingga US$70 bilion, didorong terutamanya oleh API B2B dan skenario AI Coding.

Ini memunculkan satu soalan tajam:

Mengapa model tempatan yang digelar "murah" dan "menggunakan jumlah permintaan tinggi" masih hanya mendapat pujian tetapi tidak mendapat pengiktirafan luas, dan masih sukar bersaing secara langsung dengan model terkemuka luar negara dalam skenario bernilai tinggi seperti AI Coding?

Baru-baru ini, selepas berbincang secara mendalam dengan pelbagai pembangun terkemuka, saya mendapati satu fakta yang sangat tidak intuitif:

Model besar buatan tempatan, dalam beberapa segi, sebenarnya sangat "mahal".

Just because of this "high cost," some domestically developed models with performance breakthroughs struggle to truly showcase their strengths.

01 Ilusi “harga rendah”

Apabila disebut model besar buatan tempatan, ramai orang memikirkan perwakilan seperti DeepSeek dan Kimi, dan salah satu label yang paling berkaitan dengannya ialah harga rendah, murah;

Jika dilihat hanya dari harga setiap token, model tempatan memang memiliki keunggulan yang signifikan berbanding model terkemuka seperti GPT-5.6 dan Fable5. Sebagai contoh, GLM-5.2 dan DeepSeek V4: harga input/output setiap juta token GLM-5.2 ialah $1.4/$4.4, manakala DeepSeek-V4-Pro ialah $0.435/$0.87; GPT-5.6 Sol pula $5/$30, dan Claude Fable 5 ialah $10/$50.

Namun sebenarnya, kesan “harga rendah” ini adalah salah faham yang berterusan di kalangan orang luar.

Terutama dalam skenario pemrograman intensif, harga unit model besar buatan tempatan tidak hanya tidak unggul, tetapi bahkan lebih mahal beberapa kali ganda berbanding GPT dan Claude yang mempunyai pakej.

Li Guang (nama samaran) adalah seorang penyelidik di bidang AI yang, berikutan keperluan kerja, menghabiskan puluhan miliar Token setiap hari dalam skenario AI Coding. Dengan penggunaan sebanyak ini, jika menggunakan model besar tempatan seperti GLM-5.2, keseluruhan kos akan menjadi sangat menakutkan.

Slip token yang dipaparkan oleh Li Guang

Pada hari percakapan tersebut, Token yang digunakan oleh Li Guang hampir mencapai 4 miliar. Jika dia menggunakan GLM-5.2, kosnya kira-kira: (86.39 juta input biasa × 1.4 dolar + 3.38 miliar input cache × 0.26 dolar + 19.06 juta output dan inferensi × 4.4 dolar) sekitar 1,084 dolar, dengan anggaran 1 dolar = 7.2 yuan, kira-kira setara dengan 7,800 yuan Tiongkok.

Alasan Lee Guang boleh membuang Token dengan bebas ialah kerana beliau telah mengambil pakej CodeX GPT,

Di sini dijelaskan secara ringkas bentuk paket CodeX: secara ringkas, ia adalah paket yang diperkenalkan khusus untuk skenario pemrograman; secara ketat, ia bukan benar-benar tanpa batas, tetapi menggabungkan Codex ke dalam langganan ChatGPT: Plus seharga US$20/bulan, Pro bermula daripada US$100/bulan, dengan kuota kira-kira 5 hingga 20 kali ganda Plus; selepas mencapai had, pengguna boleh membeli Credits untuk terus menggunakan perkhidmatan.

Secara serupa, Claude Code daripada Anthropic juga menawarkan pakej serupa, iaitu: Claude Pro pada $20/bulan, Max 5x dan Max 20x masing-masing pada $100 dan $200/bulan; kuota setiap 5 jam dan mingguan untuk laman web Claude dan Claude Code dikongsi, dan selepas mencapai had, pengguna boleh sambung menggunakan mengikut harga API.

Di bawah paket ini, kos Token yang besar justru dihapuskan.

Bagi pembangun dalam negara, menghabiskan puluhan hingga ratusan bilion token setiap hari dalam skenario AI Coding yang intensif adalah keadaan biasa.

Liu Xiao juga merupakan pengembang berat AI Coding, dengan perbelanjaan mingguan sebenarnya sebanyak 300 yuan Cina di Codex, dan ini masih tanpa penggantian kos dari syarikat.

Namun, walaupun kos sebegini, ia masih jauh lebih murah berbanding model tempatan, kerana dengan RM300 yang sama, anda tidak mungkin memperoleh jumlah token yang sama dengan GLM 5.2.

Bilangan Token Xiao Liu

Dari perspektif pembangun dalam negara, pakej Codex GPT adalah token paling murah yang boleh dibeli sekarang, lebih murah beberapa kali ganda berbanding ZhiPu dan Kimi. Ini mungkin bertentangan dengan intuisi, tetapi fakta ialah model tempatan tidak mampu bersaing dari segi nilai berbandingnya dalam skenario pengkodean yang intensif.

Perlu ditekankan bahawa Codex bukanlah pakej tanpa had sejati; jika dihitung berdasarkan pakej tertinggi sebanyak US$200, kira-kira ada kuota sebanyak 2 bilion seminggu.

Namun, kerana sebahagian pembangun menggunakan model melalui cara-cara seperti "stesen perantara", kos sebenar beberapa model jauh lebih rendah berbanding saluran rasmi, yang menyebabkan kadang-kadang anda boleh membeli lebih banyak Token dengan harga yang lebih rendah, sehingga muncul fenomena di mana RM300 boleh membeli 12 bilion Token.

Sebenarnya, model tempatan tidak pernah tidak menawarkan pakej serupa, tetapi jika diperiksa lebih mendalam, pakej seperti ini mempunyai banyak sekali had berbanding Codex.

02 Kesakitan penetapan harga tempatan

Keadaan semasa model besar tempatan dari segi penetapan harga boleh digambarkan dengan satu ayat:

Anda menyangka anda memasuki tempat makan prasmanan, tetapi akhirnya anda sedar bahawa peniaga masih mengenakan bayaran mengikut berat.

Sebagai contoh, dari segi pakej, Kimi dan GLM-5.2 di pasaran domestik menawarkan empat tier harga: 49, 99, 199, dan 699 yuan, dengan kuota yang diperbaharui setiap minggu; bagi GLM Coding Plan, versi Lite, Pro, dan Max masing-masing memberikan sekitar 80, 400, dan 1600 Prompt setiap 5 jam, atau sekitar 400, 2000, dan 8000 Prompt seminggu, dan pada masa puncak GLM-5.2, kuota akan dikurangkan tiga kali ganda.

Mengambil contoh Qoder dari Alibaba, menurut rakan penulis yang bekerja dalam penyelenggaraan pelanggan B, Ah Mi (nama samaran): "Qoder dahulu merupakan AI IDE paling mudah digunakan di China, malangnya harga baharu mereka sendiri telah menghilangkan kelebihannya."

Dalam hal pakej: Qoder CN Peribadi Pro dan Pro+ masing-masing berharga 59 dan 169 yuan/sebulan, termasuk 2000 dan 6000 Kredit; versi Teams dan VPC masing-masing berharga 99 dan 199 yuan/posisi.sebulan, kedua-duanya termasuk 3000 Kredit, dengan versi VPC bermula daripada 50 posisi.

Selepas mereka menggabungkan Lingma dan menyesuaikan harga tahun ini, sejauh yang saya tahu, sekurang-kurangnya dua puluh hingga tiga puluh pihak telah berhenti memperbaharui langganannya,” kata A Mi kemudian.

Berdasarkan ujian A Mi, pakej Qoder Enterprise Edition 199 habis dalam 3 hari mengikut penggunaannya, dan jika digunakan oleh pengembang berat, ia mungkin habis dalam sehari.

Demikian juga, dalam hal pakej, GLM-5.2 juga menimbulkan perasaan campur aduk di kalangan pengguna tempatan.

Menurut pengembang Xiao Wei: "Pakej GLM-5.2 hampir tidak ada, walaupun ada pakej, penghalaan masih berlaku semasa masa puncak, dan terdapat tindakan 'mengkhianati' pengguna."

Menurut laporan 36Kr: Paket GLM-5.2 sebelum ini lebih sukar didapat daripada tiket konser, dan stok akan dikemas semula setiap hari pada pukul 10:00 pagi—kejayaan pembelian bergantung sepenuhnya pada kelajuan tangan anda.

Pada Januari 2026, Zhipu mengumumkan bahawa kerana kekurangan kuasa pengiraan, jumlah harian yang boleh dijual telah dipotong terus kepada 20% daripada jumlah asal, dengan kuota dikeluarkan setiap hari pada pukul 10:00 pagi dan habis terjual dalam beberapa minit.

Pada akhirnya, kehematan model tempatan dalam pakej dan harga pada dasarnya adalah akibat kekurangan kuasa pengiraan.

Berdasarkan data dari Akademi Informasi dan Teknologi China dan Kementerian Industri dan Teknologi Informasi pada tahun 2025, China mempunyai 449 pusat data yang sedang beroperasi, manakala Amerika Syarikat mempunyai 5,427. Dari segi jumlah kuasa pengiraan, China berada pada 1,053 EFLOPS, manakala Amerika Syarikat berada pada 2,400 EFLOPS.

Namun, yang penting di sini ialah: dalam 2,400 EFLOPS di Amerika Syarikat, GPU kelas tinggi mendominasi; dalam kekuatan pengiraan China, sebahagian besar terdiri daripada cip tempatan seperti Huawei Ascend dan Cambricon, yang masih mempunyai jurang generasi dalam prestasi setiap kad berbanding H100.

Untuk mengatasi permintaan kuasa pengiraan yang semakin meningkat, mulai Mac 2026, Zhipu, Alibaba Cloud, Tencent Cloud, dan Baidu secara bersama-sama menaikkan harga token, dengan kenaikan antara 5% hingga 460%.

Secara jujur, “harga rendah” dan “perang harga” model tempatan sudah menjadi sejarah.

Bukan kerana model tempatan tidak ingin membuat buffet, tetapi kerana telah dihitung: dengan kos pengiraan semasa dan status kerugian, menyediakan langganan bulanan sama dengan mempertaruhkan yuran tetap bulanan bahawa pengguna tidak akan membanjiri sistem. Mengikut cara penggunaan pembangun dan jurutera perisian tempatan yang sering membakar puluhan hingga ratusan bilion Token sehari, model perniagaan seperti ini akan segera melepasi garis kos.

Manakala pakej pemrograman OpenAI dan Anthropic menjual kepada pelanggan korporat bernilai tinggi—pelanggan besar seperti Cursor dan GitHub Copilot boleh menyumbang pendapatan sebanyak US$1.4 bilion kepada Anthropic dalam setahun.

Dengan sokongan kekuatan pengiraan yang tinggi, model perniagaan ini pada dasarnya menukar "yuran tetap bulanan" dengan "pengekalan pelanggan jangka panjang", dengan kualiti pelanggan yang tinggi dan ARPU yang relatif tinggi, serta menyeimbangkan kos.

Sebaliknya, di dalam negara, walaupun terdapat raksasa awan seperti Alibaba, masalahnya: Margin EBITA disesuaikan Alibaba Cloud FY2026 hanya 7.5%, walaupun Kumpulan Kecerdasan Awan mengalami pertumbuhan pendapatan yang cepat, tetapi keuntungannya tidak begitu tinggi.

Selain itu, penyedia awan tradisional berani menjual "pelayan awan tanpa had kuota" kerana pengguna tidak membebankan sepenuhnya 24 jam sehari. Sebuah ECS, penggunaan CPU sebenar mungkin hanya 10%, dan penyedia awan boleh menjual berlebihan satu mesin fizikal kepada sepuluh orang.

Namun, inferensia model besar berbeza: setiap token yang masuk memerlukan penggunaan kuasa GPU yang sebenar. Jika pengguna terus-menerus menggunakannya selama 24 jam, kos tetap bagi memori HBM, inti GPU, dan elektrik penyedia awan adalah perbelanjaan tetap tanpa ruang untuk jualan berlebihan.

03 Segitiga Emas model

Selain faktor harga, alasan utama bagi pembangun tempatan untuk memilih Codex dan Claude Code ialah prestasi pemrogramannya yang kuat.

Namun, dari segi prestasi, model tempatan juga tidak seburuk yang disangka oleh beberapa stereotaip.

Selepas berbincang dengan beberapa pembangun, penulis mendapati satu pandangan yang agak umum: model besar tempatan, terutamanya model terkini seperti GLM-5.2, sudah mampu menjalankan tugas-tugas bantuan dan sekunder, seperti pengujian dan memperbaiki ralat.

Namun, dalam tugas asinkron yang lebih kompleks dan berpanjangan, model tempatan masih mempunyai jurang yang besar berbanding model terkemuka seperti GPT dan Claude.

Pembangun Xiao Zhang, pada bulan Mac tahun ini pernah menggunakan model tempatan untuk pemrograman, membandingkan tugas yang sama menggunakan GLM, Qwen, dan GPT; hanya GPT yang dapat menyelesaikannya dan memenuhi keperluan laman web, iaitu satu projek perbandingan kandungan pelbagai peringkat dan pelbagai lajur serta penghasilan keputusan.

Namun, pengembang lain, Xiao Wei, menyatakan berdasarkan pengalamannya, kinerja Kimi 2.7 dan Doudou 2.1 Pro juga boleh diterima, tetapi secara keseluruhan ia masih lebih lemah satu peringkat (termasuk dalam kumpulan kedua), tetapi secara keseluruhan ia masih melebihi Claude Sonnet 4.6.

Sekarang, konsensus umum dalam kalangan pengembang ialah: GLM-5.2 adalah model tempatan pertama yang mencapai tahap Opus.

Ia tersedia dan berperanan dalam melaksanakan tugas asinkron yang sebenar, kompleks, dan jangka panjang.

Walaupun ia masih mempunyai jurang yang besar berbanding model Opus sebenar dalam banyak dimensi, seperti pengetahuan dunia, ini tidak menghalangnya daripada menjadi ketinggian baharu model tempatan.

Namun, kenyataannya: ini baru saja muncul sebagai beberapa "pelajar terbaik", tetapi ditarik mundur oleh faktor-faktor lain yang tidak berkaitan dengan prestasi.

Secara khusus, faktor-faktor seperti kecekapan cache yang rendah dan penghadan aliran yang masih berlaku semasa puncak menjadikan pengalaman pembangun sangat buruk.

Ini membawa kepada dimensi lain dalam perbandingan model semasa: kestabilan.

Dalam pengalaman pengembang dan juru program di garis depan, pemilihan model sudah bukan lagi perbandingan prestasi yang mudah, tetapi—

Segitiga emas prestasi-harga-kestabilan.

Dalam tiga dimensi ini, model tempatan hanya berjaya meraih sebahagian indikator pada dimensi pertama.

Baru-baru ini, Kimi di dalam negara melancarkan model unggulan terbaharu mereka, K3: model unggulan bersifat terbuka dengan 2.8 trilion parameter, multi-modal asli, dan konteks 1 juta Token, yang difokuskan pada pemrograman jangka panjang, kerja pengetahuan, dan penalaran mendalam.

Dalam pelbagai ulasan, indeks kecerdasannya di Artificial Analysis ialah 57 mata, menempati tempat ketiga secara global; ia memuncaki tangga pemrograman antara muka Arena dengan 1679 mata, dan bahkan ada desas-desus yang menyatakan prestasinya sudah sebanding dengan Claude Fable 5.

Namun, di sebalik skor dan peringkat yang cemerlang, perkara yang paling diperhatikan oleh pembangun tetap satu perkataan: nilai untuk wang.

Selepas pelancaran K3, banyak pembangun menyatakan bahawa Kimi masih mahal, tidak memberikan nilai berbanding Codex, dan kuota tidak mencukupi. Dari segi harga API sahaja, K3 tidak boleh dikatakan "murah": harga untuk setiap juta Token cache/input/output masing-masing ialah 2/20/100 yuan; GPT-5.6 Sol ialah 0.5/5/30 dolar, K3 walaupun lebih rendah daripada Sol, jelas lebih tinggi daripada GPT-5.6 Luna yang berharga 0.1/1/6 dolar.

Dan semasa penggunaan K3, pembangun menyatakan bahawa terdapat gangguan sambungan API, bahkan terputus sepanjang pagi.

Dalam keadaan semasa, pembangun tempatan bukan tidak bersedia membayar untuk model tempatan, tetapi model tempatan kini tidak mampu menawarkan pakej yang bernilai seperti Codex akibat kekurangan kuasa pengiraan dan kos yang tinggi, sehingga hanya mampu menawarkan pakej "Dazhong Dianping" yang kelihatan seperti buffet tetapi sebenarnya terhad (serupa dengan Rancangan Coding dari Zhipu).

Pengalaman pakej yang tidak stabil dan nilai untuk wang yang kabur menyebabkan pengguna sukar kekal setelah mencuba. Pada dasarnya, ini adalah pilihan rasional pengguna mengingat kos asas kuasa pengiraan yang tinggi pada masa ini.

Ini semua bukan untuk memperbesar semangat orang lain atau memperkecil semangat kita sendiri, tetapi hanya ingin menyoroti satu risiko.

Saat ini, model tempatan sedang mengejar GPT dan Claude dengan sangat menekankan prestasi, tetapi perjalanan model bahasa besar tempatan dari pembangunan hingga aplikasi jauh melebihi sekadar mendaki satu gunung sahaja.

Yang kita perlukan ialah bersabar, menunggu hingga asas kekuatan pengiraan tempatan diproduksi dalam skala besar, di mana teknologi, harga, dan kestabilan membentuk sinergi, maka produk kami akan mampu memenuhi harapan pengguna.