2026 最佳 Flash LLM API：GLM 性价比最高，Gemini 3.8 最强

2026 年 9 月哪款 Flash 级 LLM API 最好，取决于你的需求：GLM 5.3 Flash 每美元能买到的基准测试分数最高；Gemini 3.8 Flash 综合实力最强，也是处理音频和视频的首选；Claude Sonnet 5 最少编造答案，但价格最高；Seed 2.0 Mini 则是通过我们全部测试的最便宜模型。这里的 Flash 级，指每家厂商旗下小型、快速的模型。我们评估了 16 款模型，发现每家厂商的当前型号都优于上一代小模型，并从标价、缓存价格、输入类型、thinking 控制、独立基准测试、单任务成本和生产环境故障点等方面，对比其中 9 款当前型号。

TL;DR

• 应升级到各厂商的当前型号：Claude Sonnet 5、GPT-5.6 Terra 和 Gemini 3.8 Flash 的每 token 价格高于 Haiku 4.5、GPT-5.4 mini 和 Gemini 3.5 Flash-Lite，但每个正确答案的成本低 2.5 到 3.9 倍。
• 性价比最高：GLM 5.3 Flash，Artificial Analysis 指数为 41.9，单任务成本 $0.25。
• 综合实力和多模态能力最强：Gemini 3.8 Flash。
• 编造答案最少：Claude Sonnet 5，但单任务成本最高。
• 最便宜：Seed 2.0 Mini，价格为 $0.10 / $0.40。

这 9 款模型表现如何，我们怎么测试？

价格和功能来自厂商页面，基准测试来自使用同一套测试框架运行所有模型的独立排行榜。我们的实测只用于判断模型是否达到准入线，不用于排名。排行榜包括 Artificial Analysis（AA）Intelligence Index v4.3 及其 non-hallucination rate（模型在不知道答案时拒绝回答，而不是猜测的比例）、LiveBench、Vals Index，以及 Arena 的文本和 WebDev 投票。我们的测试包含 11 道答案可核验的题目，包括数字计数、质数求和、网格路径、硬币组合、模幂、背包问题等，每题运行 3 次。另有 5 个关于虚构公司、研究所、城镇、合金和奖项的问题，我们会通读回答，判断模型是拒绝作答还是编造答案。Thinking 指模型在输出答案前生成的 reasoning token，这些 token 按输出计费，并通过 reasoning_effort 等字段逐请求设置。所有模型都分别在默认设置和支持的每档 thinking 设置下运行。

数据源，读取于 2026-09-17：Artificial Analysis、LiveBench、Vals Index、Arena 文本榜和 Arena WebDev 榜。Arena 使用类似 Elo 的评分，20 分差距很小。Qwen3.8 Flash 在榜单中列为 Qwen3.8-Flash-Next，它是该 API 背后的开放权重模型。测量于 2026-09-16 和 17 进行，其中两款模型在第二天重新运行，以确认两天的数据可比。

没有任何模型在所有榜单上领先：Terra 的指数最高，DeepSeek 在 LiveBench 排名第一，Gemini 3.8 Flash 在 Vals 和 Arena 文本榜领先，Qwen3.8 Flash 则位居 Arena WebDev 榜首。AA non-hallucination rate 与我们 5 道虚构问题的结果基本一致：DeepSeek V4.1 Flash、Luna 和 Terra 很少拒绝回答，GLM 5.3 Flash 和 Sonnet 5 通常会拒绝。Seed 2.0 Mini 没有出现在任何独立榜单中，因此我们的测试是目前唯一证据。

哪些厂商的模型算 Flash 级，是否应该升级到最新型号？

各厂商最新的小模型都算，而且应该升级。Google、DeepSeek、Alibaba、Z.ai、ByteDance 和 Tencent 会直接使用 Flash、Mini，或只提供一款低价模型。Anthropic 当前一代产品线是 Fable、Opus 和 Sonnet，而 Haiku 4.5 已落后一代（发布于 2025 年 10 月，最早在 2026 年 10 月 15 日退役），因此我们把 Claude Sonnet 5 归入 Claude 的 Flash 级。OpenAI 文档将 GPT-5.6 Terra 对应到旧版 mini 档，将 GPT-5.6 Luna 对应到 nano 档。Sonnet 5（$2 / $10）和 Terra（$2 / $12）的每 token 价格比另外 7 款高出数倍，因此在下文中单独属于一个价格档。

我们还评估了 4 家厂商的上一代小模型，并按每个正确答案的成本评分：33 次运行的总支出除以正确答案数。因此，如果某模型只有一半答案正确，每个正确答案的成本就会翻倍。每组对比都是当前型号胜出。TL;DR 中提到的 3 组模型虽然每 token 更贵，但每个正确答案反而更便宜：

• Claude Sonnet 5 优于 Claude Haiku 4.5。Haiku 只有在最高 thinking 档位才达到 32 / 33；Sonnet 5 在所有开启 thinking 的设置下都达到 33 / 33，并且在其最便宜的 max 档，每个正确答案的成本低 2.9 倍。两款模型都拒绝回答全部 5 道虚构问题。
• GPT-5.6 Terra 优于 GPT-5.4 mini。Mini 默认设置只得到 9 / 33，需要调到 high 才能达到 33 / 33；Terra 在 low 档就得到 33 / 33，成本低 2.5 倍。Terra 编造了 2 个答案，而 mini 拒绝了全部 5 道虚构问题。
• Gemini 3.8 Flash 优于 Gemini 3.5 Flash-Lite 和 Gemini 3.7 Flash。与 Flash-Lite 相比，每个正确答案的成本低 3.9 倍；Flash-Lite 回答了 3 道虚构问题，而 3.8 全部拒绝。Flash-Lite 只在单步抽取任务中仍有适用场景。与 3.7 Flash 相比，两者标价相同，3.8 每次调用约贵 10%，因此升级带来的是能力提升，而不是成本节省。
• GPT-5.6 Luna 优于 GPT-5.4 nano，两者同为 31 / 33，但 Luna 每个正确答案的成本约为 nano 的三分之一。Qwen3.8 Flash 也优于 Qwen3.6 Flash 和 Qwen3.5 Flash，后两者使用的 thinking 约多 10 倍，每个正确答案的成本高 6 到 27 倍。

下文只讨论这 9 款当前型号。

这 9 款模型价格如何？

按输出标价可分为 3 档。图中的柱形表示各模型在最佳设置下，每个正确答案的实测成本，因此既能反映低标价，也能反映模型过度 thinking 带来的额外支出。标签列出标价和缓存读取价格，后者表示重复 prompt 前缀的成本占输入价格的比例。

价格档并不能准确预测账单。GPT-5.6 Terra 位于最贵的一档，但每个正确答案的成本低于 Gemini 3.8 Flash，也只比 Seed 2.0 Mini 高约四分之一。模型主动消耗的 thinking token 对成本的影响，与标价本身同样大。价格还会频繁变化，并因时间和地区不同而异：Google 的 3.x Flash 价格将在 2027 年 1 月 1 日翻倍（Gemini 3.8 Flash 调整为 $1.50 / $7.50）；DeepSeek 在工作日 UTC 01:00 到 04:00 及 06:00 到 10:00 以外的时段按半价收费；OpenAI 在 7 月将 GPT-5.6 Luna 降价 80%；Qwen3.8 Flash 在 Alibaba 新加坡区域之外便宜 19% 到 25%。测试当天，Synthorai 尚未提供另外 3 款当前小模型，因此未纳入测量：Mistral Small 4（$0.15 / $0.60）、StepFun Step 3.7 Flash（$0.20 / $1.15）和 Amazon Nova 2 Lite（$0.30 / $2.50）。

各模型支持哪些输入，thinking 能否关闭？

9 款模型中有 8 款支持图片，4 款支持视频，2 款支持音频。Hy3 也就是 Tencent 的 Hunyuan 3，只支持文本。最后一列表示在 8 次发票抽取测试中，使用严格 schema 的 JSON 抽取是否返回了正确值。

“通过 tool call”表示把 schema 作为工具输入，并强制 Claude 调用该工具。“仅 json_object”表示在我们的请求路径中，严格 schema 无法正确返回，而使用 {"type": "json_object"} 并在 prompt 中明确键名可以。需要音频输入时可选 Gemini 3.8 Flash 或 Seed 2.0 Mini；需要超过 128K 的输出时可选 DeepSeek V4.1 Flash；需要自行托管权重时可选 DeepSeek、GLM、Hy3 或 Qwen3.8 Flash。

完成一个任务要花多少钱，而不是一个 token 多少钱？

单次调用成本取决于价格和模型主动消耗的 token 数。在这个级别中，后者的差异比前者更大。最公平的公开指标是 Artificial Analysis 运行一次指数任务的成本，其中计入 thinking token。9 款模型中有 8 款具备该数据。

GLM 5.3 Flash 的分数与 GPT-5.6 Terra 相差不到 0.5 分，但单任务成本只有后者的五分之一。Qwen3.8 Flash 的标价与 GLM 几乎相同，但每个任务的成本高 50%，因为运行该指数时，它生成了 2.4 亿个输出 token，而 GLM 只生成了 1.8 亿个。Claude Sonnet 5 在 max 档的单任务成本为 $5.09，默认 high 档则为 $1.79，前者只多得到 6 个指数点。我们的单次调用测试也体现了同样的问题：Seed 2.0 Mini 的标价低于 Qwen3.8 Flash，但每个正确答案的成本高 3.4 倍，因为它每道题 thinking 的中位数为 2,810 个 token，而 Qwen 只有 530 个。

缓存读取成本方面，DeepSeek 是输入价格的 2%，Google、OpenAI、Anthropic 和 Alibaba 约为 10%，Z.ai 和 ByteDance 为 20%，Tencent 为 25%。对于 agent 和 RAG 流量（检索增强生成，即每次都把检索出的文档放进 prompt），读取价格决定了主要账单：一个缓存的 100K token 前缀，在 DeepSeek V4.1 Flash 上每次调用只需 $0.0006，而 Sonnet 5 或 Terra 需要 $0.02。OpenRouter 报告称，V4.1 Flash 发布后某一天提供的 token 中，有 90% 是缓存读取（相关帖子）。批处理档会在数小时内返回结果，可将 Gemini 3.8 Flash、GPT-5.6 Luna、Terra 和 Sonnet 5 的价格减半；Qwen3.8 Flash、GLM 5.3 Flash 和 Hy3 没有批处理档。

应该选择哪款 Flash 模型？

追求性价比选 GLM 5.3 Flash，追求综合实力和多模态输入选 Gemini 3.8 Flash，要求尽量少编造答案选 Claude Sonnet 5，追求最低价格选 Seed 2.0 Mini。

另外 3 款模型各因一个问题未获推荐。GPT-5.6 Terra 的指数最高，在 low 档达到 33 / 33，每个正确答案成本为 $0.00199，但它按每百万输出 token 收取 $12，却在 5 道题中编造了 2 个答案。DeepSeek V4.1 Flash 位居 LiveBench 榜首，缓存价格也最低，但只支持文本和图片，而且开启 thinking 时在 5 道题中编造了 4 个答案。Qwen3.8 Flash 在我们的测试中以最低成本拿到满分，每个正确答案只需 $0.00046，并位居 Arena WebDev 榜首，但它编造了 2 个答案，在严格 schema 下输出了错误整数，而且生成一篇 400 词说明用了将近 3 分钟。

不要只选一款模型，应按请求类型路由：答案可核验的封闭任务，交给通过测试的最便宜模型（GLM 5.3 Flash、Qwen3.8 Flash、Hy3）；开放式事实问题，交给会拒绝回答的模型（GLM 5.3 Flash、Sonnet 5、Gemini 3.8 Flash）；较长的 agent 任务，使用预算范围内能力最强的模型。

哪些 Flash 模型在默认设置下不合格？

9 款中有 2 款不合格。只要把开放式问题路由到会拒绝作答的设置，两款都能通过。准入线按模型出厂默认设置计算：33 道任务至少答对 30 道，5 道虚构问题最多编造 2 个答案。

GPT-5.6 Terra 和 Qwen3.8 Flash 刚好踩线，各自编造了 2 个答案（Terra 的回答包括“0 名员工”和“大约 1,455 °C”），因此处理开放式问题时也应采用相同策略。

Flash 模型是否够用，还是需要更大的模型？

对于边界明确的任务，Flash 模型够用。在较短的 agent 基准测试中，模型需要在 shell 中操作真实代码仓库。DeepSeek V4.1 Flash 在 Terminal-Bench 2.1（90.6 对 87.9）和 DeepSWE（74.2 对 62.7）上都超过 DeepSeek V4 Pro。Gemini 3.8 Flash 在 Terminal-Bench 2.1 得到 89.4，也高于 Claude Opus 5 的 89.1。9 款模型都在我们的两轮 tool-calling 循环测试中连续 3 次成功完成任务。

长任务和长上下文仍会拉开差距。在 Terminal-Bench 4.0 中，Google 自己的表格显示 Gemini 3.8 Flash 得分 19.1，Opus 5 则为 51.8。在 OpenAI 针对 512K 到 1M token 上下文的多针检索测试中，GPT-5.6 Luna 得分 41.3，GPT-5.6 Terra 为 72.5。这说明 1M 上下文窗口不等于最小型号能可靠回忆全部 1M token。Flash 模型适合抽取、分类、较短的工具步骤和模式明确的代码修改；长时间 agent 任务的规划，以及针对超长文档的问答，仍应交给更大的模型。

Flash 模型上线后容易在哪里出问题？

问题更多来自默认设置和请求格式，而不是模型能力。

• 两款模型无法关闭 thinking。我们尝试的所有关闭设置，在 Gemini 3.8 Flash 和 GLM 5.3 Flash 上都返回 400。
• 默认值分布在两个极端。GLM 5.3 Flash 默认使用 max，而 Qwen3.8 Flash 默认使用 xhigh（Alibaba 文档）。在我们的 5 道虚构问题中，Qwen3.8 Flash 消耗的 reasoning token 中位数为 11,680。Google 会把 thinking 计入 max_output_tokens，因此上限过低可能返回被截断甚至为空的答案，但仍然计费（thinking 指南）。
• Claude 使用自己的控制字段。Claude Sonnet 5 通过 output_config.effort 设置 thinking 深度，并拒绝旧版 budget_tokens（effort 文档）；它不支持 reasoning_effort 参数。
• 工具循环必须回传 reasoning。DeepSeek 的 thinking 模式要求带上前几轮的 reasoning_content（thinking 模式），Gemini 则会在 function-call 部分附加 thought signature。重新构建消息历史的框架可能把两者都丢掉。
• 严格 JSON 的实现并不统一。Qwen3.8 Flash 会遵守 schema 的类型约束，但 8 次测试中有 5 次写入了错误整数（明细项为 -561994）。在 Qwen、GLM、Hy3 和 DeepSeek 上，应使用 json_object 并在 prompt 中明确键名；Claude 则使用 tool call。
• Thinking 会改变模型是否诚实。DeepSeek V4.1 Flash 开启 thinking 时在 5 道题中编造了 4 个答案，关闭后一个也没有编造。
• 模型 ID 会发生变化。自 9 月 10 日起，deepseek-v4-flash 实际提供的是 V4.1 Flash（价格说明）；Claude Haiku 4.5 最早可能在 10 月 15 日退役（弃用说明）。如果存在带日期的快照，应固定到具体版本，例如 seed-2-0-mini-260428。
• 开放权重模型在第三方托管商上的表现会有差异。DeepSeek、GLM、Qwen 和 Hy3 由多家提供商托管，量化方式和缓存行为各不相同。9 月还发现有一家转售商把付费请求路由到更便宜的模型（Hacker News）。应将提供商返回的答案与厂商官方 API 对比。

速度更受默认 thinking 设置影响，而不是模型大小。以下是在各模型默认设置下，以 streaming 方式生成一篇 400 词说明的结果。每款运行 3 次，测试日期为 2026-09-17：

每秒 token 数统计整次调用中的 reasoning 和答案。Sonnet 5 的 adaptive thinking 在写作任务上没有消耗 reasoning token，因此立即开始输出答案；Qwen3.8 Flash 在同一任务上消耗的 reasoning token 中位数为 10,697。因此，即使某模型处理封闭任务成本很低，面对开放式 prompt 时也可能耗时数分钟。

在 OpenAI 兼容请求中，只需用一个字段设置档位，thinking 消耗会通过 usage 返回：

from openai import OpenAI

client = OpenAI(base_url="https://synthorai.io/v1", api_key="sk-syn-...")
r = client.chat.completions.create(
    model="gemini-3.8-flash",          # or glm-5.3-flash, gpt-5.6-terra, ...
    reasoning_effort="low",
    max_tokens=32768,
    messages=[{"role": "user", "content": "Compute 7 raised to the power 222, modulo 1000. Reply with a single integer."}],
)
u = r.usage
print(r.choices[0].message.content, u.completion_tokens, u.completion_tokens_details.reasoning_tokens)

对于 Claude Sonnet 5，应把同一请求发送到 Messages API，并设置 output_config: {"effort": "low"}。

Synthorai 如何处理这些差异

以上每款模型都能通过同一 endpoint 的一个 model ID 调用，同时兼容 OpenAI 和 Anthropic API。模型对比页面可将任意两款模型按价格、缓存、输入类型、上下文和厂商基准测试并排比较。9 款模型的当前价格均可在模型价格对比页面查看。

FAQ

Claude Sonnet 5 算 Flash 模型吗？ Anthropic 并未这样称呼它，但它是 Claude 当前一代中最小的模型，因为 Claude Haiku 4.5 发布于 2025 年 10 月，并可能从 2026 年 10 月 15 日起退役。Claude Sonnet 5 的价格为 $2 / $10，Haiku 为 $1 / $5，但在我们的测试中，Sonnet 5 每个正确答案的成本低 2.9 倍。

Gemini Flash API 免费吗？ Gemini 3.8 Flash 在 Google AI Studio 提供免费档，但 Google 会使用免费档内容改进其产品（价格说明），而且面向 EEA、Switzerland 或 UK 用户的应用只能使用付费服务（服务条款）。付费档在 2026 年 12 月 31 日前为 $0.75 / $3.75，之后调整为 $1.50 / $7.50。

应该使用 Gemini Flash 还是 Flash-Lite？ 除非每个请求都只是单步抽取，否则应选 Gemini 3.8 Flash。它在 Artificial Analysis 指数中得到 41.2，而 Gemini 3.5 Flash-Lite 只有 23；在我们的测试中，每个正确答案的成本低 3.9 倍；5 道虚构问题全部拒绝，而 Flash-Lite 回答了 3 道。Flash-Lite 的价格为 $0.30 / $2.50，响应时间约 4 秒。

GPT-5.6 Luna 还是 GPT-5.6 Terra？ 高并发量选 GPT-5.6 Luna，高难度 reasoning 选 GPT-5.6 Terra。Luna 的价格为 $0.20 / $1.20，默认设置得到 31 / 33，每个正确答案成本为 $0.00030；Terra 的价格为 $2 / $12，在 low 档得到 33 / 33，每个正确答案成本为 $0.00199，并且是 9 款模型中指数最高的。两款模型在默认设置下都会编造答案，Luna 为 5 题中 4 题，Terra 为 5 题中 2 题。

哪款 Flash 模型最适合编程？ Qwen3.8 Flash、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 在 Arena WebDev 中领先，得分分别为 1635、1614 和 1607；DeepSeek 在 LiveBench 的 agentic coding 类别中排名第一，得分 77.3；DeepSeek 和 Claude Sonnet 5 在 Vals 的 Vibe Code Bench 中领先，得分分别为 84.7 和 81.3。

相关阅读：DeepSeek V4.1 Flash API 成本、GLM 5.3 API 成本、Gemini 3.7 Flash API 成本、各提供商的 prompt 缓存对比、按使用场景选择最佳 LLM。

← 返回博客