这两天国产模型这边节奏很密：MiniMax 放出 M3.1 Flash，蚂蚁百灵开源 Ling-3.1-flash，面壁智能更新端侧的 MiniCPM-V 4.7。三家的标题一个比一个响——「速度提升近 3 倍」「成本降低 70%」「总参数 560B」「35B 跑到手机上」。
数字是真的。但数字背后的口径，才是决定你要不要动手的那部分。这篇不推荐你装任何东西，也不评价谁强谁弱，只把这三个数字拆开，讲清楚它们各自管什么、不管什么。
一、MiniMax M3.1 Flash：快 3 倍和便宜 70%，其实是两件事
公开信息显示，这次更新的两个核心指标是「推理速度提升近 3 倍」和「Agent 任务成本降低约 70%」。
这两个数字不能混着读。速度说的是单位时间能产出多少内容，成本说的是同样一件事做完要付多少钱。它们之间没有必然关系：一个模型可以很快但很贵，也可以很慢但很便宜。
更值得注意的是第二个指标的口径——它限定在「Agent 任务」里。Agent 类任务和你平时的一问一答不是一种东西：问一句答一句只调一次模型，而一个 Agent 任务往往要循环调用几次、十几次甚至更多。单价降下来以后，这个折扣会被调用次数放大，所以「降 70%」在 Agent 场景里的实际体感，通常比你按单次价格算出来的更明显。
反过来也成立：如果你只用它做单轮问答，那个 70% 在你这儿会缩水。
还有一点要写明白：上游发新版本，对本站用户没有直接影响——AI家园 用的是自己的模型网关，上游换一版，你手上的工具不会跟着变一次。真正跟你有关的，是价格与计费口径怎么变，这一层我们此前在讲搜索开始单独收费时已经写过一次（AI替你上网搜资料，要开始收钱了）。
二、蚂蚁 Ling-3.1-flash：560B 的总参数，只激活 25B
这一条最容易误读的地方，是把「总参数」当成「每次都跑这么多」。
公开口径里，Ling-3.1-flash 总参数 560B、每次激活约 25B，上下文窗口 1M。这是典型的稀疏专家结构：可以把它想成一个很大的仓库和一个很挑的拣货员——仓库里货很多（知识容量大），但这一单只取出用得上的那几件（真正参与计算的参数）。
所以「560B」说明的是它能装下多少东西，「激活 25B」说明的是它跑一次要花多大劲。两个数字要一起看，只报一个都不完整。
那 1M 上下文呢？它解决的是「一次能塞进多少材料」的问题——长文档、长代码库、整本书这类场景确实受益。但上下文不是免费的自助餐：塞得越多，响应越慢、单价越高，而且中间部分的信息被注意力稀释是这类长窗口模型的通病。真要用，还是分块处理更稳。
三、面壁 MiniCPM-V 4.7：35B 跑上手机，「无损」说的是什么
公开报道里这一条的说法是「35B 开源模型首次无损流畅跑上手机」。
这里的「无损」需要打个问号再理解。端侧跑大模型，几乎必然经过量化压缩，业界说的「无损」一般指压缩后在基准测试上的精度损失控制在可接受范围内，不是「和云端旗舰完全同水平」。你要是把它理解成「手机上装了个 560B 的云端大模型」，后面一定会失望。
第二个要分清的是「跑得动」和「该在手机上跑」。手机上跑得动，意味着模型体积、内存占用、发热和耗电都被压到了可用区间；但可用不等于好用——长时间对话的手机发热、切后台被系统回收、模型文件占掉十几 G 存储，这些都是真实代价。想认真评估要不要本地跑，先看这两篇：本地部署到底要多少显存，我们做过一张对照表（本地部署大模型自查清单）；手机上现在能跑哪些 AI 能力，也单独盘过（手机 AI 时刻：哪些 AI 工具已经能在手机上跑）。
端侧真正的价值不在省钱，而在于隐私和离线：数据不出设备、断网也能用。省下来的那点调用费，通常抵不上你为此花的时间与设备成本。
四、把三个数字放在一起：三条能立刻用上的判据
看完热闹，落到你自己身上，其实只需要问三个问题。
第一，这个数字的单位是什么。 速度是按每秒多少 token 算，还是按首次响应时间算？成本是按输入算、按输出算，还是算上缓存命中后的折扣？单位不同，同一句话的结论可以完全相反。
第二，我的用法会把差价放大还是抹平。 单轮问答看的是单次价格，多轮 Agent 看的是调用次数乘单价。你的用法决定了哪个数字跟你有关。
第三，换模型的迁移成本是多少。 模型可以换，提示词不一定能照搬。去年调好的那一套写法，换个模型可能需要重新磨一遍——这部分成本从来不写在价目表上。
顺带说一个观察：这一轮「降价提速」和「搜索能力开始单独计费」几乎同时发生。单看任何一条都容易得出片面结论，把总账放在一起看更接近事实——便宜的部分可能被新开的口子抵掉一部分。这也是我们一直建议的读法：先算总账，再看单价。
Q: MiniMax M3.1 Flash 提速 3 倍，我用起来会快 3 倍吗？
不一定。官方口径的速度提升通常指模型侧的推理吞吐，而你实际感受到的快慢，还包括网络往返、工具调用、前端渲染这些环节。只做一次简单问答时，这些环节占的比例更大，体感差异会被摊薄；调用密集的长任务里，差异会更明显。
Q: 560B 总参数、25B 激活，到底算大模型还是中等模型？
两个数字回答的是两个问题。560B 总参数代表知识容量和表达能力的上限，25B 激活代表每次计算的实际开销。按计算量看它接近中等规模模型的成本，按容量看它是大模型级别的骨架。判断效果还得看具体任务，不能只看参数。
Q: 手机上跑 35B 大模型，是不是以后不用联网也能用 AI 了？
可以，但要接受几个前提：模型要占掉可观的存储和内存、连续使用会明显发热、后台被系统回收是常态、能力上通常弱于云端旗舰。它适合隐私敏感和断网场景，不适合替代日常的云端助手。
Q: 这些新模型，AI家园 会跟进上线吗？
本站工具走的是自家模型网关，是否切换由成本、稳定性与效果实测共同决定，不会因为上游发版就跟着换。对普通用户来说，更实际的做法是先用现成工具把需求跑通，等新版本在真实任务上稳定下来再考虑。
评论