开放权重的大模型能免费下载,为什么接进来反而更贵?

权重能下载，不等于能省钱。这句话听着别扭，但你只要算过机房那本账，就明白它是真的。

十月初，一款叫 Beam 的开放权重模型放出来，5010 亿总参数，激活 230 亿，1M 上下文，本月底放权重。官方说它在编程和智能体任务上对标 GLM-5.2、逼近 Qwen3.8-Max，推理算力只要三分之一到四分之一。数字很好看，但真到自己机房里跑，故事是另一回事。

先分清两个参数。总参数决定权重占多大显存，激活参数决定每一步的计算量。Beam 这种稀疏结构，权重按 5010 亿装，算力按 230 亿算。装不下，就跑不起来；算不省，就跑不快。两个数不能混着看。

用大白话再讲一遍：权重是你要装进机房的那堆文件，激活是你每次真正调动的人手。5010 亿的权重，按半精度算是不小的存储开销；但每次只叫醒 230 亿，实际计算量就小得多。开放模型的门槛从来不在算力贵，而在你装不装得下。

这里有个容易算错的点。自己部署看起来省了单价，但你要付的是机房、运维和人。真正划算的场景，往往是数据敏感、调用量稳定且很大；如果只是偶尔跑跑，走聚合反而更便宜。别被“免费权重”这四个字带着走。

再看上下文。1M 词元听上去很爽，但长上下文的每一轮对话都要把前面的内容重新读一遍。除非你的框架把缓存用起来，否则窗口越长，账单涨得越快。

第三处是计价单位。站上有的按百万词元算，有的按秒算，有的按张算。同一张账单上混着三种单位，最容易算错。接之前先确认你用的那个入口按什么计价。

还有个细节，按秒计价的档位通常不看你传了多少字，只看时长。做语音转写、视频理解这类活，按秒比按词元直观，但预算的算法完全不同。

最后是入口。同一个模型往往有多个入口，折算比例不一定一样。站上同一批文本档位摆在一起，比例能从不打折一路铺到 2.9 折。你选的那个入口，决定你付的是哪一档。

还有一个坑：带日期后缀的版本，往往和主版本不是同一个价。名字看起来差不多，折算比例可能差一截，接入前一定把型号串逐字核对一遍，别凭记忆写。

把这四处对齐，再看可选档位就清楚了。deepseek-v4-pro-0813 走公有云渠道挂 4.4 折，三行折算比例整齐一致，适合作为常规主力；deepseek-v4-pro 挂 2.9 折更便宜，但它的三行里缓存读取那一行是 8.5 折，比另外两行贵不少，重复调用多的场景要留意；qwen3.8-flash 挂 6.4 折，文本与多模态都能接，适合需要读图的团队。

缓存这一栏，落地的时候有两件事要注意。一是把固定的系统提示词和参考资料放在请求最前面，框架才能识别出重复的前缀；二是同一批任务尽量在同一个会话里跑完，别拆成几十个独立请求。这两点做好，命中率能差出一大截。

接入的顺序也有讲究。

先把端点换过来，跑通一条最简单的请求，确认返回结构对不对；再拿一条真实的长任务压测，看词元消耗和延迟；最后才把缓存那一栏配起来。反过来做，前两步多半会把钱白花掉。

权重免费，运维不免费。算得清，才是真的省。

关注水木词元。

回复“体验”领 100 万 token 试用包，切过来先对着日志比一遍账单