如果你每个月都在为 AI 编程套餐掏钱，这周大概率是懵的。
8月12日 Grok 4.6，8月13日 DeepSeek-V4-Pro 正式版加 Gemini 3.7 Flash，8月14日智谱 GLM-5.3——三天，四个冲着编程去的旗舰模型。微博模型打架本身不稀奇，稀奇的是这次伴随的不是"降价送福利"，而是一连串涨价公告。
先把结论放前面：AI 编程套餐的低价获客时代，这周基本宣告结束了。接下来比的不是谁最便宜，而是谁的能力配得上它的价格。 这篇把价格、跑分、实测和坑一次性捋清，最后给三类人三种花钱方案。
一、半年时间，价格战是怎么打完的
先回忆一下半年前：那时候各家的 coding plan 是抢着打价格战的香饽饽，9 家平台 28 款套餐，最便宜的 7 块 9 一个月，约等于不要钱。微博
然后就是大家熟悉的故事：需求爆了（养 agent、跑长任务的人越来越多），套餐开始限售、涨价。7 月 31 日，智谱新版 GLM Coding Plan 上线：Lite 118 元、Pro 538 元、Max 1078 元一个月，改成积分制计费，新用户最高涨幅 261%——要知道此前旧套餐长期限售，每天上午 10 点限量放购。微博
一周多以后，DeepSeek 跟上了。8 月 13 日官宣 API 调价，8 月 17 日零点生效：首次引入峰谷定价，早 9-12 点、下午 2-6 点是高峰。旗舰 V4-Pro 高峰时段输出价格从 6 元/百万 token 直接拉到 27 元，涨约 350%；便宜的 V4 Flash 也没躲过，高峰输入 3 元、输出 9 元，闲时也要 1.5 元和 4.5 元。微博社区里的主流解读是：国产大模型这波算正式告别内卷低价战，开始按价值定价了。
Kimi 那边没有官宣涨价，但小红书上最近集中出现"严重怀疑 kimi coding plan 缩水"的帖子——按原来的节奏用，两天额度就快烧完了。还有老用户吐槽取消订阅 7 天后就无法正常回购。小红书
唯一在降价的反而是海外：Anthropic 给 Claude Sonnet 5 开了限时优惠，8 月 31 日前输入 2 美元、输出 10 美元每百万 token。微博
把这些信息拼在一起，趋势很清楚：模型能力在涨，厂商定价权在收回，便宜的窗口在一个一个关上。 这时候乱花钱的代价，比以前大多了。
二、GLM-5.3 到底强在哪：先说硬货
回到这周的主角。8 月 14 日智谱发布 GLM-5.3，最有意思的一点是：它和 GLM-5.2 用的是同一个 743B 基座（MoE、激活约 40B），所有提升全部来自后训练——不堆参数，纯靠更长周期的强化学习把同一块底座往死里压榨。知乎
硬数据：
官方口径编程能力比 5.2 提升约 50%，Terminal-Bench 3.0 从 4.6 涨到 28.3，DeepSWE 从 46.2 涨到 66.9；
CyberGym 拿下 84.5，开源模型第一；
发布当天全量上线 GLM Coding Plan（Lite/Pro/Max 全覆盖），ZCode、AutoClaw 同步接入，Trae、Qoder、OpenCode 等第三方平台也跟上了。
换算成涨幅：Terminal-Bench 3.0 是 +515%，DeepSWE 是 +45%，自建 Z.ai Code Bench 是 +47%。微博
圈里对这次的评价比跑分更有意思：这是第一次有国产开源模型因为"长出了没教过的攻击能力"而主动推迟开源——权重要等两周后才开放。智谱给出的说法是，当最强的矛可能被锁在少数人手里，最好的盾必须属于所有人。发布前两周，模型联合多家安全团队在 269 个真实项目里识别出 2436 个漏洞，最老的一个躺了 45 年。哔哩哔哩而智谱自己的解释里更强调的一点是：模型不只是在找漏洞，还"开始自主规划完整的漏洞利用链条"。微博
三、三盆冷水：跑分之外必须知道的事
第一盆：跑分别跨版本比。 很多人看到 DeepSeek V4-Pro 的 Terminal-Bench 87.9、GLM-5.3 只有 28.3，就得出"DS 碾压"的结论——错了。V4-Pro 跑的是 Terminal-Bench 2.1（距 Fable 5 仅 0.1 分），GLM-5.3 跑的是难度完全不同的 3.0。微博同一把尺子的 CyberGym 上，两边是 84.5 对 83.3，其实咬得很紧。拿不同版本的分数直接比大小，是这轮讨论里最常见的坑。
第二盆：跑分不等于体感。 界面新闻的采访标题很诚实：《DeepSeek 和智谱接连更新模型，但都没能炸场》。微博Terminal-Bench 3.0 的绝对分数还不到三成，说明长程任务离"放心托管"还远；有知乎作者对这组数字的读法也很克制：绝对结果仍低于三成，值得进入受控试点，但权限和人工复核仍然不能撤。知乎差评 hands-on 实测里，GLM-5.3 搓《无人深空》低配版，一个渲染 bug 改了五六次才修明白，而且它至今是个纯文本模型——想看张截图都不行，圈里喊"GLM 多模态端上来"不是一天两天了。
第三盆：强制思考，烧的是额度。 5.3 调用侧有个破坏性变化：思考功能关不掉了，reasoning_effort 默认就是 max。微博好消息是官方数据显示 token 效率反而变好（Max 档准确率 34.5% 对 5.2 的 23.4%，平均输出从 96K 降到 75K）；坏消息是积分制下，重任务烧积分的速度依然可观。另外别把"安全开源第一"理解得太满——在 ExploitBench、ExploitGym 这类深度推理安全测试上，它仍落后 Mythos 5。
四、三类人，三种花法
第一类：主力写代码的重度用户（天天挂在 Claude Code / ZCode 上的）。
留在 GLM Coding Plan 就行。5.3 已经全量，不用加钱升级套餐；大多数人 Pro 档够用，重度 agent 玩家再考虑 Max。重点是把积分花在刀刃上：批量、可延后的任务挪到非高峰跑（积分制计费下非高峰只消耗标准积分的 50%），重任务前先想清楚提示词，减少 max 档位的无效思考消耗。微博别因为看了 V4-Pro 的跑分就冲动换阵营——跨版本比较不成立，而且迁移本身有成本。
第二类：走 API 的团队和批量任务用户。
这两天最该做的事是重排任务时间表。8 月 17 日 DeepSeek 新价生效后，高峰时段（9-12 点、14-18 点）V4-Pro 输出是 27 元/百万 token，闲时只要一半。能把批量任务挪到晚上和周末的，成本结构几乎不变；挪不了的，要么预算上浮，要么考虑混合方案——日常和批量走 DeepSeek/GLM，疑难模块留给顶级闭源模型小剂量调用。社区里已经有被验证过的组合思路：日常开发用国产旗舰打底，复杂改造和最终审查才请贵价模型出场。
第三类：养 agent、跑长任务、有安全审计需求的。
这一代 GLM-5.3 最对你们胃口：长程任务环境是这次后训练的主攻方向，安全审计能力是真刀真枪验证过的（2436 个漏洞不是跑分跑出来的）。工具链也最全：ZCode 刚破百万用户，AutoClaw 配 Coding Plan 会员有抢先体验活动，荣耀的 YOYO Claw 都接进来了。想自托管的再等等——权重两周后开放，而且因为攻击能力的问题，建议等它开源后先看看许可证和社区评测再动手，不用急在这一周。哔哩哔哩
两个窗口期提醒：想低成本体验闭源第一梯队的，Anthropic Claude Sonnet 5 的优惠价只到 8 月 31 日；还想按老价格跑 DeepSeek API 任务的，8 月 17 日零点前是最后窗口。
五、接下来值得盯的信号
8 月 17 日 DeepSeek 新价生效后，社区的实际用量和吐槽力度——这是检验"按价值定价"成色的第一块试金石；
GLM-5.3 的 API 何时上线、两周后权重开放用什么许可证（上一代是 MIT，这次因为安全问题推迟，值得盯）；
Kimi 会不会正面回应"套餐缩水"的质疑；
GLM 的多模态版本什么时候端上来——这是它目前最明显的短板。
最后说一句实在的：这轮涨价潮里最不该做的事，就是看着跑分表频繁换订阅。模型一天一个样，但你的工作流、提示词资产和积分余额都是沉没成本。认准自己的任务类型，把 80% 的预算押在最匹配的那一家，剩下 20% 留着试新——这个姿势，比追任何跑分都值钱。
