AI斩杀线之后，AI圈又吹起了Chinamaxxing的风

点击加入特训营，观看直播回放，享受全年权益

最近，随着月之暗面、DeepSeek、智谱接连发布大模型，我们注意到中国媒体在热议“AI斩杀线”时，美国AI圈却吹起了“Chinamaxxing“的风。

所谓Chinamaxxing 起源于西方网络社区 Z 世代年初全盘模仿“中式养生与生活方式”的调侃。

放到AI圈，它变成了"Tokenmaxxing"（最大化 Token 效率）的新梗，指的是最大化中国AI的调用量。

今天我们就和大家聊聊这两个热梗，一起看懂背后的技术、产业趋势。

中国AI斩杀线越抬越高

"斩杀线"这个概念来自游戏领域，说的就是血条跌到一定程度，就会被一击秒杀。在 AI 圈，它现在说的是"性能×价格"的临界线，同一能力梯队里，既没别人强、又比别人贵的模型，会迅速失去市场。

2026 年 7 月底，DeepSeek-V4-Flash 划下第一道AI斩杀线：智能指数 50 分，单次复杂任务成本只要 3 美分，而 Claude Fable 5 要 3.15 美元。

OpenRouter 上，它单周调用量冲到 11.31 万亿 Tokens（大模型计费的最小单位，可以粗略理解为"字"），是 OpenAI 性价比款 GPT-5.6 Luna 的近三倍。

更早一周，平台前五名被 DeepSeek、小米 MiMo、腾讯 Hy3、智谱 GLM 等中国模型全部包揽。

当大家都感叹DeepSeek太牛时，智谱把这条线又推进了一步。

8 月 26 日，智谱上线 GLM-5.3-Flash，把斩杀线又往前推了一截。

GLM-5.3-Flash的智能指数 57 分，与 Claude Opus 4.8 打平，价格却只有后者的 1/40，推理 100% 跑在超过 10 万张国产 AI 芯片上，发布前匿名公测 6 天就跑完 23 万亿 Tokens。

斩杀线，正在从"DeepSeek 一家"，变成"中国阵营"的集体推进。

智谱 GLM-5.3-Flash 的斩杀线（折扣后）

为什么中国 AI 能这么便宜？

说到中国产品便宜，很多人往往联想到的是价格战、内卷、补贴，但这次AI竞赛是真有东西。

8 月 26 日的最新报道透露DeepSeek 的 API 业务毛利率高达 82.9%（公司整体毛利率 44.6%）。便宜，是"赚着钱"的便宜。

中国AI这次能又便宜，又能赚钱的秘密在于，大模型最贵的两样东西"思考"时的计算量，和"记忆"时占用的显存同时被控了下来。

详细的技术原理和工程逻辑，王煜全已经在前哨科技特训营和大家深度分析过了，这次我们就用最直白、最简单，最不绕弯子的方式为你讲清楚。

DeepSeek 的"算法偷懒"路线。

传统模型读长文，每个词都要"看一遍"前面所有词，文章越长，工作量翻着倍涨。

DeepSeek 搞了个稀疏注意力机制，直接换了个思路：先快速扫一眼，只挑最相关的几个词认真读，其余一概跳过，内容越长效率提升越明显。

再加上"一次多猜几个词"的多 Token 预测技术，单次推理的计算量降到前代的 27%，占用的显存降到前代的 10%。

V4 Flash 总参数 284B，但每次只激活 13B，相当于"只动用部分脑细胞"又把成本省下来一截。

DeepSeek V4 长上下文计算量与 KV 缓存效率对比

智谱走"架构+流水线"路线。

GLM-5.3-Flash 同样在注意力上做减法：把"精读"和"略读"两种模式混着用，计算量降 3 倍、显存降 4.4 倍。

模型上，直接动大刀，把模型层数从 92 砍到 45，每次激活的参数从 32B 降到 18B。

更狠的是工程侧，智谱这次把特训营里介绍过的PD分离向前再走一步，相当于把模型"读题、思考、写答案"三个阶段拆开，交给不同的国产芯片分工处理，像流水线一样并行运转，把 10 万张国产芯片的整体效率提升了 3 倍，单 Token 成本追平英伟达 GPU。

两条路线殊途同归那就是降低成本，所以降价空间才深不见底。

Chinamaxxing：Agent 时代，大家苦 Token 费久矣

聊到这就要说说硅谷为啥现在流行 Chinamaxxing。

因为 AI 正在从"聊天"走向"干活"，而"干活"的账单，是"聊天"的成百上千倍。

原理很简单，传统AI问答那种模式，你问一次，模型答一次，Token 消耗是线性的，换成 Agent 要完成一个目标，很可能就要用掉一个小目标（1亿Token）。

AI得在后台反复自我修正（深度思考）、来回查数据库、调用 API、跑代码再改，每一步都在烧 Token。

这是一项研究统计了八个前沿模型的对比，在软件工程评测上Agent 编码任务的 Token 消耗，是普通代码问答的一千倍。

代码推理、代码聊天与 Agent 编码任务的 Token 消耗及成本对比

这种时候一个管理不善，"花冤枉钱"的案例就会密集出现：

Uber 四个月烧光全年 AI 预算：5000 名工程师里 Claude Code 采用率从 32% 飙到 84%，重度用户每人每月烧掉 500 到 2000 美元。

微软大面积取消 Claude Code 授权，把工程师迁回自家 Copilot CLI，你得明白，微软可是AI大金主之一，老黄天天就指着它投钱买卡。

Salesforce 今年要付给 Anthropic 约 3 亿美元，CEO 公开喊话，想要一个"智能路由器"，把简单任务交给更便宜的模型。

坊间还有传闻，一家神秘公司单月烧掉 5 亿美元 Claude token。

账单摆在面前，开发者的选择就变得无比理性，美国闭源模型可能做某些事确实更厉害，但大家相差不大的话，大多数任务还是交给中国开源模型吧。

斩杀线是中国模型划下的价格分水岭，而 Chinamaxxing 是全球开发者用脚投票的结果，"最大化调用中国大模型"不过是智能变成"大宗商品"的必然趋势。

一边是AI斩杀线，一边是Chinamaxxing，只能说对开发者，这是最好的时代；对模型厂商，这是最残酷的时代。

对中国 AI 来说，Chinamaxxing 只是走向全球市场的起点，面对智能这个大宗商品的市场，竞赛才刚刚开始。

如果你对中国AI模型的未来趋势感兴趣，想第一时间获取王煜全的产业洞察，欢迎加入前哨科技特训营。

2021年至今，王煜全每周四晚8点在前哨与大家分享产业趋势洞察，和大家一起看见了电动车崛起、减肥药变革、AI爆发...

现在点击加入，不错过下一个产业趋势。