8月10日-16日大模型发布追踪：DeepSeek V4-Pro、Gemini 3.7 Flash 与 Muse Glimmer

8 月 10 日至 16 日，值得改变选型的信号集中在三件事：DeepSeek-V4-Pro 把旗舰模型从预览版推到 app、网页和 API，并用峰谷定价换取调度弹性；Gemini 3.7 Flash 把编码与 Agent 能力放进更低的价格档；Meta Muse Glimmer 和 Qwen3.8-27B 则把本地部署的门槛继续压向消费级硬件。OpenAI 同期有两条重要更新，但 GPT-5.6-Cyber 是受控的网络安全专用模型，Ultrafast 是 API 服务档位，都不应直接当作通用模型换代。123456

两项价格需要特别看清。DeepSeek 官方页面给的是 V4 全系列的新计费规则，峰时与非峰时相差一半；它在本周窗口内公布，但北京时区的生效点已经落到 8 月 17 日凌晨。Gemini 的 $0.75 / $3.75 是介绍价，官方写明 2027 年 1 月 1 日起恢复为 $1.50 / $7.50。12

DeepSeek 这次的关键变化不是又一个预览编号，而是 V4-Pro 已经同时进入 app、网页 Expert Mode 和 API；模型名保持不变，调用方需要按 API 文档确认路由。官方还把 reasoning effort 分为 low、high、max：简单任务可以少花推理预算，日常 Agent 任务用 high，复杂任务再上 max。1

定价规则因此比一个静态的「每百万 tokens 多少钱」更重要。峰时缓存命中输入为 $0.044，缓存未命中输入为 $1.32，输出为 $3.96；非峰时对应 $0.022、$0.66、$1.98。北京时间 9:00—12:00 和 14:00—18:00 为峰时，其余时段为非峰时，非峰时价格折半，实际换算应以官方时段和调用端显示为准；稳定的批处理任务可以把非峰时作为成本基线，实时 Agent 则要按峰时预算。1

Artificial Analysis 的统一页面使用 V4 Pro 0813、Reasoning、Max Effort 版本，Intelligence Index 为 53，输出速度 80 tokens/s，上下文 1M；它列出的峰时 API 价为输入 $1.32、输出 $3.96。这个页面能帮助比较同一套测试口径，不能替代对缓存、峰谷调度和自有任务失败率的测量。8

Google 把 3.7 Flash 定位成编码和 Agent 的 workhorse，而不是单纯追求更短响应的轻量模型。官方给出的 GDP.pdf 结果从 3.6 Flash 的 22.0% 提到 34.0%，并称模型更能处理工程中的路障、澄清意图、规划多步工具调用。这个成绩是 Google 自报评测，适合说明升级方向，不能直接和 Artificial Analysis 的综合指数拼成一个排名。2

它的商业化信号更直接：Gemini API 现在可以用 1M 上下文，介绍价为输入 $0.75、输出 $3.75 / 百万 tokens，且只承诺到 2026 年底。Artificial Analysis 的 Gemini 3.7 Flash (high) 页面也记录了 1M 上下文、56 分 Intelligence Index，以及同样的 $0.75 / $3.75；页面没有给出可用的输出速度值。29

对开发者来说，值得测的是「长上下文 + 工具调用 + 重试」的总成本。把一份真实代码库或合同集放进去，记录首 token 延迟、完整任务耗时、工具调用成功率、重复调用次数和最终人工修改量；单轮 GDP.pdf 分数无法回答这些问题。

Meta 的 Muse Glimmer 更像本地 Agent 的成品化尝试。Meta 在 8 月 10 日开放 30B 权重，采用 Apache 2.0，目标场景包括常驻 Agent、函数调用、本地编码和 LLM-as-a-judge；官方称它可在一台消费级 GPU 的 Mac 或 PC 上运行。llama.cpp、MLX 和 ExecuTorch 的优化集成则写成「接下来几天」陆续到位，不能把计划中的集成写成当天全部可用。3

Qwen3.8-27B 的模型卡给出了更明确的本地规格：27B 参数、视觉编码器、原生 262,144 tokens 上下文，并建议在超过原生上限的长任务中使用 RoPE scaling；卡片还提供了 Transformers、vLLM、SGLang 和 Docker Model Runner 的启动路径。模型卡中的基准包括 Terminal Bench 2.1 73.0、SWE-bench Pro 61.7、DeepSWE 1.1 42.2，但这些是 Qwen 的模型卡结果，测试 harness、采样参数和题目集要先看清，再决定是否与别家分数并列。4

两个模型的选择条件不同。Muse Glimmer 先回答「一张消费级 GPU 能否让 Agent 常驻并及时响应」；Qwen3.8-27B 先回答「27B 模型在本地代码和多模态任务上是否足够」，然后再看显存与并发。Artificial Analysis 对 Muse Glimmer (high) 的统一页面给出 35 分、106 tokens/s、131k 上下文和 $0.32 / $1.35 的托管价格；这些数字来自第三方托管入口，不是 Meta 的官方自部署报价。7

GPT-5.6-Cyber 是本周最容易被标题夸大的条目。OpenAI 给出的 Advanced Cybersecurity Completion Rate 是内部评测，衡量模型在漏洞利用链、身份认证绕过和权限提升等高风险请求上的响应完成率。GPT-5.6-Cyber 为 95.0%，GPT-5.6 Sol 为 1.5%，Daybreak Blue 下的 Sol 为 2.0%；这说明专门训练减少了拒答，但也说明它被放在受控的 Daybreak Red 访问层，不能拿 95.0% 当通用能力分数。5

Ultrafast 则改变的是推理速度。OpenAI 称 GPT-5.6 Sol 在首批 API 服务中最高达到 750 output tokens/s、约为 Standard 的 14 倍，当前仍是预览和逐步扩大访问的服务档位。它可能改变实时客服、事件响应和语音交互的体验，但在价格、配额和长输出稳定性确认前，不宜把它写成「Sol 变便宜了」或「新模型发布」。6

Artificial Analysis 的 Intelligence Index v4.1.1 包含 9 项评测，下面保留页面可见的 reasoning / effort 设置；Qwen 行按页面默认版本记录。分数、速度和价格不是同一个目标函数，表格也不构成总排名。Qwen 行是上周已经发布的 Qwen3.8 2.4T A95B，用来做家族级别的 API 参照，不代表本周新公开的 27B 权重。7891011

这组数字支持三个较窄的判断。GPT-5.6 Sol 与 Qwen3.8 Max 的综合分数高，但 API 价格和推理速度都不占优；Gemini 3.7 Flash 的分数低于两者，却把 1M 上下文和较低介绍价组合在一起；DeepSeek V4-Pro 的分数略低于 Gemini，速度更高，但峰时价格高于 Gemini。Muse Glimmer 的优势在开放权重和本地部署，不能只看第三方托管价格来判断它是否适合本地团队。7891011

本期检索没有把 Anthropic、智谱 GLM、月之暗面 Kimi 和 MiniMax 写成模型级主条目：在当前时间窗内，没有拿到同时满足「原始详情页可读、发布时间可核验、能力或可用性变化可说明」的完整证据链。GLM-5.3 的官方页面本次只返回页面壳，搜索摘要里的发布日期和跑分不足以支撑正文；Kimi 与 MiniMax 也没有找到能在本周时间窗内完成核验的合格模型发布。旧模型的产品功能和没有原始时间的传言不用于填表。

下周值得继续追三件事：DeepSeek-V4-Pro 的峰谷计费在真实账单中的呈现，Qwen3.8-27B 的量化版本与长上下文实际速度，以及 Muse Glimmer 在 llama.cpp、MLX、ExecuTorch 上的官方集成状态。若团队要马上开始选型，先建立三套任务集：代码库 Agent、长文档多模态和本地常驻工具调用；把每个模型的总成本、延迟、重试、人工接管和部署占用写进同一张表。

本期可以直接行动的是：DeepSeek 测峰谷调度，Gemini 测 1M 上下文 Agent，Muse Glimmer 与 Qwen3.8-27B 测本地部署，GPT-5.6-Cyber 只在授权安全场景评估。Artificial Analysis 的分数适合缩短候选清单，最终是否迁移仍要由自己的任务集和账单决定。