Oleksandr Moccogni AI 课程 加入候补名单

中国AI大模型企业使用指南:模型在哪里运行才是关键

发布于 更新于 阅读约 29 分钟
简而言之

中国AI大模型如GLM-5.3要花多少钱,许可证允许什么,数据条款承诺什么,以及在公司里运行它的三条路线。我读完价格表、许可证和隐私文件后,一一讲清楚。

中国AI大模型企业使用指南:模型在哪里运行才是关键

人们问起中国AI大模型,第一个问题往往是它安不安全。更好的第一个问题是:它在哪里运行?

中国AI大模型是中国公司开发的大语言模型(LLM),比如Z.ai的GLM、DeepSeek或Kimi。有的只能通过厂商自己的服务租用;有的公开了权重(weights),也就是存放训练成果的那些文件,任何公司都可以把它们放在自己的服务器上运行。

后一类才会改变企业面对的局面。同一个模型,可以放在厂商位于新加坡的服务后面,可以放在美国或欧洲某家服务商后面,也可以放在你自己掌控的机器上。每种选择,在价格、数据和风险上的答案都不一样。

我每个工作日都在用AI模型,多半是为我自己的需求训练的本地模型,用来给自己的营销工作和咨询工作搭建工具。推荐任何东西之前,我都会先读价格表、许可证和隐私文件。这篇文章对GLM系列做的就是这件事:它要花多少钱,许可证允许什么,隐私文件承诺什么,以及哪条路线适合哪类公司。

要点先看

  • 先问模型在哪里运行,再问它是谁做的。 一共有三条路线:厂商自己的服务、托管已公开权重的西方服务商,或者你自己的服务器。每条路线对数据问题的回答都不一样。
  • 价格是公开的。 GLM-5.3的标价是:输入每百万词元(token)1.40美元,输出每百万词元4.40美元;它的Flash版本分别是0.15美元和0.50美元。两款较早的Flash模型免费。
  • 许可证很宽松。 它只多了一条附加条款:只有同时经营模型即服务(model-as-a-service,向第三方提供模型调用)业务、且集团12个月内营收超过100亿美元的公司,才必须先通过厂商的安全审查。在我看来,普通企业不会被它约束。
  • 独立测试者认为,在网络安全任务上,最强的中国开放权重(open-weight)模型落后美国最强的前沿模型约四个月, 英国人工智能安全研究所(UK AI Security Institute,AISI)则把开放权重模型的差距定为四到七个月。我读到的来源,没有一个测过营销工作。
  • 隐私承诺是厂商自己的承诺。 Z.ai的API(程序调用接口)附加协议称,内容不会被存储。没有第三方核实过这一点,所以涉及个人数据,应当去问你的数据保护顾问。
  • 让模型匹配工作。 批量工作用Flash档,难的工作用完整模型,并且两者都用你自己的样本测一测。

中国AI大模型是什么,企业为什么关注

语言模型是聊天工具、写作助手和AI智能体(agent,能自己调用工具完成任务的程序)背后的引擎。大多数人是通过美国公司的产品接触到它的。如今来自中国的模型也已经在这幅图景里,Z.ai的GLM系列、DeepSeek和Kimi都是其中的一部分。

其中一些模型对企业有吸引力,原因有两点:公开的价格表(我在下面细讲),以及权重。闭源模型,比如美国几大聊天产品背后的那些,参数不对外公开,只能通过厂商控制的接口使用。

开放权重模型则会公开训练好的文件,所以厂商之外的人也能运行它、测试它,并把它放在公司想放的地方。

Z.ai在2026年6月16日发布了GLM-5.2,GLM-5.3在8月14日接着发布。权重在8月底公开。

Z.ai表示,GLM-5.3与GLM-5.2使用同一个基座模型,提升来自后训练(post-training),也就是在模型完成基础训练之后,再针对特定技能继续训练的阶段。这件事我在GLM 5.3最佳开源大模型里写过,所以这里只谈商业问题。

关于规模,说明一点:Z.ai公布GLM-5.3有7530亿(753B)个参数。参数是模型内部可调节的数字,参数的数量大致反映模型的大小。这么大的模型,办公室里的电脑是跑不动的,下面几条路线会说明这一点。

独立测试怎么评价质量

模型厂商自己说的质量,是营销。政府测试机构给出的质量评价,值得一读,所以我依据的是后者。文中引用的英文原话,都是我自己翻译的。

在美国,美国国家标准与技术研究院(NIST)下属的人工智能标准与创新中心(Center for AI Standards and Innovation,CAISI)会测试主要开发商的模型。它评估了GLM-5.2,并写道:“GLM-5.2的整体能力与2025年12月发布的GPT-5.2相近。”在网络安全任务上,它认为GLM-5.2“与2026年2月发布的Opus 4.6相近”。

数字的来源:CAISI自己的基准测试(benchmark,即用固定任务给模型打分的测试),由研究所亲自运行。它的含义:GLM-5.2的表现,相当于它发布前四到六个月的顶级模型。带来的变化:这个级别的模型,值得认真拿来测一测你自己的工作,问题随之变成成本和它在哪里运行。

对于GLM-5.3,CAISI在9月的报告中称它是“迄今发布的网络安全能力最强的开放权重模型”。报告同时指出,它的能力“显著低于”当前的美国前沿模型,在一项综合指标上落后约四个月。

英国人工智能安全研究所(AISI)同样自己发布研究成果。它估计,在网络安全任务上,开放权重模型落后封闭的前沿模型四到七个月,比2025年的六到十个月有所缩小。这些测试的方法,我在AI网络攻击能力测试怎么看里拆开讲过。

两家机构测的都是安全任务,不是营销任务。我读到的来源里,没有一个用广告文案、邮件草稿或报告摘要来测这些模型。因此我不会把网络安全得分当成你这项工作的得分,我建议用你自己的样本去测,具体做法见下面的检查清单。

价格表:一百万个token要花多少钱

token(词元)是一小段文字,常常是一个短词,或者长词的一部分。模型按token计费,你发送进去的内容(输入)和模型写回来的内容(输出)分开计价。缓存输入(cached input)指重复出现的文字,服务商按较低的费率计费。

Z.ai公布的API价格,单位是美元每百万token:

模型输入缓存输入输出
GLM-5.31.400.264.40
GLM-5.3-FlashX0.370.0751.25
GLM-5.3-Flash0.150.030.50
GLM-5.2和GLM-5.11.400.264.40
GLM-51.000.203.20
GLM-4.7和GLM-4.60.600.112.20
GLM-4.7-FlashX0.070.010.40
GLM-4.5-Air0.200.031.10
GLM-4.7-Flash、GLM-4.5-Flash免费免费免费

这张表说明两件事。第一,新模型在这里并不更贵:GLM-5.3的定价与GLM-5.2、GLM-5.1完全相同。第二,Flash档花的是小钱:无论输入还是输出,GLM-5.3-Flash都比完整模型便宜约九倍。

一个黏土风漫画人物站在一架价签阶梯旁,标题是“1 million tokens, output”,三个价签分别是:GLM-5.3 4.40 USD,GLM-5.3-FlashX 1.25 USD,GLM-5.3-Flash 0.50 USD

想知道这对预算意味着什么,看一个虚构的用量,不是实测:一个团队一个月发送1000万个输入token,生成200万个输出token。我没有计入更便宜的缓存费率,所以对重复文字来说,这些数字是上限。

模型计算(单位:百万token)每月费用
GLM-5.310 × 1.40 + 2 × 4.4022.80美元
GLM-4.710 × 0.60 + 2 × 2.2010.40美元
GLM-5.3-Flash10 × 0.15 + 2 × 0.502.50美元

英国AISI按各厂商的公开标价,发布了一份跨厂商的成本对比。对于一次用了1亿token的Cyber Range运行(网络靶场,即对一个网络发起的长时间模拟攻击),它估算Opus 4.5和Opus 4.6的成本约为85美元,GLM-5.2约为46美元,DeepSeek V4-Pro为1.19美元。研究所补充说,对于开放权重模型,它没有使用厂商自己的服务,因此实际的算力成本可能不同。

对于两个模型都能稳定解决的任务,它报告的每个任务成本是:Opus 4.6为15.17美元,GLM-5.2为6.12美元,约占前者的40%,口径同样是估算。这些都是网络安全任务,所以我只把这些数字当作价格差距的信号,而不是对你的用法的保证。

运行中国AI大模型的三条路线

这一部分对企业最重要。三条路线里,模型是同一份文件。不同的是:谁来操作运行它的机器,以及这台机器在哪里。

路线一:厂商自己的服务。 你把文字发送到Z.ai的API,再收到回答,这是最简单的起步方式,适用上面的价格表。Z.ai的隐私政策称,其服务从新加坡提供,API附加协议则称,客户数据一般在那里处理。

路线二:托管已公开权重的西方服务商。 因为权重是公开的,美国或欧洲的云服务商可以运行这个模型并出售使用权限。企业面对的,就是一家所在国家和合同条款自己早已熟悉的服务商。

在2026年10月发布的纽约AI Engineer大会演讲中,Revolut运营与基础设施负责人David Abitbol阐述了这套逻辑。他对在场首席信息官(CIO)的信息是:使用这个模型,并不等于把请求发到中国的某个专用接口;你可以拿到权重,把它们放在“美国本土的服务”上。大会页面本身提醒,他关于监管分类和托管地点的说法,描述的是Revolut的情况,不代表每家公司。

路线三:你自己的服务器。 你下载权重,自己运行。The Register报道称,与GLM-5.3同一量级的GLM-5.1,仅权重就需要约380 GB的GPU(图形处理器,运行大模型的专用芯片)显存,这个数字取决于权重的压缩存储方式。

Revolut用56块Nvidia B200 GPU为约2,000名工程师提供服务,这是一个数据中心项目,不是一台笔记本电脑能做到的事。这笔账我在自建大模型的真实成本里拆开算过。

厂商的服务西方托管方自己的服务器
谁运行机器Z.ai云服务商你自己
数据去哪里据Z.ai称,主要在新加坡服务商所在的地区你的机房或你的云
费用形态按token或订阅按token,由服务商定价硬件、电力、人员
你需要什么一个账号一份合同一支基础设施团队
核心问题数据处理附加协议(DPA)够用吗?选哪家服务商、哪个地区?我们运营得起来吗?

对营销团队或小企业来说,路线一或路线二才现实。路线三属于有平台团队的公司。

一个黏土风漫画人物站在岔路口挠着头,标题是“Three routes”,路边有三块路牌:“1 The maker's service”“2 A Western host”和“3 Your own servers”

用大白话讲许可证

GLM-5.3的许可证很短,企业五分钟就能读完。它授予使用、复制、修改、发布、分发、转授权和销售该软件(包括权重)的权利,也允许运行、部署和微调(fine-tune,在已有模型上继续训练以适应特定用途)这个模型。条件是:保留版权声明,并遵守法律。

另外还有一条附加条件,分两部分,必须同时成立。第一,该公司或其关联公司经营“Model as a Service”(模型即服务)业务;第二,该公司及其关联公司的总营收在任意连续12个月内超过100亿美元。两点都满足时,该公司在把软件用于任何商业目的之前,必须先通过Z.AI的安全审查。

许可证把模型即服务定义为:向第三方提供推理(inference,即让模型处理输入并给出结果)或微调的使用权限,例如通过API,并且让对方能对输入、参数或训练数据有实质性的控制。它排除了模型仅嵌入特定功能的终端用户产品,也排除了单纯把请求转发给他人托管的模型。

实际上,用这个模型来写作、做摘要、做分析或驱动自己工具的公司,不在这一类里。在我看来,这条条件针对的是可能转售该模型的最大云公司。它对路线二也有影响,所以我会问托管方,它们怎么处理这条条件。

一个黏土风漫画人物坐在桌前,用放大镜读一份许可证,放大镜照亮了其中的一行字

许可证还有一条免责声明:软件以及任何输出和结果,都以“按现状”(as is)的方式提供,不附带任何形式的担保。模型给出错误答案,要靠你自己发现,这是在检查环节保留人工的又一个理由,这个话题我在AI幻觉与人工审核里讲过。

Coding Plan:用订阅取代按量计费

Z.ai还出售一种叫GLM Coding Plan的订阅,每月18美元起。它的文档称,该订阅可配合Claude Code、Codex、OpenCode和OpenClaw这类智能体工具使用,所有套餐都支持GLM-5.3和GLM-5.3-Flash。对GLM-5.2和GLM-5.1的请求会自动转到GLM-5.3,对GLM-4.7的请求则转到GLM-5.3-Flash。

这些套餐用积分(credit)计量,而不是按每token多少美元。Lite套餐每五小时2,000积分、每周10,000积分;Pro是12,000和60,000;Max是28,000和140,000。

每次调用模型消耗多少积分,由倍率决定:GLM-5.3的输入是6.9,缓存输入是1.7,输出是24,文档把加权后的总数再除以10,000。高峰时段是周一至周五新加坡时间14:00至18:00,其余时间按标准费率的一半计费。

数字的来源:套餐页面自己的额度表。它的含义:当95%的输入来自缓存时,Lite套餐每周允许使用4800万至9700万个GLM-5.3 token,取决于使用落在高峰还是非高峰时段。带来的变化:每天重度使用的人得到的是固定月费,而不是计量账单,把工作挪到非高峰时段,则只消耗一半的积分。

Z.ai声称,充分利用非高峰折扣,相比按量付费调用GLM-5.3标准API,可以“最多节省92%”。这个数字是该公司自己的说法,描述的是最好的情况,所以我不会围绕它来做预算。我读到的概览页面上没有Pro和Max的价格,所以我不引用。

The Register引述Abitbol,讲了可预测的账单为什么对较大的团队重要:他说自己见过“工程师每月花1,000美元、10,000美元,投资回报(ROI)却不怎么样”,并表示Revolut推出AI工具时设了严格的预算上限。他说,转向自托管(self-hosted,即在自己控制的服务器上运行)模型之后,“账单是固定的,月底不会有任何账单冲击(bill shock)”。那是Revolut自己托管的方案,不是Z.ai的套餐,所以请把它当作关注账单形态的理由,而不是Coding Plan的价格。

两家美国大厂也各有一套计量方式。我在Claude vs ChatGPT一文里比较了Claude Code如何与聊天共用一个额度池,Codex又如何使用单独的Work和Codex额度。

数据:文件承诺了什么,又没能证明什么

对大多数公司来说,这才是真正的问题。Z.ai公布了两份相关文件。

第一份是隐私政策。它把一家新加坡公司列为数据控制者(controller,决定数据怎么使用的一方),并称个人数据“一般在新加坡处理”,对跨境传输设有保障措施。对于其消费者服务的个人用户,政策把训练和改进模型,列入了它依据“合法利益”(legitimate interests)处理的目的之中。

第二份是面向API客户的数据处理附加协议(Data Processing Addendum,DPA)。其中写道:“公司不会存储客户或其终端用户在使用我们的服务时提供或生成的任何内容。”

协议称,内容是实时处理的,不会保存在它的服务器上。其他数据可能为了提供服务或履行法定义务而被临时存储,并在条款终止时删除。依据该协议,Z.ai按照客户的指示行事。

这是两份不同的文件,对应两种不同的使用方式,第二份比第一份做出了更强的承诺。两份都是撰写者自己做出的承诺,我没有找到任何第三方对其中任何一份的审计。

我不会声称通过API发送的数据被用于训练,也不会声称没有被用于训练。我能说的是,合同里有一条不存储条款,而公司之外没有人确认过它。

我的实际建议有三部分:

  1. 用已经公开或虚构的材料来测试任何中国模型。营销团队头一个月需要了解的东西,大多都在这个范围内。
  2. 客户名单、潜在客户导出文件这类个人数据,在交给任何模型之前,无论它来自哪个国家,都先和你的数据保护顾问谈一谈。
  3. 如果数据很重要,就走路线二或路线三,合同和所在地都是你已经熟悉的。

一个黏土风漫画人物拿着写字板,站在三扇金属门前:第一扇开着,第二扇挂着挂锁,第三扇是锁死的金库门

我不是律师,这不是法律意见。这只是我会提出这些问题的顺序。

哪个模型做哪类工作

我没有找到任何一份用营销任务给GLM模型做基准测试的来源,所以这张表是我的建议,不是测量结果。把它当作起点假设,然后去测试它。

工作我会从哪里开始原因
给评论分类、给潜在客户打标签、批量摘要GLM-5.3-Flash5.3里最便宜的付费档,适合大批量
起草和改写由人来编辑的文案GLM-5.3-FlashX或GLM-5.3更好的措辞值得更高的价格
阅读长报告并找出前后矛盾GLM-5.3难读的材料,正是更强模型回本的地方
用非敏感数据做实验GLM-4.7-Flash(免费)没有成本,风险低
会调用工具的智能体通过路线二使用GLM-5.3需要最强的选项和已知的合同

一个黏土风漫画人物举着一个小放大镜,放大镜下方是一个分成三格的桌面托盘:一格放着用于批量工作的油漆滚筒,一格是待填的空位,一格是系着蝴蝶结的油漆罐

想用你自己的工作来检验这张表,就取同一项任务的20个真实样本,让两个模型各跑一遍,再请一个人在不知道哪段出自哪个模型的情况下评判结果。如果便宜的那个在这项任务上够用,省下的钱就是你的。我用同样的方法比较过Claude的两个档位,见Claude价格与模型对比。

实际要花多少钱

标价只是成本的一部分。选路线之前,我会把下面这些加起来。

  • token或订阅。 上面的价格表,或者套餐:每月18美元起,积分有每五小时和每周两道上限。
  • 托管。 没有统一的数字:Revolut的方案用了56块Nvidia B200 GPU,综合成本约为每百万token 30美分,但大会页面指出,这些数字描述的是Revolut的部署和用量,不是可以直接搬用的价格。这笔账我在自建大模型的真实成本里算过。
  • 检查时间。 这是任何价格表都不会显示的成本。出错更多的便宜模型,会把成本从发票转移到负责检查的人身上。
  • 切换。 为一个模型写的提示词(prompt,即你发给模型的指令)、工具连接和测试样本,换到另一个模型时需要调整。在迁移一个正在运行的工作流之前,我会预留几天的测试时间。
  • 合规审查。 阅读数据条款的人所花的时间。对厂商的API来说,就是上面讲过的DPA。

以上任何一条,都不是在说中国模型在每种规模下都更便宜。我找到的唯一一份跨厂商对比,是研究所对网络安全任务的估算;独立测得的质量差距是可以衡量的;其余则取决于你的工作需要多少检查。这些成本和团队其他工具放在一起是什么位置,我在2026年营销技术栈里讲过。

使用中国AI大模型前的检查清单

  1. 写明工作内容,以及它会碰到的数据。
  2. 先选路线(厂商的服务、西方托管方,或自己的服务器),再选模型。
  3. 读你所用模型版本的许可证。 对GLM-5.3,要核对营收和模型即服务这条条件。
  4. 读具体产品的数据条款: 消费者隐私政策和API附加协议说的内容不一样。
  5. 先用公开或虚构的数据测试。
  6. 用20个样本分别跑Flash和完整模型,由不知情的评判者打分。
  7. 写下由谁检查输出,以及检查要花多少成本。

七条都答得上来,“它是不是中国的”这个问题,就变成了更有用的问题:“这条路线适不适合这项工作”。

一个黏土风漫画人物在一块写字板上打钩,板上的标题是“7 checks before you use a Chinese AI model”,第一行写着“Name the job”

常见问题

什么是中国AI大模型?

中国公司开发的大语言模型,包括Z.ai的GLM、DeepSeek和Kimi。有的不公开权重,只能通过厂商的服务使用;有的公开权重,第三方可以托管它们。

开放权重模型和封闭权重模型有什么区别?

封闭权重(closed-weight)模型的参数不对外公开,只能通过厂商控制的接口使用。开放权重(open-weight)模型会公开训练好的文件,所以在许可证允许的范围内,任何人都可以运行它。开放权重不等于完整意义上的开源,因为训练数据可能仍然不公开。

GLM是开源的吗?

GLM-5.3的权重是在一份授予广泛权利的许可证下发布的,它唯一的附加条件,只适用于经营模型即服务业务、且集团12个月营收超过100亿美元的公司。所以它是采用宽松许可证的开放权重模型。我用“开放权重”这个说法,因为它描述的是被公开的那些文件。

GLM-5.3多少钱?

在Z.ai的API上,每百万输入token的价格是1.40美元,每百万缓存输入token是0.26美元,每百万输出token是4.40美元。GLM-5.3-Flash分别是0.15、0.03和0.50美元。Coding Plan订阅每月18美元起。

哪个中国AI大模型最好?

没有唯一的答案。在网络安全任务上,CAISI称GLM-5.3是“迄今发布的网络安全能力最强的开放权重模型”,评价高于它此前评估过的最强开放权重模型Kimi K3,但这是网络安全方面的结果,不是营销方面的结果。对你的工作来说,最好的模型,就是在你自己的样本上表现最好的那个。

我能在自己的电脑上运行GLM吗?

完整模型不行。The Register报道,这个量级的模型,仅权重就需要约380 GB的GPU显存,而Revolut用56块B200 GPU为2,000名工程师提供服务。更小的模型是有的,但它们是另外的、更弱的模型。

用中国AI大模型处理公司数据安全吗?

这取决于路线和数据。厂商的API主要在新加坡处理数据,其附加协议称内容不会被存储,而这是一个没有第三方核实过的承诺。对于个人数据或机密数据,我建议先问你的数据保护顾问,或者使用一家你已经熟悉其合同的托管方。

有免费的中国AI大模型吗?

Z.ai在其API上把GLM-4.7-Flash和GLM-4.5-Flash列为免费。免费适合用非敏感数据做实验,但我仍然会先读数据条款。

我的看法

中国AI大模型和其他任何供应商应该得到同样的对待:读价格表、许可证和数据条款,然后选择适合这项工作的路线。恐惧和热情,都替代不了这份阅读。

对大多数小团队,我建议先用便宜的档位处理公开材料,用20个真实样本衡量结果,之后再决定怎么处理个人数据。对有平台团队的公司,西方托管方和自有服务器这两条路线,打开了闭源模型不提供的选择。

无论哪种情况,模型都只是其中一个组件。围绕它的检查,才让输出可以放心使用,而这一部分,无论模型是在加利福尼亚还是在北京做出来的,都是一样的。

标签: 中国AI大模型GLM-5.3Z.ai开放权重模型AI成本AI数据隐私AI营销

继续阅读

全部文章 →
订阅通讯

抢先一步。

偶尔分享关于 AI 营销、增长与演讲的思考。绝无垃圾邮件。