一句话定义
Instant 模型档（Instant-tier Model）是指模型厂商为低延迟、高并发交互场景专门优化的一类模型档位，通常以更小的模型规模或更轻的推理流程，换取更快的响应速度和更低的单位成本。业界常见命名包括 Instant、Flash-Lite、nano 等后缀或档位名。
它为什么快？
打个比方：去餐厅吃饭，旗舰模型像主厨现做的大餐，食材讲究、工序复杂，但你要等；推理模型（reasoning model）像主厨先花十分钟研究菜谱再动手，做出来的菜可能更精致，但等得更久；Instant 档则像便利店的热柜快餐——提前备好、标准化出餐，你拿了就走。
技术上，Instant 档通常通过缩小参数量、蒸馏、量化，或者跳过显式的长链思考（chain-of-thought）来实现。它不追求“想得深”，而是追求首 token 时间（TTFT, time to first token）短、每秒输出 token 多。很多产品里，你看到聊天框里字“唰唰”往外冒，背后往往就是 Instant 档。
和推理模型、旗舰模型怎么区分？
| 维度 | Instant 档 | 推理模型 | 旗舰模型 |
|---|---|---|---|
| 延迟 | 低，通常秒级内 | 高，可能数秒到数十秒 | 中等偏高 |
| 成本 | 低 | 中高 | 高 |
| 复杂推理 | 弱 | 强 | 较强 |
| 典型任务 | 分类、抽取、改写、路由、客服 | 数学、代码、多步规划 | 综合能力要求高的任务 |
注意：这三者不是互斥的，很多产品会组合使用。比如先用 Instant 档判断用户意图，简单问题直接答，复杂问题再转给推理模型。
对从业者和普通人的意义
对开发者，选型第一问不是“哪个模型最强”，而是“这个任务需要多步推理吗”。如果不需要，用 Instant 档能省下大量成本和等待。对普通职场人，你用的 AI 助手响应快不快、贵不贵，往往取决于背后调了哪个档位。一个实用策略：把 Instant 档当“前台分诊台”，复杂任务再升级到推理模型，既快又省。
具体有哪些档位、叫什么名字、怎么计费，以各厂商官方页面为准。