很多人第一次做 API 选型，是在一个很具体的场景里被逼出来的：比如要把三万条客服对话批量打标签，比如要给内部文档系统加一个"划词提问"，比如要给 App 塞一个能扛住晚高峰的实时问答。这时候问题不是"哪个模型最聪明"，而是"哪个模型在我的预算、我的并发、我的合规要求下最省事"。
下面只谈三件公开、可查、可验的事：价格模式、上下文能力、速率限制。参数与价格请以各家官网为准，本文不给任何具体数字，建议先小额试用再决策。
三家的定位，一句话版
智谱（GLM 系列）：清华系背景，国内最早一批做开放平台的大模型厂商之一。除了对话模型，还有图像、向量、代码等一整套模型；对企业客户，私有化部署和行业方案是它的重点叙事。用一句话概括：模型能力均衡，工具链完整，偏"企业级 MaaS 平台"路线。
DeepSeek：以开源权重和极致性价比出圈。它的模型权重公开可下载，这意味着你既可以直接调它的官方 API，也可以自己部署到自己的机器上。官方 API 走的是典型的低价、高并发、兼容主流调用格式的路线，对开发者非常友好。
通义（阿里云百炼上的 Qwen 系列）：模型家族极其庞大，从很小的尺寸到旗舰尺寸都有，还有多模态、向量、重排等配套模型。它最大的特点是"生态绑定"——如果你的系统本来就跑在阿里云上，从鉴权、计费到网络链路都是一套东西。
公开信息对比
| 维度 | 智谱（GLM 系列） | DeepSeek | 通义（Qwen 系列） |
|---|---|---|---|
| 定位 | 企业级 MaaS 平台，模型矩阵较全 | 开源权重 + 低价 API，开发者优先 | 云厂商大模型平台，家族尺寸最全 |
| 价格模式 | 按 token 计费，输入/输出分别计价；有旗舰与轻量档位；常有新用户赠送或限时免费额度 | 按 token 计费，输入/输出分别计价；以低价著称，命中上下文缓存的部分通常计费更低 | 按 token 计费，输入/输出分别计价；不同尺寸模型价差明显；新用户有免费额度 |
| 上下文 | 不同模型版本上下文长度不同，旗舰版本支持较长上下文 | 不同模型版本上下文长度不同，支持长上下文 | 不同模型版本差异很大，从短上下文的小模型到长上下文旗舰都有 |
| 速率限制 | 按 RPM/TPM 分级限流，免费档与付费档差异大，企业可申请提升 | 按 RPM/TPM 分级限流，免费与付费档位不同 | 按 RPM/TPM 分级限流，与阿里云账号等级和模型档位相关 |
| 适合谁 | 需要一整套模型能力 + 企业服务的中大型团队 | 追求成本、愿意折腾自部署的开发者和初创团队 | 已在阿里云体系内、需要多尺寸多模态配套的团队 |
表格里的每一项具体数值，都请以各家官网价目表和限流文档为准，这类信息变动频繁。
逐项拆开说
价格模式：别只看单价
三家都是"输入 token + 输出 token 分别计价"，这是行业通例。但真正影响账单的是三件事：
第一，输入输出比例。做 RAG 问答，输入远大于输出；做文案生成，输出占大头。同样的单价表，两种业务的实际花费可能差好几倍。
第二，缓存。如果你反复把同一份长文档、同一段AI 词典：系统提示词">系统提示词传给模型，命中缓存的部分通常便宜很多。DeepSeek 在这方面宣传得比较明确，智谱和通义也有类似的优化思路，具体规则要翻官网文档。
第三，档位选择。三家都提供比旗舰便宜得多的小模型。很多任务——分类、抽取、格式转换——用轻量模型就够了。把"所有请求都打旗舰模型"当成默认设置，是新手最常见的浪费。
上下文：长不等于该用长
长上下文的价值在于"少切分"。比如你要让模型读一份完整合同再回答问题，短上下文逼着你做分块检索，分块又会丢失跨段落的信息。长上下文能省掉这一层工程。
但代价是：上下文越长，单次调用越贵、越慢，模型对中段信息的注意力也可能下降。实务里的做法是——能用检索解决就别硬塞全文，长上下文留给"必须看全局"的场景。
速率限制：真正决定能不能上线的
这是最容易被忽略、上线后最容易翻车的一项。限流通常分两个维度：每分钟请求数（RPM）和每分钟 token 数（TPM）。你以为卡在费用，实际上卡在 TPM。
举个具体场景：晚八点客服高峰，每秒几十个并发问答，每次请求带一千多 token 的上下文。这种流量下，即使钱包没问题，低档位的 TPM 也可能直接把你挡在门外。所以选型时一定要问清楚：当前档位的 RPM/TPM 是多少，怎么提额，提额需要多久，是否有突发流量缓冲。三家在这方面的政策细节差异不小，且经常调整，务必以官网当前文档为准。
各自的优劣势与适用场景
智谱：优势是模型种类齐全，一家就能覆盖文本、图像、向量，企业服务和私有化经验相对成熟。劣势是如果你只要一个便宜的对话模型，它的性价比叙事不如 DeepSeek 直接。适合：需要多模态组合、有合规和私有化诉求的中大型团队。
DeepSeek：优势是成本结构和开放性——权重公开，随时可以搬走自部署，这对被"供应商锁定"吓过的团队很有吸引力。劣势是开源路线意味着你得自己承担部署、运维、扩容的活；纯 API 侧的配套工具链相对简洁。适合：预算敏感、技术能力强、想保留自部署退路的团队。
通义：优势是模型尺寸梯度最细，从小到大的平滑升级路径清晰，多模态与向量、重排模型配套完整，且和阿里云的基础设施天然打通。劣势是如果你不用阿里云，跨云调用的链路和计费体验就没那么顺。适合：已经在阿里云上的团队，或者需要"小模型跑量、大模型兜底"这种混合策略的场景。
结论：什么人选什么
- 第一次做原型、只想快点跑通：三家都开个账号，用免费额度各跑一百条你自己的真实数据。这一步花不了两小时，比看十篇评测都有用。
- 成本敏感、有技术团队：优先 DeepSeek，同时认真评估自部署的可能性。
- 要一套模型解决多种任务（文本 + 图像 + 向量）：智谱或通义更省心，看你的云环境在哪边。
- 已经在阿里云上：通义的集成成本最低，先试它。
- 有明确的企业合规和私有化要求：走商务渠道谈，别只看公开价目表。
最后一句实操建议：别一次性押注一家。把调用层做一层薄薄的抽象——统一的请求格式、可切换的模型配置——将来换供应商就是改一行配置的事。这个抽象层的成本，远低于被锁死之后再迁移的成本。
*本文框架由 AI 生成，实际体验因人而异，欢迎读者补充实测。*