DeepSeek 已於 2026 年 9 月 10 日 04:00 UTC 正式推出新一代模型 V4.1-Flash，同步生效的新定價不是漲價，而是比一個月前才調整過的 V4-Flash 價格再往下降：輸出 token 便宜約 9%，快取未命中（cache-miss）輸入 token 便宜約 32%。更關鍵的是，DeepSeek 官方已經宣布從 9 月 14 日中午（北京時間）起，所有打到 deepseek-v4-pro 的請求都會自動轉送給 V4.1-Flash 處理，並且直接按 Flash 的價格計費——換句話說，就算你完全不改一行程式碼，帳單也會自動變便宜。這篇文章把新舊價格、架構為什麼能做到「更聰明還更便宜」，以及你現在該做的準備都拆給你看。 DeepSeek V4.1-Flash 到底是什麼？三個重點先記住 DeepSeek 官方公告將 V4.1-Flash 定位為「新架構家族中最小的模型」，同時具備原生視覺理解能力。三個對開發者最實際的重點：第一，模型名稱改為 deepseek-flash，舊的 deepseek-v4-flash 與

Grok 4.6 的 API 定價是短內容（低於20萬token）輸入每百萬token 2美元、輸出6美元，超過20萬token的長內容則整段請求改按輸入4美元、輸出12美元計費;如果你只看輸出token的價格，Grok 4.6 比 Claude Fable 5.1、GPT-6 Astra 便宜超過八成，是目前主流旗艦模型裡數一數二便宜的選擇。你可能也發現，現在查詢這些資料時，官方文件網域已經不叫「xAI」了——這背後是一筆規模兆元的併購案。這篇文章帶你把 Grok 4.6 的官方定價拆解清楚，並跟 Claude、GPT、Gemini 現有報價放在一起比較。 Grok 4.6 官方定價：短內容跟長內容差在哪 根據 SpaceXAI 官方文件（docs.x.ai/developers/pricing，最後更新於2026年9月7日），Grok 4.6 的計費採用「短內容／長內容」雙軌制，門檻設在20萬token： 短內容（prompt 低於20萬token）：輸入 2.00 美元／百萬token、快取輸入 0.50 美元、輸出 6.00 美元 長內容

Model Context Protocol（MCP）在 2026 年 7 月 28 日發布的規格版本，做了一件範圍很大的事：把整個協定改成無狀態。initialize 握手被移除，協定層的 session 與 Mcp-Session-Id 標頭一起被拿掉，每一個請求從此自我完備、彼此獨立。 這不是一次相容性修補，是協定核心的置換。官方版本頁把 2026-07-28 標為目前的 current，並註明帶握手的舊版是 2025-11-25 以前的版本。本文逐項整理這一版改了什麼、代價落在哪裡，以及它在整個 Agent 協定版圖（含 A2A）裡的位置。 規格細節我們已回查 MCP 官方的 Versioning 與 2026-07-28 Key Changes 兩頁核對；實務觀察與踩坑經驗來自六支公開技術影片，出處與證據強度見文末。 一、被移除的是什麼：兩個提案，一個結構性改變 官方 changelog 的兩項主要變更如下： SEP-2575：移除 initialize / notifications/initialized 握手。協定版本與客戶端能力

如果你對中國大模型的認識還停留在「DeepSeek 很便宜」，那你可能漏掉了兩個這半年陸續上線、定價同樣壓得很低的競爭者：Zhipu（智譜）旗下的 GLM-5.3，以及 Moonshot AI 的 Kimi K3。GLM-5.3 官方標準定價是每百萬 token 輸入 1.4 美元、輸出 4.4 美元，其中鎖定輕量任務的 GLM-5.3-Flash 目前還在五折優惠期，但優惠將在今天（2026 年 9 月 9 日，UTC+8 午夜 12 點）截止；Kimi K3 則是每百萬 token 輸入 3 美元、輸出 15 美元的旗艦模型，價格正好卡在 Claude Sonnet 5（2 美元／10 美元）與 Claude Opus 5（5 美元／25 美元）之間。這篇文章把兩家官方定價頁的數字攤開來給你看，並拆解 Kimi K3「開源」背後藏著的授權門檻。 GLM-5.3 是什麼？跟 GLM-5.2 差在哪 GLM-5.3 是智譜於 2026 年 8 月 14 日發布的新版本，官方公告開宗明義只用一句話定調：「Scaling post-training

Meta 在 2026 年 9 月 2 日透過 Muse Code 與 Meta API 同步推出新一代程式碼與代理模型 Muse Spark 1.3。標準版 API 定價維持在每百萬 token 輸入 1.25 美元、輸出 4.25 美元，跟前一代 1.2 完全相同，沒有調漲也沒有調降；但如果你同意讓 Meta 把送進去的提示詞與模型輸出拿去改進未來產品，官方會用「Contributor Tier」把價格砍到輸入 0.10 美元、輸出 0.20 美元——輸入便宜 12.5 倍，輸出便宜超過 21 倍。這筆「用資料換折扣」的交易划不划算，答案取決於你要處理的是練習題等級的程式碼，還是客戶的正式專案。 Muse Spark 1.3 是什麼？跟上一版差在哪 Muse Spark 是 Meta 今年主打的程式碼與代理（agentic）模型系列，1.3 版於 9 月 2 日透過 Muse Code（Meta 自家程式碼工具）與 Meta API 同步開放。Meta 表示這一版在長時間執行的代理任務上有明顯進步：模型會在長對話中同時追蹤多條工作流、在遇到衝

在一場由印度財經媒體 Mint 主持的座談節目中，來自 Salesforce、Mirae Asset Investment Managers、Godrej Capital、Nivara Housing Finance 四家金融與科技公司的高管一致點出一個問題：金融業導入 Agentic AI 目前卡住的地方，不是「AI 好不好用」，而是「治理跟不上部署的速度」。 Godrej Capital 的 CTO Jyotirlata B 在座談中直言，企業目前普遍缺乏成熟的 GRC（治理、風險、合規）框架去回答一個具體問題：AI Agent 在跟客戶對話、幫忙核貸的過程中，到底洩漏了什麼資料、給出的答案是否真的符合公司政策與法規？這篇文章整理這場座談裡三個真實的金融業 Agentic AI 導入案例，以及這幾位高管自己攤開來講的治理缺口，談的不是「AI 趨勢展望」，而是幾家真的已經在用 Agentic AI 處理核貸、投資與客戶服務的公司，正在面對什麼問題。 這場座談在談什麼：一群真的在部署 Agentic AI 的金融業高管 這場座談由 Mint 旗下