9 月 22 日杭州云栖大会，阿里 MaaS 业务线宣布了一个叫「Prime 模式（优速模式）」的服务档位，并在价目表上放出一个新模型 ID：qwen3.8-max-prime。次日，GLM 5.3 Prime 登上 OpenRouter 模型列表。一周之内，两家中国头部开源阵营的旗舰模型都多了一个「Prime」后缀的兄弟 SKU——但它们都不是新模型。
Prime 是什么：同一权重，换一条快车道
阿里文档把 Prime 模式描述为面向「输出速度敏感场景」的通道——AI 编程助手、多步 Agent 推理、实时对话——收益写得直白：TPS 提升到标准 API 的 1.5-2 倍。没有新参数可设，把 model 字段换成 Prime ID，就走上了快车道。文档同样明确说了什么没变：「模型支持的能力和使用限制与原模型相同」——没有更大的上下文、没有更强的推理模式、没有额外的工具面。
OrcaRouter 的核查给出了干净的对价：国际价目卡上 qwen3.8-max-prime 输入 $3.301/百万 token、输出 $9.902，标准档是 $1.65/$4.951——输入输出两条线都是精确的 2.0 倍，不是四舍五入的巧合。中国区价目卡同样维持 2 倍：¥24/¥72 对 ¥12/¥36。GLM 5.3 Prime 更干脆：$2.80/$8.80，恰好是 GLM-5.3 本体 $1.40/$4.40 的两倍，连缓存读都从 $0.26 翻到 $0.56。
值得注意的是，GLM 5.3 Prime 是个平台侧产品：Z.ai 自己的文档、模型总览和价目页都查不到 Prime 这个 SKU，权重方的自加速档是另一条线上的 GLM-5.3-FlashX（9 月 18 日上线，$0.37/$1.25）。OrcaRouter 的分析说得直接：智谱 8 月发了一个模型，9 月市场把它包装成四种价格在卖——Prime 是其中最贵、也是纸面痕迹最薄的一种。
卖的不是智能，是延迟
这波 Prime 档的实质，是把推理产能做成了可独立定价的商品。当模型能力在 benchmark 上趋同，「更快送达」本身变成了差异化卖点。定价逻辑也自洽：对人类在屏幕前等 token 的场景——自动补全、聊天回合、有人盯着的代码编辑循环——按速度区间上限算，付 2 倍价钱买一半时间，每秒延迟的账是平的；按区间下限算，是用约 33% 的溢价买速度。厂商赌的是你的负载恰恰落在对延迟最敏感的那一段。
阿里还藏了一个容易被略过的细节：Prime 文档写明，当用量达到限流阈值时，只要平台还有富余资源就不会被限流——这是「软顶+硬底」的结构，对一条串行发几十次调用的 Agent 链路，尾延迟的确定性比标称 TPS 更值钱。
但 1.5-2 倍是厂商自述
诚实的缺口在这里：两家 Prime 档的吞吐数字都是厂商在自家条件下给出的，目前找不到独立的 Prime 模式测量——Artificial Analysis 的表格里没有 Prime 行。而基础档的独立测量并不算亮眼：GLM-5.3 约 61 token/秒的输出速度低于同类约 67 的平均线；Qwen3.8 Max（0902 构建）在 AA 榜上的 Intelligence Index 为 45、每任务成本 $5.41。另一个隐藏成本是推理档位默认拉满：一个以最大努力推理的快车道，遇到难题时瓶颈是模型决定生成多少 token，而不是生成速率——先把 effort 调下来，可能比付 2 倍加速费更有效。
缓存读翻倍同样值得警惕。Agent 负载的账单大头恰恰是缓存读——系统提示词、工具定义、不断增长的对话记录每轮都要重读一遍。快车道连这条线也翻倍，指望「缓存打得勤所以实际更省」并不成立。
所以呢
挑模型的决策框架变了：过去比的是 benchmark 分数，现在还得看 rate card 和秒表。Prime 档的出现说明推理产能本身已经开始档位化——同一份权重，标准价、加速价、自托管价，GPU 时间正在变成一种按延迟分级定价的期货。下次看到「新模型发布」，先查查它是不是只是旧权重换了条车道。