中國大模型怎樣選：DeepSeek、Qwen、Kimi、GLM 八家，香港學校真正用得着哪一種

星期四放學後的教員室，一位任教中四中國語文、兼任科主任的同事把手機推過來，螢幕上是 DeepSeek 的定價頁。「每 100 萬 token 輸入收 0.15 美元，GPT-6 Astra 收 10 美元，我全級作文批改一個學期都用唔到一百蚊，點解平台唔接？」坐在對面的 IT 主任沒有反駁價錢，只問了一句：「學生嗰篇作文，交出去之後放在邊部機？」

八家中國供應商在 2026 年開出了全行最進取的價錢與最寬鬆的權重授權，這是真實的機會。但學校要簽名負責的不是每百萬 token 幾多錢，而是一段學生文字離開校網之後落在哪一部伺服器、由哪一套法律管。

---

便宜的來源

先把「為甚麼可以這麼便宜」講清楚，否則後面所有比價都是猜。

2026 年這批中國旗艦幾乎全部走混合專家路線：總參數放得很大，但每處理一個 token 只喚醒其中一小塊。DeepSeek-V4.1-Flash 有 5,520 億總參數，推論時 prefill 階段只啟動 80 億、decode 階段 160 億；MiniMax M3 約 4,280 億總參數，每個 token 只啟動約 230 億；GLM-5.3-Flash 是 3,200 億總參數、180 億啟動；混元 Hy4 Preview 是 7,700 億總參數、490 億啟動。供應商的電費跟啟動的那一小塊掛鈎，所以報價可以壓到美國旗艦的幾十分之一。

但學校拿到的帳單還會被兩件事推高。

一是時段。 DeepSeek 那個 0.15 / 0.60 美元是非高峰價，高峰時段加倍。香港學校的用量高峰是上課日的日間，跟內地高峰時段重疊，估算成本時應該直接用加倍那一檔。

二是推廣期。 MiniMax M3 的 0.30 / 1.20 是推廣價，標價是 0.60 / 2.40;GLM-5.3-Flash 的 0.075 / 0.25 同樣是推廣價，標價 0.15 / 0.50。用推廣價寫一份三年預算，等於預設供應商不會加價。Kimi K3 是 3 / 15，但快取命中只收 0.30，對重複讀同一份教材的用法很有利。

換句話說，報價頁上最漂亮的那個數字，幾乎一定不是學校三年後付的價。

權重與端口

這是全篇最需要分清楚的一組概念，而它常常被一句「DeepSeek 好唔好」蓋過去。

權重是一份可以搬走的資產，端口是一項要續約的服務。下載權重放進學校機房，資料完全不出校網，代價是硬件、電費與運維都由學校承擔；呼叫官方 API，學校不用管硬件，代價是每一次呼叫都把內容交出去。同一個型號名字，這兩種用法在私隱評估表上不屬於同一類。

授權條款的差異同樣真實。DeepSeek 用 MIT、騰訊混元 Hy4 Preview 用 Apache 2.0，這兩種最寬鬆，學校自用基本上不用擔心。Qwen 旗艦的開源版本採自訂授權，而且不含圖像輸入，條款裏還寫明年收入超過 5,000 萬美元的供應商須另取商業授權——學校自用不受影響，但辦學團體若打算把自架系統開放給其他機構使用，要先看清楚。Kimi K3 與 MiniMax M3 各有自訂條款，要逐項核對。GLM 旗艦的權重在本文更新時仍未公開，但 GLM-5.2 與 GLM-5.3-Flash 以 MIT 發佈。豆包完全閉源、只經火山引擎供應；文心 5.x 未公開權重，4.5 系列有開源版本。

八家的分組

把八家按「學校可以拿它做甚麼」分成三組，比按能力排名有用。上下文長度先交代一次：DeepSeek-V4.1-Flash、Qwen3.8-Max、Kimi K3、GLM-5.3、MiniMax M3 與混元 Hy4 Preview 都是 100 萬 token，豆包 Seed 2.1 Pro 是 25.6 萬，文心 5.1 是 12.8 萬。

搬得進學校機房的

實際上只有小型號。Qwen3.8-27B 是最清楚的一個：278 億參數，官方文件稱可在 24GB 顯示記憶體內運行，即一張消費級顯示卡的範圍；再退一步是 qwen2.5:14b，一般教員室級別的機器也應付得來。這一組的意義不在於它最聰明，而在於它讓「學生資料不離開校網」這句話從政策文件變成技術事實。

只能遠端呼叫的

Kimi K3 的 2.8 萬億參數、混元 Hy4 Preview 的 7,700 億、GLM-5.2 的 7,440 億，權重都公開，但全部遠超一般學校可負擔的規模。它們對學校的實際意義，跟豆包 Seed 2.1 Pro（2026 年 6 月 23 日，人民幣 6 / 30，快取命中 1.2）與文心 5.1（2026 年 8 月，32K 以內每千 token 人民幣 0.004 / 0.018）這兩個閉源選項其實一樣：都是遠端服務，都要走跨境評估。

至於旗艦級的雲端選項，Qwen3.8-Max（2026 年 9 月 3 日）是 2 / 6,GLM-5.3（2026 年 8 月 14 日）是 1.4 / 4.4，混元 Hy4 Preview（2026 年 8 月 28 日）公佈了輸入 0.83、輸出未公佈。

用語的水位

這一點在採購會上很少人提，但開學兩星期後一定會有科任講。這批模型在簡體中文與內地語境上普遍較強，而香港學校要的是繁體中文、香港用語與本地課程脈絡，兩者不是同一件事。實際會出現的情況是模型寫出「信息」「視頻」「軟件」，或者引用內地課程概念來解釋 DSE 範圍內的內容。這不是缺陷，是訓練資料分佈的自然結果，處理方法在提示層：系統提示明確要求繁體中文與香港用語，教師介面留一個覆核步驟。

另外提醒一句，「哪一家中文最好」目前沒有可以公開引用的獨立實測。供應商自報的盲測結果（例如騰訊稱混元 Hy4 Preview 在其自家測試中略勝 GLM-5.3 與 Kimi K3）是自評，不應寫進校本評估報告當證據。

權重公開只代表你有權把它搬走，有沒有地方放得下，是另一張帳單。

出境那一步

八家的官方 API 全部設於中國內地。學校只要直接呼叫，學生的作文、成績、SEN 資料或家長聯絡方式就離開香港，進入另一個司法管轄區。在《個人資料（私隱）條例》（第 486 章）六項保障資料原則之下，這一步至少牽動三點：收集資料時所述的用途是否涵蓋交給境外 AI 供應商處理(DPP1）；未經同意不得把個人資料用於原本目的以外的新用途(DPP3）；以及學校仍然是資料使用者，保安責任不會因為外判而轉移(DPP4)。

要說清楚的是，這不是中國模型獨有的問題。用美國供應商同樣是跨境傳輸，分別在於學校對兩地法律框架與合約保障的評估結果不同。部署位置與擁有權的完整討論，見校內部署與雲端部署怎樣選。

條款上的三行字

大部分內地 AI 服務的用戶協議以內地法規為框架。IT 主任在評估時至少要在條款裏找到三樣東西：資料保留多久、學校送出的內容會不會用於訓練模型、以及要求刪除時的機制與時限。找不到明文，就當作沒有。

任務的分流

前面所有比較，最後都落在同一個動作：把校內的 AI 任務分成兩堆，再決定每堆走哪條路。

碰得到學生個人資料的那一堆，留在校內。 作文批改、SEN 個案摘要、成績分析、家長通訊草稿，這些用校內自架的型號處理。Edor.ai 的校內部署與雲端部署功能完全一致，支援 LoRA / QLoRA 微調與 INT4 / INT8 量化，單張消費級顯示卡即可運行，建議清單裏的 qwen2.5:14b 就是為這一堆而設。成本、硬件與回本計算，見開源與閉源的成本與私隱權衡。

碰不到學生個人資料的那一堆，走已評估的雲端供應商。 教材改寫、題目變式、公開資料整理、英文文法解說，這些用平台原生支援的 OpenAI、Azure OpenAI 或 Anthropic 處理，速度與穩定性都比校內機器好。

教師個人試用，材料先去識別化。 想試 Kimi 的長文件處理或 DeepSeek 的數學推理，用個人帳戶可以，但材料不能有學生姓名、學號、成績、SEN 標記或家長資料。這條界線寫進校本守則，不要留給個別教師臨場判斷。

常見誤解

• 誤解：模型權重開源了，學校就可以自由地用它做任何事。 實情：授權條款差異很大。MIT(DeepSeek)與 Apache 2.0（混元 Hy4 Preview）接近完全寬鬆，但 Qwen 旗艦開源版本、Kimi K3 與 MiniMax M3 都是自訂授權，有商業使用門檻與其他限制，要逐條讀過。
• 誤解：自架開源模型之後，AI 安全問題就解決了。 實情：解決的只有資料存放在哪裡。自架的型號一樣會用肯定語氣講錯事，而且沒有雲端供應商那層內容安全分類器，守門、監控與稽核要學校自己補上。
• 誤解：中文模型自然就適合香港學校。 實情：強的是簡體中文與內地語境。繁體中文、香港用語與本地課程脈絡要靠系統提示與教師覆核處理，不是換個供應商就會自己對。

星期一可以做的三件事

1. 打開學校現正使用的 AI 工具清單，在每一項旁邊寫兩個字：權重或端口。分不出來的那幾項，就是要先問供應商的那幾項。
2. 拿一份真實但已去識別化的教材，同時交給一個雲端型號與一個本地型號處理同一個任務，把兩份輸出印出來放在科務會議上。看的不是誰贏，是差距有沒有大到值得為它加硬件預算。
3. 在校本 AI 使用守則裏補一句可以貼在教員室門上的規則，例如「有學生姓名、學號、成績或 SEN 標記的材料，只在校內系統處理」。一句寫得出的規則，比一份十頁的政策有用。