【用户实践文档】基于 Python 接入蓝耘 MaaS:搭建剖析器,深度解析 6 个模型的思考成本

同一道题 ──→ 并行喂给 N 个模型（流式调用）         │         ├── 每个 model 记录：│   TTFT（首字延迟）│   总耗时│   prompt / completion / reasoning / cached tokens│   输出字数│   有效信息密度 = 字数 ÷ completion_token│   思考税     = reasoning_token ÷ completion_token│   估算成本   = (P×输入价 + C×输出价 + R×输出价) / 1M         │         └── 输出 JSON + 终端排列表

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""蓝耘 MaaS 多模型「全身体检」剖析器"""import json, os, timefrom dataclasses import dataclass, asdictfrom openai import OpenAIBASE = "https://maas-api.lanyun.net/v1"DEFAULT_MODELS = [    "deepseek-v4-flash",    "/maas/deepseek-ai/DeepSeek-V3.2",    "qwen3.6-flash",    "/maas/zhipuai/GLM-5.2",    "kimi-k2.5",    "minimax-m3",]DEFAULT_PROMPT = "用不超过80字，解释 KV Cache 是什么，并给一个生活类比。"@dataclassclass Row:    model: str; ok: bool; err: str = ""    ttft: float = 0.0; total_sec: float = 0.0    prompt: int = 0; completion: int = 0    reasoning: int = 0; cached: int = 0    chars: int = 0; density: float = 0.0    tax: float = 0.0; cost_yuan: float = 0.0    head: str = ""def profile(client, model, prompt, max_tokens):    t0 = time.time(); ttft = None    content, reasoning = [], []    stream = client.chat.completions.create(        model=model,        messages=[{"role": "user", "content": prompt}],        max_tokens=max_tokens, temperature=0.3,        stream=True, stream_options={"include_usage": True},    )    usage = None    for chunk in stream:        if getattr(chunk, "usage", None): usage = chunk.usage        if not chunk.choices: continue        d = chunk.choices[0].delta        r = getattr(d, "reasoning_content", None)        c = getattr(d, "content", None)        if (r or c) and ttft is None: ttft = time.time() - t0        if r: reasoning.append(r)        if c: content.append(c)    sec = time.time() - t0    txt = "".join(content); reason = "".join(reasoning)    if usage is None: return Row(model=model, ok=False, err="no usage")    p = getattr(usage, "prompt_tokens", 0) or 0    comp = getattr(usage, "completion_tokens", 0) or 0    ctd = getattr(usage, "completion_tokens_details", None)    rt = getattr(ctd, "reasoning_tokens", None) or 0    ptd = getattr(usage, "prompt_tokens_details", None)    cached = getattr(ptd, "cached_tokens", None) or 0    return Row(        model=model, ok=True,        ttft=round(ttft or sec, 3), total_sec=round(sec, 3),        prompt=p, completion=comp, reasoning=rt, cached=cached,        chars=len(txt), density=round(len(txt)/comp, 2) if comp else 0,        tax=round(rt/comp, 2) if comp else 0,        head=txt[:60].replace("\n"," "),    )def main():    key = os.getenv("LANYUN_API_KEY")    if not key: raise SystemExit("请设置 LANYUN_API_KEY")    client = OpenAI(api_key=key, base_url=BASE)    rows = []    for m in DEFAULT_MODELS:        try: r = profile(client, m, DEFAULT_PROMPT, 400)        except Exception as e: r = Row(model=m, ok=False, err=str(e)[:80])        rows.append(r)        status = f"[OK] {m:35s} 税={r.tax:.2f} 密度={r.density:.2f} ¥={r.cost_yuan}" \                 if r.ok else f"[ERR] {m:35s}{r.err}"        print(status)    # 按「思考税」排序    ok = [r for r in rows if r.ok]    print("\n--- 思考税排行（越低越省）---")    for r in sorted(ok, key=lambda x: x.tax):        print(f"  {r.model:35s} 税={r.tax:.2f} 密={r.density:.2f}")    with open("profiler_results.json", "w") as f:        json.dump({"rows": [asdict(r) for r in rows]}, f, ensure_ascii=False, indent=2)if __name__ == "__main__": main()

export LANYUN_API_KEY=你的密钥python3 maas_profiler.py

它会自动：

用 client.models.list() 可选地列出所有可用模型（完整版支持）

对每个模型发同一个 prompt（流式，同时捕获 reasoning_content 和 content）

从 usage.completion_tokens_details.reasoning_tokens 提取隐藏思考量

打印终端表格 + 写出 profiler_results.json

我在 2026-07-31 下午实跑了一次，题目是：「用不超过 80 字，解释 KV Cache 是什么，并给一个生活类比。」

这是一道需要「理解 + 类比 + 字数控制」的综合题，能较好地区分出哪些模型在认真思考、哪些在空转。

终端原始输出（节选）

图：python3 demo/maas_profiler.py 实跑输出——6 个模型的 TTFT、Token 消耗、密度、思考税一目了然。注意 qwen3.6-flash 的 R=877（近千 token 在「思考」）和 GLM-5.2 的 CHARS=0（白思考）。

翻车一：qwen3.6-flash 的「95% 思考税」

看这行数据：

C= 927  R= 877  CHARS=69  密度=0.07  税=0.95

翻译成人话：qwen3.6-flash 花了近一千个 token 在「想」，最后只挤出了 69 个字。而且它还花了 5 秒多才完成。

这不是 bug，是特性——Qwen 系列默认开启强推理模式，对于简单题也会做大量内部推理。如果你用它做高频低复杂度的任务（比如客服自动回复、文案润色），这笔「思考税」会让你的账单膨胀好几倍。

翻车二：GLM-5.2 的「空转翻车」

C= 400  CHARS=0  密度=0.00  税=0.00  ¥=0.00492

GLM-5.2 烧了 400 个 completion token，但输出了 0 个可见字符。它既没有返回 reasoning_content（税=0），也没有返回 content（chars=0）。最离谱的是——它的估算成本还是所有模型里第二高的（¥0.00492）。

这说明 GLM-5.2 在这道题上出现了纯空转：token 计费了，但用户什么都没收到。可能是模型触发了某种内部格式化/工具调用流程但没有正常回退到文本输出。在生产环境中，这种「白花钱」的情况比 404 错误更隐蔽也更危险——因为你连报错都没有，只是账单悄悄涨了。

翻车三：minimax-m3 的「标签泄漏 + 无视字数限制」

C= 400  R= 399  CHARS=1391  密度=3.48  税=1.00  CACHE=128head="The user asks me to explain what KV Cache is in no mo..."

三个问题叠加：

唯一亮点：它是唯一命中 prompt 缓存的模型（cached=128），说明 MiniMax 的缓存机制确实在工作。但如果缓存命中的内容还是带着泄漏标签的超长回复……那缓存只是在加速错误而已。

图 1：每个模型的 completion token 里，「可见内容」vs「隐藏思考」各占多少？

这张堆叠柱状图一目了然：

DeepSeek-V3.2 / kimi-k2.5 / GLM-5.2：蓝色柱子（可见内容）占满，红色（思考）为零——它们不烧思考税

deepseek-v4-flash：约 40% 是思考（合理范围）

qwen3.6-flash：几乎全是红色！927 个 token 里 877 个是思考——这是典型的「过度思考」

minimax-m3：100% 红色——它在用思考 token 来生成内容（标签泄漏导致 content 被归入 reasoning）

图 2：哪个模型「惜字如金」？有效信息密度排行

密度 = 输出中文字数 ÷ completion token 数。越高说明每个 token 越值钱。

minimax-m3（3.48）：密度最高——如果不算标签泄漏的话，它确实很能装信息

DeepSeek-V3.2（1.95）/ kimi-k2.5（1.84）：高密度 + 零思考税 = 性价比双冠

deepseek-v4-flash（0.72）：中等偏下，被思考拖累

qwen3.6-flash（0.07）：灾难级——14 个 token 换 1 个字

GLM-5.2（0.00）：零——白花钱

图 3：性价比散点地图——左下角又快又省

X 轴 = 总延迟（越左越快）

Y 轴 = 估算成本（越下越省）

气泡大小 = 信息密度（越大越值）

颜色红度 = 思考税（越红越烧）

理想区域（左下角绿色大气泡）：DeepSeek-V3.2 和 kimi-k2.5

快（~3s）、便宜（<¥0.001）、零思考税、高密度

危险区域（右上角红色）：qwen3.6-flash 和 minimax-m3

一个贵且水，一个慢且满脑子都是想法

中间地带：deepseek-v4-flash

各项均衡，适合通用场景

基于以上实测数据，给出场景化选型建议：

避坑清单

❌ 不要用 qwen3.6-flash 做简单任务——95% 思考税会让你哭

❌ 不要用 GLM-5.2 做短文本生成——可能出现空转翻车

⚠️ 使用 minimax-m3 时务必检查输出是否包含 Think 标签残留

✅ 上线前跑一遍 maas_profiler.py，用真实数据选模型，别凭感觉