主力 · 体量最大Akke 智能获客
抖音全屋定制获客 SaaS。抓评论、判意向、拟话术，再真机把私信发出去。
chat ×2 通道 · 视觉打标 · GUI 定位千问在我们的
生产链路里
六条产品线、九个模型槽位——从写开场白到读屏定位控件。
// 为阿里千问团队来访准备 · 纯技术口径 · 单价与评测数据截至 2026-08-07
QWEN3-235B-A22B-2507
QWEN3-VL ×3
QWEN2.5-VL-72B
QWEN3-VL-4B 本地权重
OPENROUTER 统一接入
LANGFUSE 全链路计费
0
条产品线在用千问
Akke / 工作台 / Softie / Vivi / CozyUp / Workflow
0
个千问模型槽位含 1 个本地权重兜底
0
类角色对话 / 分析 / 视觉 / GUI 定位
0×
主力槽换代降本输入价 · 同族新快照
SCROLL / 向下滚动
01
Product Lines · Who We Are
六条产品线，各自在用哪一款
一支小团队同时在跑的六个产品，每条线都落了千问——角色各不相同。
Fly.io 东京门店营销工作台
给门店店长的每日任务台，全 SSR，浏览器零直连数据库。
面客文案 · 活动海报解析Fly.io + NeonSoftie 生成工作流
AI 图片 / 视频生成工作流与计费。多厂商路由，主模型之外配轻量槽。
轻量任务槽 · 可用性探针Telegram Mini-AppVivi 梦境社交
Telegram 上的 AI 梦境社交应用，跨会话记忆抽取走独立便宜槽。
对话记忆抽取Vercel + SupabaseCozyUp 陪伴
AI 角色陪伴应用。千问在这条线上做多模型可用性巡检探针。
状态监控探针内容产线Workflow 视频复刻
爆款视频解构复刻产线。分镜语义审查靠 VL 批量读图，16 张约 20 秒。
VL 分镜审查 · 需求语义检查
口径
六条线共用一套接入方式：OpenRouter 的 OpenAI 兼容端点，模型槽位全部走环境变量覆盖，代码里只留默认值——换模型不改代码、不发版。
02
Where Qwen Sits · Akke Main Pipeline
千问在主链路的哪两步
以体量最大的 Akke 为例：一条抖音评论变成一条已送达的私信，千问负责其中两棒。
采集
判定
起草
触达
Qwen
千问
千问
03写开场白与逐轮回复，人设与跨会话记忆全注入
05VL 读屏定位控件，判断字进没进输入框
其他
模型
模型
02DeepSeek V4 Flash 打购买意向分
代码
与人工
与人工
01Cron 入队，worker 签名调评论 API 抓取
04后置清洗、长度钳位、运营审批
06真机/云电脑发送，解包回执验真
// 行色＝承担者 · 序号跨行跳＝一次交接 · 口径 2026-08-07
为什么判定不给千问
不是质量问题，是形状问题。判定是高频、短、只要一个 JSON 的活，走推理型的便宜槽更划算；而「说人话」这件事我们一直放在千问上——换过三次，每次都换回来。
03
Model Inventory · Nine Slots
在用的九个千问槽位
每一行都是线上真的在跑的槽位，含一个留作一键回滚的上代锚点。
| 模型 slug | 角色 | 用在哪 | 挂牌价 in / out · ctx |
|---|---|---|---|
| qwen3-235b-a22b-2507 | 对话生成 | Akke 抖音私信 + 企微代聊双通道 · 门店工作台面客文案 · Softie 轻量槽 · Workflow 需求语义检查 | 0.09 / 0.55 · 262K |
| qwen3-vl-235b-a22b-instruct | 视觉理解 | 视频复刻产线分镜语义审查（主用） | 0.20 / 0.88 · 262K |
| qwen3-vl-30b-a3b-instruct | GUI 定位 | 云电脑抖音 / 企微读屏定位 · VL 调用兜底档 | 0.13 / 0.52 · 262K |
| qwen3-vl-32b-instruct | 视觉理解 | 门店活动海报解析（图转结构化字段） | 0.104 / 0.416 · 131K |
| qwen2.5-vl-72b-instruct | 视觉理解 | 微信截图 OCR · 装修效果图空间打标 | 0.25 / 0.75 · 128K |
| qwen3-30b-a3b-instruct-2507 | 分析抽取 | 便宜档质检 detector · 影子评分（不碰生产额度） | 0.048 / 0.193 · 262K |
| qwen-2.5-7b-instruct | 分析抽取 | Vivi 对话记忆抽取 | 0.10 / 0.20 · 33K |
| Qwen3-VL-4B（本地权重） | 视觉理解 | 断网 / 无 key 兜底，8.3GB 本机跑，单图 8–40 秒 | 零 API 费 · 本地 |
| qwen3-235b-a22b | 回滚锚点 | 上一代主力，定价表常驻以便一行 env 回退 | 0.455 / 1.82 · 131K |
// 单价单位 USD / 百万 token，取自 OpenRouter 挂牌页，2026-08-07 逐个核验；qwen3-30b-2507 当时处于折扣价
04
Unit Economics
那次把主力槽成本砍掉八成
2026-06-08 把 chat 槽从原版切到 2507 快照：同族、同厂、只换快照。
在用千问槽位的输出单价
USD / 百万 token · 输出侧 · OpenRouter 挂牌 2026-08-07
// 青＝现役主力 · 蓝＝视觉族 · 琥珀＝已退役对照 · 灰＝便宜档
输入侧 5.1×
$0.455 → $0.09。评论与人设 prompt 长，输入侧占大头，这一刀最疼。
输出侧 3.3×
$1.82 → $0.55。私信本身短，输出侧省得少，但仍是三分之一。
迁移风险最低
同族快照，人设 prompt 一字未改，无跨厂商的口吻漂移。
一个诚实的补充
这次换代拿到的红利是成本砍掉八成，不是效果飞跃。去偏评测里所有候选的自然度都卡在 3.4~3.5 一线——真正的杠杆在 prompt，不在换模型。
05
Bake-offs · Two Rounds, De-biased
选型是怎么定下来的
两轮横评，都走生产代码路径、都换过中立裁判去偏——结论有一个反直觉。
第一轮 · 开场白横评（36 条真实评论 · 高/中/低意向各档）
估算每千条开场白成本 USD · 裁判 glm-4-32b（中立且非推理）· 2026-06-08
// 原默认其实是三者里最贵且杜撰最多的那个 · 分值为 1–5 分制
第二轮 · 企微短对话横评（28 探针 × 3 采样 · 双裁判）
综合均分 0–10 · 裁判 grok-4.5 + minimax-m3（两裁判一致度 6.94 / 6.95）· 2026-07-15
// 五模型参评，中间两名（glm-4.7 / deepseek-v4-pro）分值未留档，此处不列
转折 · 六天后全量回滚
照第二轮结论切了 kimi，07-21 又全量回滚到 2507。原因不在质量分：kimi 是推理模型，我们只传了 effort:low 压不住，每条烧 100~868 reasoning token，单条回复 131~171 秒，击穿中转层 110 秒与客户端 120 秒两道天花板，在用户侧表现为「机器人不回话」。
这件事教会我们的
评测只测了质量、没测 wall-clock 延迟，就会选出一个线上跑不动的冠军。2507 的赢面从来不是分数最高，而是非推理、秒回、话术稳——面客链路上，可预测的延迟本身就是一项能力。
06
Guardrails Around The Model
围着模型建的四道护栏
模型可以换，护栏不能省——这四件事让我们敢在面客链路上灰度。
一行环境变量回滚
抖音与企微两条 chat 通道各有独立 env 键，可分别灰度。上代 slug 常驻定价表，回退不用改代码、不用发版。
推理 token 哨兵
每 15 分钟巡检面客通道的平均 reasoning token，超阈值推红牌告警——专防「有人把非推理槽误切成推理模型」这类静默升级。
评测额度隔离
所有 bake-off 走独立 key，后台设了额度上限，烧超直接 402 停住，碰不到生产额度。这条是被真实事故换来的。
逐条成本回填
网关返回 cost=0，我们用本地定价表把每次调用的成本手动写回 trace，做到按人、按任务、按通道追账。
设计取向
确定性判断交给代码，模糊判断才交给模型——路由、重试、状态码、去重全走代码；分类、起草、摘要、抽取才走模型。能用状态码回答的，不让模型在 prompt 里抖 if-else。
07
What Bit Us · Field Notes
踩过的坑（含反直觉的那个）
这一节写给千问团队看——都是生产实测，不是理论风险。
VISION视觉 · 假阴性重灾区
- 全屏截图问「回复框里有没有字」，7 条里 5 条字已进框却被判「没进」
- 问「顶部账号名是不是 X」，人眼确认进对了主页，仍判 false，误杀 6 条
- 现在的做法：VL 不再当前置门，改用动作的后置结果把关
- 小目标先按比例裁剪再喂图，成功率从 2/14 拉到 6/6
FORMAT结构化输出
- 在网关上开
response_format: json_object会让 Qwen3 输出退化，我们已全线弃用 - 改成 prompt 内约束 + 后置解析，代价是要自己兜格式
- few-shot 的标签会漏进正文，得靠正则清洗
- 2507 长度合规 0.69，低于上一代 0.78——上线后补了长度钳位
COUNTER反直觉的一条
- 同一轮横评里 qwen3-max（4.77）反而低于 qwen3-235b-a22b（5.82）
- 场景是中文短对话面客，大号在这类任务上没有兑现规模优势
- 我们没有继续深挖，凭价格与延迟选了 235b——这正是最想请教的一条
- 另一类踩最狠的：推理与非推理模型混用，评测口径不同步
Context
以上现象全部基于 OpenRouter 通道的实测。同款模型在 DashScope 官方通道上是否一致，我们没有对照数据——这也是本次交流想确认的第一件事。
08
Open Questions · What We'd Like To Ask
想当面请教的九个问题
按我们卡住的位置排的，越靠前越影响下一步决策。
视觉
Q1 做 GUI 元素定位时，判断「小控件当前是什么状态」的官方推荐姿势是什么？我们的裁剪放大是土办法，有没有专门的 grounding prompt 模板或专用版本？
Q1 做 GUI 元素定位时，判断「小控件当前是什么状态」的官方推荐姿势是什么？我们的裁剪放大是土办法，有没有专门的 grounding prompt 模板或专用版本？
视觉
Q2 同做 GUI 定位，qwen3-vl-30b-a3b 与 32b 在小目标上的实际差距有多大？我们纯凭价格选了 30B，没做过对照实验。
Q2 同做 GUI 定位，qwen3-vl-30b-a3b 与 32b 在小目标上的实际差距有多大？我们纯凭价格选了 30B，没做过对照实验。
视觉
Q3 端侧的 Qwen3-VL-4B 我们已在用作断网兜底。它与云端 30B 在 grounding 上的能力断层在哪？有没有更适合端侧读屏的小模型？
Q3 端侧的 Qwen3-VL-4B 我们已在用作断网兜底。它与云端 30B 在 grounding 上的能力断层在哪？有没有更适合端侧读屏的小模型？
格式
Q4 Qwen3 在第三方网关上开 json_object 会退化，DashScope 官方通道是否一致？官方推荐的结构化输出姿势是什么？
Q4 Qwen3 在第三方网关上开 json_object 会退化，DashScope 官方通道是否一致？官方推荐的结构化输出姿势是什么？
选型
Q5 为什么 qwen3-max 在中文短对话面客场景反而低于 235b-a22b？max 的定位场景是什么，什么样的活该给它？
Q5 为什么 qwen3-max 在中文短对话面客场景反而低于 235b-a22b？max 的定位场景是什么，什么样的活该给它？
选型
Q6 2507 快照相比原版更少杜撰、但长度控制更松，这是训练取向上的有意取舍吗？后续快照会往哪个方向走？
Q6 2507 快照相比原版更少杜撰、但长度控制更松，这是训练取向上的有意取舍吗？后续快照会往哪个方向走？
成本
Q7 主力槽目前走第三方网关。直连 DashScope 在价格、限流、稳定性上有什么差异？对我们东京 / 香港部署的延迟影响有多大？
Q7 主力槽目前走第三方网关。直连 DashScope 在价格、限流、稳定性上有什么差异？对我们东京 / 香港部署的延迟影响有多大？
成本
Q8 我们的人设 prompt 很长且高度重复，目前拿不到 prompt cache，这是成本的大头。官方通道有没有可用的缓存机制与命中条件？
Q8 我们的人设 prompt 很长且高度重复，目前拿不到 prompt cache，这是成本的大头。官方通道有没有可用的缓存机制与命中条件？
能力
Q9 我们的对话是长期养客——跨会话记忆、几十轮上下文、人设不能崩。Qwen 在超长多轮的人设一致性上，有什么推荐做法或微调路径？
Q9 我们的对话是长期养客——跨会话记忆、几十轮上下文、人设不能崩。Qwen 在超长多轮的人设一致性上，有什么推荐做法或微调路径？
// 玫红＝视觉 · 琥珀＝格式 · 蓝＝选型 · 青＝成本 · 紫＝能力
一句话总括：我们不是在评估要不要用千问——六条产品线已经全在用了。真正想聊的是怎么用得更对：视觉侧的假阴性怎么治、结构化输出的正确姿势、大号小号的分工边界，以及那条最贵的 prompt cache。