九月上半月，百炼的模型目录在一周之内多了两个有分量的新条目。9 月 2 日，qwen3.8-max 的快照版本 0902 上线三站同步（国内/国际/全球），官方口径主打编码深度再突破与协作智能体能力增强，发布当天在 Arena.ai 的 Code Arena WebDev 前端编程总榜登顶，超过 Claude Opus 5 与 Kimi K3。9 月 13 日，DeepSeek-V4.1-Flash 上架百炼（官方 9 月 10 日发布），552B MoE 非对称架构、KV Cache 相对初代缩小 437 倍、1M 上下文加 384K 最大输出，开源同步放到了 HuggingFace。
两个条目都带 100 万 token 免费额度（0902 至 12 月 1 日、V4.1-Flash 至 12 月 13 日），这轮同题实测全程零元跑完。本文记录的是把它们放进同一条调用链做对跑的结果，视角放在开发者实际用起来的那一层。
动态别名先行：默认模型零操作升级
实测第一个值得记录的机制：bl text chat 不带 --model 的默认调用，返回 model 字段是 qwen3.8-max。这是动态别名而非快照名，官方快照机制是别名自动滚到最新快照，也就是说存量用户不做任何操作，默认模型已经换成了 0902。副作用是从返回结果里分辨不出快照版本，要锁定版本必须显式 --model qwen3.8-max-0902，带日期的全名在百炼控制台「模型」页每个卡片的「最新版本」一栏：
顺带两条实测口径：同题走别名和显式快照两个入口，输入 token 逐位一致（76 对 76），未观测到额外开销；默认调用带思考（reasoning_tokens 27 / 33）且计入输出计费，qwen3.8-max 默认走思考模式。
同题对跑：max-tokens 的两种语义
对跑题目是单文件深色科技风落地页，需求写死，发给两个模型的题面一字不差：
用单个 HTML 文件（内嵌 CSS 和 JS）实现一个深色科技风的落地页：顶部导航（logo 加三个锚点链接）；hero 区大标题带打字机逐字出现动画，副标题淡入；三张功能卡片网格排列，鼠标悬停时上浮并加发光边框；页脚一行版权。中文文案自拟，不依赖任何外部资源，保存后浏览器直接打开即可运行。只输出完整 HTML 代码。
出题理由：0902 登顶的榜考的就是前端编程，前端题验货最对症；需求写死两个模型题面一字不差；几百行代码的量级让行为差异、计费、长任务坑全藏不住。核心发现如下。
8192 预算下，0902 的 completion 是 11160（思考 2966 + 正文 8194，finish_reason length）：max-tokens 只管正文，思考在预算外另算。V4.1-Flash 的 completion 是 8192 全部为思考、正文零输出：max-tokens 是思考加正文的总预算。同一个参数两套语义，比预算时不能拿同一套心智套两家。
16384 预算下两家都完整交付。V4.1-Flash 495 行带 </html>，严守需求清单并处理了 prefers-reduced-motion；0902 走流式拿到 673 行，自创品牌、数据指标条、滚动导航高亮，丰富度超出需求清单。终态逐维度对比：
| 维度 | qwen3.8-max-0902 | DeepSeek-V4.1-Flash |
|---|---|---|
| 思考 token | 2966（英文） | 5068（中文） |
| 正文 token | ≈11,300 | 4364 |
| 产物规模 | 673 行 / 29,058 字符 | 495 行 / 12,036 字符 |
| 风格取向 | 超需求发挥 | 严守清单 |
| 生成耗时 | 8K 版约 3-4 分钟，16K 非流式撞 headers timeout | 16K 约 2 分钟 |
耗时差异值得单独记：同题同预算，0902 的生成时间约为 V4.1-Flash 的两倍，旗舰推理优先与轻量吞吐优先的体感差异就在这几分钟里，批量任务里会被放大。
长任务参数上有三个坑一并记录（全部实测复现）。先把归属说清：不在装百炼 CLI，装是一句话的事；坑全在「让模型一口气写几百行代码」的长任务调用环节，三坑递进：第一个把等待时间调够（约一分钟就自己退，一行 Request timed out，默认超时按普通问答设计，必须显式 --timeout 600）；第二个发现调够了还会断（UND_ERR_HEADERS_TIMEOUT，Node 底层网络库等响应头的超时约 300 秒，--timeout 管不到它，加 --stream 绕开）；第三个是断解决了、账没了（流式输出不带 usage 统计，账单只在完整响应的 JSON 里，要 token 账走非流式 --output json）。0902 侧长任务的最终命令形态：
bl text chat --model qwen3.8-max-0902 --max-tokens 16384 --timeout 600 --stream \
--message "<任务>"
一道小题的思考模式对照
对跑之外补了一道优惠券小题（A 满 300 减 50 / B 满 200 打 85 折 / C 无门槛减 10，购物车 280 元限用一张），两家都选对了 B 券 238 元，但思考环节的形态差异值得单独记录：0902 显式 --enable-thinking 后思考 749 字符全程英文（开头是 "We need answer in Chinese..."），答案是中文；V4.1-Flash 默认思考，233 字符全程中文，答案还把关键数字加粗了。下游链路要解析思考流的话，这个语言差异直接影响处理逻辑。
思考长度也在随任务复杂度伸缩：简单题 V4.1-Flash 更省（154 对 313 token），复杂编程题反超（5068 对 2966），弹性比 0902 大。做预算估算时按题型的两极各测一次，比拍一个固定系数稳。
价目与分工
CLI 侧现场取数（bl model list）：0902 输入 12 / 输出 36 元每百万（缓存命中 1.5），1M 上下文、131,072 输出上限；deepseek-v4.1-flash 输入峰 2 谷 1、输出峰 8 谷 4 元每百万，1M 上下文、393,216 输出上限。输出上限差三倍是 API 层硬校验（--max-tokens 200000 下 0902 报 HTTP 400 且给出范围 [1, 131072]，V4.1-Flash 正常接受）。
全程实测账：0902 输入 608 / 输出约 26000 token 折算 0.94 元，V4.1-Flash 输入 393 / 输出 17914 token 峰时折算 0.14 元，实际付费 0 元（免费额度内）。一个容易误判的细节：A 组跑完两次调用（合计 311 token），bl usage free 显示 0902 剩余 991,263，纹丝不动，面板不是实时结算，单次成本以响应里的 usage 字段为准。同量级输出 V4.1-Flash 峰时价为 0902 的 22%，谷时再半价。
落到用法上，这轮对跑支撑的分工是：批量生成与草稿走 V4.1-Flash，关键交付走 0902。两个模型的免费额度都在 12 月到期，现在正是把两个新条目都过一遍的窗口期。
最后一提数据口径：有社区解读文称 0902 输入 2 / 输出 6 元，与模型目录及 CLI 现场取数（12 / 36）差 6 倍，另有「每次请求 +38 token」的说法实测零复现。写成本模型前建议用 bl model list --model qwen3.8-max 自行核对，CLI 取数与计费口径一致。
百炼 CLI 装进 coding agent 的路径：一行命令安装，API Key 免费领。装好之后，同题对跑就是一句话的事，评论区说一个你想跑的题，我挑几条帮你跑出来。
