实测OpenRouter黑马模型，批量任务秒级响应，成本只有GPT-5.4-mini的1/10
用AI跑批量任务的人，手里基本都有一个干活的模型，不是最聪明，但要快、要便宜，稳定不出岔子。
我们编辑部日常就有很多每天例行要跑的任务，比如抓一批新闻文章，生成固定格式的简报。之前一直用的Gemini 3 flash，最近换成了最新的GPT-5.4-mini，上个月刚出的，轻量、速度快、够用。
上周在OpenRouter上刷到一个新模型Elephant Alpha，匿名，热度甚至还一度超了Opus 4.7，token用量也冲到很高。
OpenRouter上允许Stealth发布机制，允许AI实验室匿名上线模型，收集社区反馈后再认领。比如之前国内传的挺火热的Pony Alpha是智谱 GLM-5，还有Hunter Alpha被好多人错认成DeepSeek新模型，结果是小米的。
这种匿名模型隔三差五就冒一个，大部分看下就忘了。但这个主打的点刚好戳到我，就是响应快+便宜。
而且就在我准备写这篇的时候，它已经被正式认领了。Elephant Alpha 的真名叫 Ling 2.6 Flash，是百灵的 104B 高速模型。
手里正好有一批文档要批量处理，索性就拿来跟我们日常用的GPT-5.4-mini对比一下。
这批文档是美国FTC（联邦贸易委员会）的执法新闻稿，每篇1000到5000字。我要做的事很简单：从每篇里提取案名、日期、被告、行业、违规类型、罚款金额这些关键信息，输出成JSON。
这个案子是：Walmart今年因为在配送项目里欺骗司机报酬，被罚了1亿美元。原文5730字，输出JSON是10个标准化字段。
这种活儿很常见，就是把一篇长文压成一条Json，一篇不难，任何一个AI都能做到，但是处理100篇、2000篇，就是另一回事儿。
同样的prompt、同样的100篇文档，Elephant和GPT-5.4-mini、Grok 4 Fast对比：
把每篇新闻整理成一条 JSON。我要的字段包括案名、日期、被告、行业、违规类型、指控摘要、求偿方式、罚款金额、案件状态等
结果是这样的：
只看任务成功率、token消耗、任务耗时，Elephant 和 GPT-5.4-mini 基本打平。Elephant每篇快了半秒（1.64秒 vs 2.17秒）。不要小看半秒，如果处理完2000篇，就会快17分钟。
我分析了几个case，还发现了一个差异。
有些字段文章里没直接写，GPT-5.4-mini会自作主张地补上，Elephant的处理方式是空着，不会脑补。
跑批量任务，我选后者。因为业务场景不怕漏一条，就怕编一条。模型编的信息一旦混进结构化结果，后面拿去统计、分类、做判断，污染的是整条链路。
我同时也拿Grok 4 Fast跑了同一批文档。
Grok 4 Fast 在这个场景里，表现得太爱说话了。Grok 的每篇输出长度是 Elephant 的四倍多。
这不是Grok一家的问题。很多模型都这样——你只要一个JSON，它非要先来一句"好的，下面是我整理的内容"。
模型跑在Workflow里，最怕的就是“自由发挥”。你定好了格式，它某一次突然加了一对引号，下游就挂了。
所以我专门给Elephant做了一轮压力测试：不管我说什么，它都只能按固定格式回复。
只能用 JSON 回复，顶层必须有四个固定字段（时间戳、告警级别、摘要、行动清单），告警级别只能从 INFO/WARN/ERROR/CRITICAL 四选一，摘要不超过 50 个汉字，禁止感叹号，禁止 emoji。
前三轮，表现得很稳。到了第四轮，我故意突然换话题，对它说：“顺便给我写个中文备忘录告诉 CTO 这事。”
这其实特别像真实工作里会发生的事。人一顺手，就会临时加一句需求。很多模型这时候就很容易被带走。
但 Elephant 没有。第五轮我又试了一下，干脆直接跟它客气一句：“谢谢你的帮助！辛苦啦。”
本来就是故意引它回寒暄的。结果它没中套，还是JSON输出。五轮下来，零违规。
这件事为什么重要？
因为它说明 Elephant 真会按规矩办事。有的 AI 很聪明，但不太听话；有的 AI 不一定最会秀，但你让它干嘛，它就干嘛。
如果你的目标是聊天、陪你发散思路，那前者可能更有趣；但如果你的目标是把一堆活稳定跑完，后者反而更让人放心。
光会“按规矩办事”还不够。如果一个模型只是格式稳、态度乖，但真碰到具体问题就只会说漂亮话，那它也很难真进工作流。
所以在测试完“它会不会乱说话”之后，我又多加了一轮更实际的题：出了错，它到底能不能把问题修复。
于是，我又给大象扔了一段有 bug 的 Python 脚本。
这个脚本是用来读取一份 CSV 文件，统计某一列数据的最小值、最大值、平均值这些结果的。不复杂，但我故意在里面埋了坑。
5.4 秒，列出全部7条 bug，还多抓了一条边界问题。修复后的代码能直接跑。
我又把同一道题拿给参数规模相同的 120B 开源模型gpt-oss-120b跑了一遍。耗时 65.7 秒，列出了 12 条"bug"？？
但我仔细一看那 12 条，发现其中 4 条严格意义说不是 bug，是重构建议。
Elephant 的token消耗量只有gpt-oss的42%，高下立现。如果考虑API定价，差价又翻倍了。
试到这里，我对 Elephant 的定位越来越清楚了。
它最适合的，不是那种特别需要灵感、特别需要创造力、特别需要长链思考的任务。
它更适合的是另一类活：你已经知道自己要什么；你已经把规则讲清楚；你只是需要一个模型，帮你把重复劳动跑完。
虽然名字叫大象，但其实 Ling 2.6 Flash 不是那种大而重的通用模型，更像是专门拿来接高频、短链、工程化任务的执行层模型。
从 Artificial Analysis 表里能看出来，Ling 2.6 Flash 的 Intelligence Index 大概在 26 分这一档，比不过超大模型。
但再把成本、输出长度和分数放在一起看，它的位置就很有意思了。
跑完整套 Artificial Analysis Intelligence Index 的成本大概是 23 美元，明显低于 GPT-5.4-mini 的 56 美元，成本直接少了一半多，质量没有明显掉档。虽然比 20b 的小模型花费多，但再算上质量，Ling 2.6 Flash 的性价比是最好的了。
再看正式定价：
输入 0.1美元/ M tokens
输出0.3美元 / M tokens
缓存输入 0.02美元 / M tokens
这个价格放在100B模型一档里，确实非常便宜了。Ling的输出价只有GPT-5.4-mini的1/15，Gemini的1/10。而且，官方提供一周免费 API 调用。
选模型其实有点像选搭档。有的模型是恋爱型的——聊天有趣，时不时给你惊喜，不敢把每天高频、短链、工程化的任务全交给它，因为钱包兜不住。Elephant则是性价比型的，不适合自己做复杂规划，也不适合需求模糊、指望它自己拆任务的场景，更适合任务边界规则都清晰确定的任务，又快又省。所以我们编辑部的素材预处理，已经悄悄换上了。
文章来自于"夕小瑶科技说"，作者 "夕小瑶编辑部"。