文｜光錐智能 魏琳華

七、八、九三個月，大模型行業像打了雞血。

從海外「御三家」到國內大模型廠商，輪番發布的新模型讓人目不暇接。9月第一周，OpenAI、Anthropic、谷歌你方唱罷我登場，Claude Fable 5.1、Gemini Flash 3.8、GPT-6 Astra先後發布。

國內各種版本的「Flash」模型也在扎堆發布。

繼智譜的「牛來」（GLM-5.3-Flash）和阿里Qwen3.8-Flash同天發布後，9月10日，DeepSeek先下架了V4 Pro、並發布V4.1 Flash接棒，把價格再按下一檔；月之暗面則交出了一個繼K3後版本號倒退的Kimi K2.8 Preview，雖然沒有公布具體參數，官方表示，它是一個接近K3性能、效率更高的模型。

各家拿出的模型能力節節攀升，但定價卻跑出了完全相反的態勢。

據Silicon Data的LLM Token支出指數（計算市場每百萬大語言模型Token的平均支付價格），8月單月暴跌29%，為0.97美元/百萬Token，首次跌破1美元關口。對比今年5月，這個指數還在2美元以上。短短三個月，就經歷了一次「腰斬」。

一個「平均支付價格」的下跌，來源最可能是兩種解釋：要麼全行業普降，要麼調用結構在集體湧向便宜模型。而在各家大模型API平台用戶量水漲船高、Token消耗量暴增的背景下，答案是兩者正在同時發生。

AI模型能力在通脹，Token價格在通縮。

這背後是一個增長敘事：只有搶奪足夠多的用戶，大模型公司才能繼續撐起的增長敘事。為此，給模型砍緩存成本、降低定價、推Flash模型，從可選動作變成了大模型廠商的必要手段。

用戶正在「用腳投票」，為自己的AI搭子選擇更有性價比的模型。

更聰明的模型要便宜Flash模型成為旗艦替代品

在DeepSeek R1過後，大模型廠商自證身價的路變得更清晰——證明自己的模型有多聰明。跑分榜、刷基準，智力是大家「秀肌肉」的硬通貨。

但現在，討論的風向開始變化。在能力近似的前提下，大家能做到多便宜？性價比正在成為大模型行業新的角力點。

今年5到6月Token支出價格經歷的快速回落，就與DeepSeek V4 Pro等國內開源模型的降價相關。

5月，DeepSeek曾宣佈將自家模型DeepSeek V4 Pro價格永久下調75%，調整後的價格為輸入（緩存命中）0.025元/百萬tokens，輸出為6元/百萬Tokens。雖然8月因為扛不住壓力又宣佈漲價，但這恰恰說明這輪價格戰不是「補貼戰」，每一「刀」還得「尊重」成本曲線。

但當開源模型能力比肩其他旗艦模型，價格卻打到了旗艦的零頭，用戶怎麼選，不難猜。

對此，高盛One-Delta部門負責人Rich Privorotsky指出，AI大模型已經來到下半場，正在由技術是否可行轉向成本是否可承受。

當價格成為用戶選擇的關鍵因素，大模型廠商們開始用各種方式把模型價格往下打。

最簡單粗暴的方式是直接打價格戰，讓利給用戶。

以OpenAI為例，它先對自家的「小弟」動手，沒得到明顯反饋後，又把屠刀伸向自家旗艦模型。它先於7月30日宣佈GPT-5.6 Luna永久降價80%，同系列的Terra也降價20%。不到一個月的時間，又把自己上個月剛發布的旗艦模型GPT-5.6 Sol輸入降價20%，輸出降價1/3。

一個月「砍」兩刀，從外圍砍到旗艦。價格戰的烈度，被一級級提高。

另一種方式更隱蔽，比如把API接入自家或者其他編程、辦公產品，打個限時5折或是兩周免費的優惠，或是直接送額度重置。名義上價格沒動，但本質上都是變相打折，吸引用戶用自家模型跑任務。

但前兩種都只是在價格層面動手腳。更根本的打法，是直接對模型本身動刀。

一方面，是大模型廠商們開始在旗艦模型系列之外，發布各種版本的Flash模型，用接近旗艦的性能、遠低於旗艦的定價，成為用戶日常辦事的主力。

智譜的「牛來」模型GLM-5.3-Flash、阿里的Qwen3.8-Flash、月之暗面的Kimi K2.8 Preview，走的也是同一條路。它們都是在自有的旗艦模型基礎上，訓練出效率更高、定價更有優勢的版本。

比如，Qwen3.8-Flash是一個靠新模型架構降低訓練、推理成本的性價比模型，官方指出，它的訓練開銷僅約為Qwen3.7-Plus的1/9。除了性價比優化之外，它把優勢點在了編碼和辦公場景會用到的代碼、Agent等能力上。Kimi K2.8 Preview更直白，從它的名字就能明白，它是一個能力接近K3的模型，但效率提升，本質上也是Flash思路的另一種表達。

做Flash模型，為的不是做個面面俱到的優等生，而是當一個物美價廉的「打工人」。模型可能沒那麼聰明，但對大多數日常任務來說，「夠用」本身就是全部需求。

另一方面，旗艦模型也沒能「倖免」。它不僅要智能，還要在智能的前提下儘可能便宜。大模型廠商們開始把優化的刀砍向了旗艦模型本身。

Anthropic和DeepSeek們的選擇是輸入、輸出價格不變，對緩存命中的定價下手。比如9月發布的Claude Fable 5.1，定價依然昂貴，但它把緩存讀取從1美元降到0.25美元每百萬Token，降幅75%。

為什麼緩存的價格能砍得這麼狠？

從推理成本來看，大模型推理的大頭在Prefill階段（預填充）。比如一段10萬字的文檔，模型要先從頭到尾過一遍，把每個句子拆解成Token，並行計算所有Token的注意力，並生成KV Cache（鍵值緩存）存入顯存。但緩存讀取不一樣，如果第二次調用同一個上下文時，就可以直接讀取KV Cache，取出來用的邊際成本幾乎為零。同樣的內容，成本卻天差地別。

更關鍵的一點還在於需求側的變化。

今年應用逐漸成熟的Agent場景，就是緩存讀取的大戶。一個任務可能反覆讀取同一個長上下文幾十上百次。砍緩存價格，更是相當於直接補貼增長最快的場景。

以DeepSeek V4.1 Flash為例，它通過架構、注意力機制、緩存精度三個維度，把KV緩存的空間大幅壓縮，從「源頭」降低存儲成本。

OpenAI的思路則是壓縮輸出Token降低成本，通過優化任務輸出的Token長度，讓同樣的任務消耗的Token更少。哪怕API定價本身漲了2.5倍，但單次任務的Token消耗量下來了。這是一個「單價漲、但總價降」的做法。

但這條路線也有極限。在GPT-6 Astra發布後，用戶發現以前夠用的額度在調用新模型後消失飛快，可見有限的優化也難解用戶的「渴」。優化的速度，趕不上模型變強帶來的消耗膨脹。

降價、折扣、「Flash省流」、砍緩存、壓輸出，模型廠商的招式齊出，但目的都是同一件事——讓用戶捨得花Token，公司才能繼續講增長的故事。

為什麼大模型廠商要把價格打下來？

當需求端花不起錢，即使是第一梯隊的大模型廠商們，也得考慮怎麼給模型降價。

對比Token價格指數曾經的兩個高峯來看，它的第一次出現在今年1-2月，OpenClaw的爆發帶動AI需求增長，Agent成倍消耗Token的特質，進一步加速Token消耗量翻倍增長，這是一個供需驅動的邏輯；第二次則是出現在5月，Token價格指數摸到了2美元左右的頂點，那是海內外旗艦模型輪番漲價的結果。

彼時，所有人都相信：模型越聰明，就越能擁有定價權。

但作為撐起API消耗的主力軍，企業早就無法承受昂貴的Token賬單。

以Uber為例，今年4月，這家公司就表示全年的AI工具預算已經全部花完。CTO表示，每名工程師月均API調用成本高達500-2000美元。為了激勵員工用AI幹活，公司甚至設立了Token排行榜。不加限制地鼓勵，最終導致Uber花錢如流水。

比花錢更冤的，是錢花了，還沒能「聽個響」。

在一檔播客上，談及Uber耗費的Token是否真正轉化成了對消費者們有用的功能，Uber COO Andrew Macdonald表示，AI使用量和實際上生產的功能之間很難聯繫到一起。也就是說，Token本身花得值不值，還沒辦法確切衡量。

Uber不是個案。Meta、Amazon等企業一開始都鼓勵員工消耗Token，排行榜也是司空見慣的手段，但當AI的賬單增長速度遠超業務價值的增長速度，最後也不得不給員工們設定好單月在Claude Code、Cursor等AI工具的Token上限，讓大家「省着花」。

為了壓縮AI支出費用，企業們一方面開始給員工限制預算，另一方面，他們開始打起了開源模型的主意。

對於還沒上市的OpenAI和Anthropic來說，Token消耗增速是估值故事的核心支柱。當生意開始大幅流向開源模型，自家業務增速放緩，估值就要打折。

閉源API的賺錢邏輯，本質上靠的是前沿模型的定價權。一旦商業空間被壓縮，再貴的模型也得放下身段。畢竟，得先有用戶，纔有未來。這也是為什麼兩家海外巨頭也主動開始考慮起替用戶「省錢」的事情。

但需求端想要往下壓價格，供給端也得接得住。

廠商之所以敢降價，是因為模型訓練的成本結構本身正在被改寫——預訓練依舊昂貴，但後訓練的重要性提升，讓大模型廠商們能用更小的模型達到更大模型的效果。

早在2024年，Anthropic CEO Dario Amodei曾預測，2025年-2026年，前沿模型的訓練成本將在50億-100億美元的範圍內。

而在這百億成本里，芯片佔據了支出的大頭。

以這次「力大磚飛」的GPT-6 Astra來說，動用了10萬張GPU的集群，是OpenAI迄今為止最大的訓練規模。按照一塊英偉達H100約3萬美元的價格計算，10萬張GPU的硬件採購成本就要約30億美元。

無休止堆卡跑預訓練是必要的，但也是昂貴的，Scaling Law總是能在恰當的時候「great again」。

但在強化模型能力的戰場裏，除了預訓練，後訓練同樣能夠撬動模型能力的提升，而且成本結構完全不同。

以智譜為例，智譜AI創始人唐傑發文稱，在總參數與激活參數不變的前提下，通過加大強化學習和長程任務反饋的投入，GLM-5.3的端到端任務完成率比GLM-5.2提升超50%。智譜還在財報電話會上提出，決定一個模型上限的包括基座規模、有效深度、訓練深度、任務環境四個因素。

這句判斷提到的後兩個要點，幾乎都由後訓練的投入決定。在這個框架裏，預訓練決定底子，後訓練決定上限。

MiniMax則把後訓練的關鍵進一步引到了推理效率上，在後訓練階段，推理算力的佔比越來越高——合成數據的標註是推理，強化學習Rollout是推理，評測本質上還是推理。推理效率本身就決定了模型的研發效率。

MiniMax創始人、董事長兼CEO閆俊傑還給出了一個觀點：在相同算力規模下，推理計算效率的提升倍數，與後訓練規模的擴大倍數基本線性相關。

需求端的花不起，決定了價格不得不降；後訓練帶來的能力提升，決定了模型廠商有降價的底氣。。

大模型的「傑文斯效應」失效了？

Token支出指數的暴跌，正在打碎「Token經濟」的美夢。

在此之前，行業裏有一個被反覆引用的敘事：傑文斯悖論。

1865年，傑文斯在《煤炭問題》提出一個觀察：瓦特蒸汽機把每單位工作的煤耗降了好幾倍，但英國的煤炭總消耗量反而暴漲了100倍。效率提升沒有讓資源用得更少，反而讓它用得更多——因為更便宜了，所以用的場景爆炸式增長。

這個敘事被套到Token上，就成了今年開始主流的商業故事：模型越便宜，Token用量越大；用量越大，大模型公司的收入就越高。降價不單純是為了讓利，企業們更希望用它做大整個市場的盤子。

但OpenRouter的8月數據，正在對這個故事打上問號。

據摩根大通的研究，OpenRouter平台8月路由Token量按月增長約47%，但對應的美元支出微增7%。用量狂飆、單價崩塌，支出卻幾乎原地踏步。

這一點也體現在消耗結構層面。在8月OpenRouter月度Token排名前十的模型裏，DeepSeek V4 Flash-0731以50.7萬億Token高居第一。前十名裏，低價Flash模型佔據了半壁江山。這說明新增的調用，大頭流向了最便宜的那批模型。

Privorotsky在報告中戳破了這層窗戶紙：「更多需求加上更低價格，若收入增長跟不上成本增長，那對AI基礎設施投資來說是個壞消息。」

不過，傑文斯效應短期內的失靈，不代表這個故事徹底破產了。OpenAI GPT-6 Astra的發布，似乎又讓行業看到了「智能」領先於「性價比」的苗頭。

GPT-6 Astra不僅能直接調用專業軟件，將參考圖片轉化為可編輯交互的工程文件。作為通用模型，它甚至被接到機械手上，用來操控機器完成疊衣服等指令。

這種表現，一定程度上能與拿着合成數據、真實數據訓練的具身智能「大腦」相提並論。只是從任務執行流暢性角度來說，GPT-6 Astra還很初級，畢竟它要從視覺反饋畫面「現場計算」。但這一事件輸出的信號已經足夠清晰——通用模型開始長出「手腳」，「幹掉」一些需要專門訓練的AI。

這條「智能曲線」跟當下的價格戰並不矛盾。當智能泛化解鎖新場景，新場景帶來新的爆發式需求，用量紅利纔會產生。

所以，Token單價跌破1美元，更像是智能和性價比的一個過渡期。現在，昂貴的模型被性價比擠兌，但模型在更多行業場景的應用空間還未被完全挖掘。從這個角度說，傑文斯悖論並沒有完全失效。

Token市場目前的問題在於，新場景的爆發還跟不上價格坍塌的速度。

Agent、企業工作流、個人應用等均處在成長期，它們的應用範圍、任務完成度都還有更大的拓展空間。

接下來，誰能喫到增長的紅利？

過去，市場認為，智能的定價權牢牢握在模型領先者手裏。但當能力差距縮小、工程化的權重越來越大，定價權就開始從「智能領先」，滑向更具「性價比」的公司手裏。

這也是為什麼中國模型公司在這一輪價格戰中格外有存在感。隨着中美模型能力差距不斷縮小，價格更「香」的開源模型，變得更受市場青睞。

價格的下限還會不斷下探，但等到它真正成為「水電煤」的時候，AI應用的故事才真正開始。