文｜光锥智能 魏琳华

七、八、九三个月，大模型行业像打了鸡血。

从海外“御三家”到国内大模型厂商，轮番发布的新模型让人目不暇接。9月第一周，OpenAI、Anthropic、谷歌你方唱罢我登场，Claude Fable 5.1、Gemini Flash 3.8、GPT-6 Astra先后发布。

国内各种版本的“Flash”模型也在扎堆发布。

继智谱的“牛来”（GLM-5.3-Flash）和阿里Qwen3.8-Flash同天发布后，9月10日，DeepSeek先下架了V4 Pro、并发布V4.1 Flash接棒，把价格再按下一档；月之暗面则交出了一个继K3后版本号倒退的Kimi K2.8 Preview，虽然没有公布具体参数，官方表示，它是一个接近K3性能、效率更高的模型。

各家拿出的模型能力节节攀升，但定价却跑出了完全相反的态势。

据Silicon Data的LLM Token支出指数（计算市场每百万大语言模型Token的平均支付价格），8月单月暴跌29%，为0.97美元/百万Token，首次跌破1美元关口。对比今年5月，这个指数还在2美元以上。短短三个月，就经历了一次“腰斩”。

一个“平均支付价格”的下跌，来源最可能是两种解释：要么全行业普降，要么调用结构在集体涌向便宜模型。而在各家大模型API平台用户量水涨船高、Token消耗量暴增的背景下，答案是两者正在同时发生。

AI模型能力在通胀，Token价格在通缩。

这背后是一个增长叙事：只有抢夺足够多的用户，大模型公司才能继续撑起的增长叙事。为此，给模型砍缓存成本、降低定价、推Flash模型，从可选动作变成了大模型厂商的必要手段。

用户正在“用脚投票”，为自己的AI搭子选择更有性价比的模型。

更聪明的模型要便宜Flash模型成为旗舰替代品

在DeepSeek R1过后，大模型厂商自证身价的路变得更清晰——证明自己的模型有多聪明。跑分榜、刷基准，智力是大家“秀肌肉”的硬通货。

但现在，讨论的风向开始变化。在能力近似的前提下，大家能做到多便宜？性价比正在成为大模型行业新的角力点。

今年5到6月Token支出价格经历的快速回落，就与DeepSeek V4 Pro等国内开源模型的降价相关。

5月，DeepSeek曾宣布将自家模型DeepSeek V4 Pro价格永久下调75%，调整后的价格为输入（缓存命中）0.025元/百万tokens，输出为6元/百万Tokens。虽然8月因为扛不住压力又宣布涨价，但这恰恰说明这轮价格战不是“补贴战”，每一“刀”还得“尊重”成本曲线。

但当开源模型能力比肩其他旗舰模型，价格却打到了旗舰的零头，用户怎么选，不难猜。

对此，高盛One-Delta部门负责人Rich Privorotsky指出，AI大模型已经来到下半场，正在由技术是否可行转向成本是否可承受。

当价格成为用户选择的关键因素，大模型厂商们开始用各种方式把模型价格往下打。

最简单粗暴的方式是直接打价格战，让利给用户。

以OpenAI为例，它先对自家的“小弟”动手，没得到明显反馈后，又把屠刀伸向自家旗舰模型。它先于7月30日宣布GPT-5.6 Luna永久降价80%，同系列的Terra也降价20%。不到一个月的时间，又把自己上个月刚发布的旗舰模型GPT-5.6 Sol输入降价20%，输出降价1/3。

一个月“砍”两刀，从外围砍到旗舰。价格战的烈度，被一级级提高。

另一种方式更隐蔽，比如把API接入自家或者其他编程、办公产品，打个限时5折或是两周免费的优惠，或是直接送额度重置。名义上价格没动，但本质上都是变相打折，吸引用户用自家模型跑任务。

但前两种都只是在价格层面动手脚。更根本的打法，是直接对模型本身动刀。

一方面，是大模型厂商们开始在旗舰模型系列之外，发布各种版本的Flash模型，用接近旗舰的性能、远低于旗舰的定价，成为用户日常办事的主力。

智谱的“牛来”模型GLM-5.3-Flash、阿里的Qwen3.8-Flash、月之暗面的Kimi K2.8 Preview，走的也是同一条路。它们都是在自有的旗舰模型基础上，训练出效率更高、定价更有优势的版本。

比如，Qwen3.8-Flash是一个靠新模型架构降低训练、推理成本的性价比模型，官方指出，它的训练开销仅约为Qwen3.7-Plus的1/9。除了性价比优化之外，它把优势点在了编码和办公场景会用到的代码、Agent等能力上。Kimi K2.8 Preview更直白，从它的名字就能明白，它是一个能力接近K3的模型，但效率提升，本质上也是Flash思路的另一种表达。

做Flash模型，为的不是做个面面俱到的优等生，而是当一个物美价廉的“打工人”。模型可能没那么聪明，但对大多数日常任务来说，“够用”本身就是全部需求。

另一方面，旗舰模型也没能“幸免”。它不仅要智能，还要在智能的前提下尽可能便宜。大模型厂商们开始把优化的刀砍向了旗舰模型本身。

Anthropic和DeepSeek们的选择是输入、输出价格不变，对缓存命中的定价下手。比如9月发布的Claude Fable 5.1，定价依然昂贵，但它把缓存读取从1美元降到0.25美元每百万Token，降幅75%。

为什么缓存的价格能砍得这么狠？

从推理成本来看，大模型推理的大头在Prefill阶段（预填充）。比如一段10万字的文档，模型要先从头到尾过一遍，把每个句子拆解成Token，并行计算所有Token的注意力，并生成KV Cache（键值缓存）存入显存。但缓存读取不一样，如果第二次调用同一个上下文时，就可以直接读取KV Cache，取出来用的边际成本几乎为零。同样的内容，成本却天差地别。

更关键的一点还在于需求侧的变化。

今年应用逐渐成熟的Agent场景，就是缓存读取的大户。一个任务可能反复读取同一个长上下文几十上百次。砍缓存价格，更是相当于直接补贴增长最快的场景。

以DeepSeek V4.1 Flash为例，它通过架构、注意力机制、缓存精度三个维度，把KV缓存的空间大幅压缩，从“源头”降低存储成本。

OpenAI的思路则是压缩输出Token降低成本，通过优化任务输出的Token长度，让同样的任务消耗的Token更少。哪怕API定价本身涨了2.5倍，但单次任务的Token消耗量下来了。这是一个“单价涨、但总价降”的做法。

但这条路线也有极限。在GPT-6 Astra发布后，用户发现以前够用的额度在调用新模型后消失飞快，可见有限的优化也难解用户的“渴”。优化的速度，赶不上模型变强带来的消耗膨胀。

降价、折扣、“Flash省流”、砍缓存、压输出，模型厂商的招式齐出，但目的都是同一件事——让用户舍得花Token，公司才能继续讲增长的故事。

为什么大模型厂商要把价格打下来？

当需求端花不起钱，即使是第一梯队的大模型厂商们，也得考虑怎么给模型降价。

对比Token价格指数曾经的两个高峰来看，它的第一次出现在今年1-2月，OpenClaw的爆发带动AI需求增长，Agent成倍消耗Token的特质，进一步加速Token消耗量翻倍增长，这是一个供需驱动的逻辑；第二次则是出现在5月，Token价格指数摸到了2美元左右的顶点，那是海内外旗舰模型轮番涨价的结果。

彼时，所有人都相信：模型越聪明，就越能拥有定价权。

但作为撑起API消耗的主力军，企业早就无法承受昂贵的Token账单。

以Uber为例，今年4月，这家公司就表示全年的AI工具预算已经全部花完。CTO表示，每名工程师月均API调用成本高达500-2000美元。为了激励员工用AI干活，公司甚至设立了Token排行榜。不加限制地鼓励，最终导致Uber花钱如流水。

比花钱更冤的，是钱花了，还没能“听个响”。

在一档播客上，谈及Uber耗费的Token是否真正转化成了对消费者们有用的功能，Uber COO Andrew Macdonald表示，AI使用量和实际上生产的功能之间很难联系到一起。也就是说，Token本身花得值不值，还没办法确切衡量。

Uber不是个案。Meta、Amazon等企业一开始都鼓励员工消耗Token，排行榜也是司空见惯的手段，但当AI的账单增长速度远超业务价值的增长速度，最后也不得不给员工们设置好单月在Claude Code、Cursor等AI工具的Token上限，让大家“省着花”。

为了压缩AI支出费用，企业们一方面开始给员工限制预算，另一方面，他们开始打起了开源模型的主意。

对于还没上市的OpenAI和Anthropic来说，Token消耗增速是估值故事的核心支柱。当生意开始大幅流向开源模型，自家业务增速放缓，估值就要打折。

闭源API的赚钱逻辑，本质上靠的是前沿模型的定价权。一旦商业空间被压缩，再贵的模型也得放下身段。毕竟，得先有用户，才有未来。这也是为什么两家海外巨头也主动开始考虑起替用户“省钱”的事情。

但需求端想要往下压价格，供给端也得接得住。

厂商之所以敢降价，是因为模型训练的成本结构本身正在被改写——预训练依旧昂贵，但后训练的重要性提升，让大模型厂商们能用更小的模型达到更大模型的效果。

早在2024年，Anthropic CEO Dario Amodei曾预测，2025年-2026年，前沿模型的训练成本将在50亿-100亿美元的范围内。

而在这百亿成本里，芯片占据了支出的大头。

以这次“力大砖飞”的GPT-6 Astra来说，动用了10万张GPU的集群，是OpenAI迄今为止最大的训练规模。按照一块英伟达H100约3万美元的价格计算，10万张GPU的硬件采购成本就要约30亿美元。

无休止堆卡跑预训练是必要的，但也是昂贵的，Scaling Law总是能在恰当的时候“great again”。

但在强化模型能力的战场里，除了预训练，后训练同样能够撬动模型能力的提升，而且成本结构完全不同。

以智谱为例，智谱AI创始人唐杰发文称，在总参数与激活参数不变的前提下，通过加大强化学习和长程任务反馈的投入，GLM-5.3的端到端任务完成率比GLM-5.2提升超50%。智谱还在财报电话会上提出，决定一个模型上限的包括基座规模、有效深度、训练深度、任务环境四个因素。

这句判断提到的后两个要点，几乎都由后训练的投入决定。在这个框架里，预训练决定底子，后训练决定上限。

MiniMax则把后训练的关键进一步引到了推理效率上，在后训练阶段，推理算力的占比越来越高——合成数据的标注是推理，强化学习Rollout是推理，评测本质上还是推理。推理效率本身就决定了模型的研发效率。

MiniMax创始人、董事长兼CEO闫俊杰还给出了一个观点：在相同算力规模下，推理计算效率的提升倍数，与后训练规模的扩大倍数基本线性相关。

需求端的花不起，决定了价格不得不降；后训练带来的能力提升，决定了模型厂商有降价的底气。。

大模型的“杰文斯效应”失效了？

Token支出指数的暴跌，正在打碎“Token经济”的美梦。

在此之前，行业里有一个被反复引用的叙事：杰文斯悖论。

1865年，杰文斯在《煤炭问题》提出一个观察：瓦特蒸汽机把每单位工作的煤耗降了好几倍，但英国的煤炭总消耗量反而暴涨了100倍。效率提升没有让资源用得更少，反而让它用得更多——因为更便宜了，所以用的场景爆炸式增长。

这个叙事被套到Token上，就成了今年开始主流的商业故事：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。降价不单纯是为了让利，企业们更希望用它做大整个市场的盘子。

但OpenRouter的8月数据，正在对这个故事打上问号。

据摩根大通的研究，OpenRouter平台8月路由Token量环比增长约47%，但对应的美元支出微增7%。用量狂飙、单价崩塌，支出却几乎原地踏步。

这一点也体现在消耗结构层面。在8月OpenRouter月度Token排名前十的模型里，DeepSeek V4 Flash-0731以50.7万亿Token高居第一。前十名里，低价Flash模型占据了半壁江山。这说明新增的调用，大头流向了最便宜的那批模型。

Privorotsky在报告中戳破了这层窗户纸：“更多需求加上更低价格，若收入增长跟不上成本增长，那对AI基础设施投资来说是个坏消息。”

不过，杰文斯效应短期内的失灵，不代表这个故事彻底破产了。OpenAI GPT-6 Astra的发布，似乎又让行业看到了“智能”领先于“性价比”的苗头。

GPT-6 Astra不仅能直接调用专业软件，将参考图片转化为可编辑交互的工程文件。作为通用模型，它甚至被接到机械手上，用来操控机器完成叠衣服等指令。

这种表现，一定程度上能与拿着合成数据、真实数据训练的具身智能“大脑”相提并论。只是从任务执行流畅性角度来说，GPT-6 Astra还很初级，毕竟它要从视觉反馈画面“现场计算”。但这一事件输出的信号已经足够清晰——通用模型开始长出“手脚”，“干掉”一些需要专门训练的AI。

这条“智能曲线”跟当下的价格战并不矛盾。当智能泛化解锁新场景，新场景带来新的爆发式需求，用量红利才会产生。

所以，Token单价跌破1美元，更像是智能和性价比的一个过渡期。现在，昂贵的模型被性价比挤兑，但模型在更多行业场景的应用空间还未被完全挖掘。从这个角度说，杰文斯悖论并没有完全失效。

Token市场目前的问题在于，新场景的爆发还跟不上价格坍塌的速度。

Agent、企业工作流、个人应用等均处在成长期，它们的应用范围、任务完成度都还有更大的拓展空间。

接下来，谁能吃到增长的红利？

过去，市场认为，智能的定价权牢牢握在模型领先者手里。但当能力差距缩小、工程化的权重越来越大，定价权就开始从“智能领先”，滑向更具“性价比”的公司手里。

这也是为什么中国模型公司在这一轮价格战中格外有存在感。随着中美模型能力差距不断缩小，价格更“香”的开源模型，变得更受市场青睐。

价格的下限还会不断下探，但等到它真正成为“水电煤”的时候，AI应用的故事才真正开始。