共计 1374 个字符，预计需要花费 4 分钟才能阅读完成。
大模型行业正出现一个耐人寻味的反差: 模型越来越聪明, 调用价格却越来越低 。据 Silicon Data 的 LLM Token 支出指数,8 月市场每百万 Token 平均支付价格环比暴跌 29%, 降至 0.97 美元, 首次跌破 1 美元关口; 而今年 5 月, 这一指数还在 2 美元以上。短短三个月, 价格近乎腰斩。
📌 价格下探, 不只是“补贴战”
价格快速回落的背后, 既有全行业普降的因素 , 也有调用结构向低价模型迁移的影响。在各大 API 平台用户量和 Token 消耗量持续增长的背景下, 两种力量正在同时发生。厂商们给模型砍缓存成本、推 Flash 版本、直接下调定价, 已从可选动作变成必要手段。
🔍 Flash 模型成为旗舰“平替”
过去, 大模型厂商自证身价的方式是刷榜、跑分, 证明模型有多聪明 。如今, 讨论风向转向: 在能力近似的前提下, 能做到多便宜? 性价比正成为新的角力点。
- 直接降价:OpenAI 一个月内两次下调价格, 先对 GPT-5.6 Luna 永久降价 80%, 随后又将旗舰 GPT-5.6 Sol 的输入降价 20%、输出降价三分之一。
- 变相折扣: 通过 API 接入编程、办公产品, 提供限时五折、两周免费或额度重置, 名义价格未动, 实质是吸引用户跑任务。
- Flash 路线: 智谱 GLM-5.3-Flash、阿里 Qwen3.8-Flash、月之暗面 Kimi K2.8 Preview, 均以接近旗舰的性能、远低于旗舰的定价, 成为日常任务主力。
- 砍缓存成本:Claude Fable 5.1 将缓存读取从 1 美元降至 0.25 美元 / 百万 Token, 降幅 75%, 直接补贴 Agent 等高频复用场景。
以 Qwen3.8-Flash 为例, 官方称其训练开销仅约为 Qwen3.7-Plus 的九分之一 , 优势点集中在代码、Agent 等办公场景。Kimi K2.8 Preview 则被描述为接近 K3 性能、效率更高的版本。做 Flash 模型, 目标不是面面俱到的优等生, 而是物美价廉的“打工人”。
💡 需求端花不起, 供给端才敢降
企业早已无法承受昂贵的 Token 账单。Uber 今年 4 月就表示全年 AI 工具预算已花完 ,CTO 透露每名工程师月均 API 调用成本高达 500 至 2000 美元。更尴尬的是,Uber COO 承认,AI 使用量和实际生产的功能之间很难建立直接联系——钱花了, 未必听得到响。
Meta、Amazon 等公司也一度鼓励员工消耗 Token, 设置排行榜 , 但当 AI 账单增速远超业务价值增速, 最终不得不为 Claude Code、Cursor 等工具设置单月上限。企业一边限制预算, 一边转向开源模型, 闭源 API 的定价权因此被压缩。
供给端之所以接得住降价, 是因为成本结构正在改写 。预训练依旧昂贵, 但后训练的重要性提升, 让厂商能用更小的模型达到更大模型的效果。智谱 AI 创始人唐杰称, 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投入,GLM-5.3 的端到端任务完成率比 GLM-5.2 提升超 50%。MiniMax 方面也指出, 推理效率本身决定了研发效率, 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扩大倍数基本线性相关。
📊 行业观察: 增长叙事面临重估
围绕“三个月价格腰斩, 大模型的“聪明”正在贬值?”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
