文｜光锥智能，作者 | 魏琳华 ，编｜刘俊宏
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 "。
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。
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。
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。
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。
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。
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、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。
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。
