AI价格战正在发生变化

文 | 影子备忘录

如果你是一个关注AI行业的开发者或企业决策者，可能已经注意到一个微妙的变化：过去一年里，那些曾让你兴奋不已的“骨折价”“免费开放”“无限调用”正在悄悄退场。

大模型厂商不再比谁更便宜了，它们开始做一件更“成熟”的事——分层定价。

而在使用侧，过去企业鼓励员工“放开了用AI”的豪迈，也在被一张张Excel表格里的成本收益分析所取代。

AI的白菜价时期

先把时间拨回一年多以前。

2024年到2025年上半年，国内大模型市场经历了一轮史无前例的价格厮杀。阿里云将通义千问旗舰模型的输入价格从0.02元骤降至0.0005元，降幅97%；百度文心大模型两大主力模型全面免费；腾讯混元大模型价格降幅最高达87.5%。

DeepSeek更是以“成本杀手”的姿态入场，将API价格打到令人瞠目结舌的地步。

彼时的逻辑很简单：抢开发者、占入口、培养用户习惯。

头部厂商主动压低API定价，本质上是在抢占开发者流量入口，用低价建立自己的生态壁垒。

与此同时，使用侧也在上演一幕荒诞剧。硅谷科技巨头内部，管理层奖励重度依赖AI的员工，甚至将Token调用量作为绩效评估的重要指标。

一周调用2100亿个Token、单月花费15万美元……

这些极端案例折射出程序员的“Token焦虑”，不少人为了在内部排行榜上争名次，开始无节制地刷量。

这股狂热同样席卷国内。不少互联网公司高调宣布All in AI，为员工开放无上限的调用权限。

需求的快速膨胀推动Token价格水涨船高，据中国信息通信研究院监测，2026年上半年国内公有云大模型Token服务均价相比2025年下半年涨幅达51%。

但狂欢终有代价，企业在复盘时猛然发现：Token消耗占公司运营成本的比例越来越大，实际带来的业务转化和效率增幅却远不如预期。

Entelligence AI的调查数据堪称触目惊心：企业每花费1美元购买的Token中，仅0.18美元对产出有直接贡献，其余0.44美元用于修复Bug，0.27美元用于重写AI生成代码，另有0.11美元在审查等环节中被消耗。

换句话说，超过八成的Token成本在“空转”。

涨价与降价的拐点

2026年春天，全球AI产业迎来了一道清晰的分水岭。

豆包试水付费、DeepSeek完成首轮融资、字节跳动将AI基础设施支出上修至2000亿元……

一连串信号表明：大模型产业正在从“烧钱换流量”的野蛮生长，迈入“谁能先赚钱”的理性成熟期。

最先感受到压力的，是那些没有云业务交叉补贴的独立模型厂商。

2026年2月，智谱率先打响涨价“第一枪”，发布GLM-5海外版时同步上调Coding Plan价格。

此后三轮调价密集跟进：3月GLM-5-Turbo发布时API价格上涨20%，4月GLM-5.1再涨10%。

6月，MiniMax在发布第三代旗舰模型M3的同时将API价格全面翻倍。

7月，月之暗面发布Kimi K3，输入价格涨至20元/百万Token、输出价格涨至100元/百万Token，较前代涨超3倍。

DeepSeek的调整最具代表性：新价格不仅分高峰与空闲两档，还引入缓存命中与未命中的差异化定价，缓存命中高峰价格涨至原价的12倍。

摩根士丹利统计显示，2026年第二季度中国大模型平均API输入价格已升至4.9元/百万tokens，输出价格升至21.9元，相比2025年第一季度的3.3元和12.2元分别上涨约48%和80%。

为什么撑不住了？原因在于两条传导链。

第一条是算力供给。长上下文、深度推理和Agent任务显著增加推理负载，而高峰时段GPU算力供给仍然紧张。

当调用量呈指数级增长时，每百万tokens对应的真实算力成本无法通过规模效应等比例摊薄。

第二条是商业模式。阿里、字节、腾讯拥有自有算力集群和云业务，模型API对其而言是云服务的引流入口而非利润中心。

而独立厂商没有云生态兜底，API收入是其核心甚至唯一收入来源，成本倒挂倒逼其必须提价。

有意思的是，涨价并未吓退用户。据致同咨询合伙人梁伟披露，智谱一季度API定价较去年底提升83%，但调用量反而增长400%。

这表明，企业级需求的价格弹性低于市场预期，而客户也正在为确定性付费。

分层定价的“新世界”

如果你以为涨价是故事的全部，那就错了。

在独立厂商被迫涨价的同时，大厂们选择了另一条路：分层定价。

美国银行分析师在报告中指出：“中国大型语言模型的价格战正从全面降价演变为分级定价。”

具体而言，通用基础API走普惠低价路线引流，超长文本、多模态复杂推理、旗舰专属模型维持高溢价收费，形成“基础款拉流量、高端款赚利润”的多元定价体系。

来看一组数据，当前国产大模型API价格已呈明显的“梯队分化”：经济型模型的输入价格普遍降至1元/百万词元左右；旗舰模型之间价差则显著拉大，Kimi K3输入、输出价格高达20元/百万词元、100元/百万词元，而MiniMax M3在“永久五折”后仅为2.1元/百万词元、8.4元/百万词元。

有测算显示，同样一项典型任务，选用不同模型的成本差距接近60倍。

在C端，分层同样在加速。主流模型纷纷推出“基础免费+高阶付费”的阶梯体系，月费从49元延伸至700元不等。

Kimi分四档（49元至699元），豆包分三档（最高500元），视频模型海螺AI甚至拉出六档阶梯，至尊版高达2299元/月。

大厂的分层策略则更为隐蔽。阿里云4月先对百炼大模型单元提价2%～5%，随后对DataWorks API取消无限制免费调用，转为按量付费。

通义千问按场景提供三套独立计费方案：按量即时计费、Token Plan包月订阅、Coding Plan专属编程订阅。

这说明大厂并未放弃价格竞争，而是换了工具。它们用分层定价替代了“一刀切”的降价，用场景化收费替代了简单的低价获客。

供给侧的定价变革只是硬币的一面。另一面，消费侧也在发生静悄悄的革命。

2026年7月24日，《华尔街日报》一篇报道被视为分水岭：美国企业界正在集体停止在大模型调用上烧钱。

过去两年，企业以“Token最大化”为荣，谁的API调用费用最高，谁就是数字化转型的急先锋。如今，这套叙事被彻底翻转。

Cursor公司做了一个实验：从头构建一个网页浏览器，全程用GPT-5.5完成，花费略高于1万美元；而用Cursor自家的Composer模型搭配Anthropic的Opus，花费仅1339美元。二者差了一个数量级。

这种“消费降级”背后是一个关键认知的转变：绝大多数任务根本不需要那些最昂贵、最前沿的模型。

优步（Uber）早在4月份就用尽了2026年人工智能预算，并设定员工每月支出上限为1500美元。Meta、亚马逊、沃尔玛和特斯拉等也纷纷引入支出上限，或引导员工转向更便宜的模型。

国内企业的态度也在微妙转变。有程序员表示，Token调用量过高如今被视为“太烧钱没干正事”，因为这部分支出要计入部门成本，超额部分需额外申请。

更值得关注的是，企业开始建立清晰的“任务-模型”匹配意识：简单的文本处理使用极低成本的开源模型或本地小模型，只有高难度的逻辑推理才调用昂贵的前沿模型。

这种分级路由策略显著优化了Token支出结构，但并未降低实际业务价值。

瑞银证券分析师熊玮的判断印证了这一趋势：“模型性能、模型变现以及Token ROI将成为中国AI行业的三条重要观察主线。”

“按结果付费”一种全新的商业逻辑

当企业不再为Token消耗量买单，而是为业务结果买单时，一种全新的定价模式正在浮出水面。

美国Intercom公司的Fin AI Agent已经不按调用次数收费，而是按outcome定价，即解决用户问题0.99美元一个，有效意向客户筛选9.99美元一个。

Salesforce推出的Agentforce Help Agent采用“按解决付费”的定价模式：只有在智能体从头到尾自主解决问题时才会计费。

国内的实践也在加速。百融云创采用RaaS（结果即服务）按结果收费模式，让处理量和部署规模更直接地转化为收入。

云徙科技以保密形式向港交所提交上市申请，其核心卖点是正在改写企业服务行业的计费规则，从“卖软件”变成“按结果付费”。

“过去企业购买的是信息传输能力（流量包），现在企业购买的是智能生成能力（Token包）。”中电信人工智能科技公司星辰通用人工智能实验室主任指出，这是从“比特经济”到“智能经济”的跃迁。

而更深层的变化在于，当定价从“按Token”转向“按结果”，整个AI应用的工作流都需要被重新设计。

研究显示，企业每花一美元在Token上，约八成隐性损耗在修复bug、重写代码与审查延迟。厂商开始从按Token计费转向按结果计费，理性回归倒逼工作流重构。

站在2026年下半年回望，AI价格战的演变轨迹已经十分清晰：

第一阶段（2024-2025上半年）：全面降价抢市场，企业鼓励无限使用Token，行业处于“烧钱换增长”的惯性中。

第二阶段（2026年至今）：独立厂商被迫涨价修正成本倒挂，大厂转向分层定价与场景化收费，企业从“无限使用”转向“按结果消费”，定价逻辑从“成本决定价格”转向“价值决定价格”。

这场转向的深层驱动力，是AI行业从“技术奇点”迈向“产业奇点”的必然过程。

正如瑞银的分析所指出的，中国大模型在训练和推理环节均展现出系统性成本优势，部分头部模型的训练成本可能仅为海外龙头的十分之一，推理端API定价约为海外可比模型的10%至20%，同时仍能实现约20%至40%的毛利率。

但成本优势不等于商业成功。从长期来看，AI芯片、半导体设备、存储芯片以及大型云计算平台可能仍将拥有最强的盈利能力，而单独的AI模型开发商则可能相对处于劣势。

真正值得关注的，是那些正在重新定义“AI经济学”的企业实践。

无锡的“词元超市”让企业像选购“口粮”一样按需调用词元服务，AI研发成本下降近30%，研发周期从两周压缩至一周。

税友股份月Token成本同比降低90%，1元Token的价值带来了460元产出，成本下降但Token消耗量却是去年同期的两倍。

Uber的工程师每天运行超过30000个AI Agent任务，使用AI工具的人数翻了四倍多，但Token成本反而下降了。

这些案例指向同一个结论：当Token的单位成本持续下降，而Token的消费变得更加精准和高效时，AI的商业价值才能真正释放。

结语

AI价格战没有结束。它只是从一个维度切换到了另一个维度。

过去，竞争围绕“每百万Token的价格”展开；现在，关键指标正从每个Token的价格转向完成每项任务的成本。

这意味着决定企业竞争力的不再是模型跑分高低，而是包括算力调度、推理优化、工作流设计在内的综合运营实力。

对于企业和开发者而言，一个重要的提醒是：不要再把Token消耗量当作AI转型的KPI。

真正的竞争力，在于用最合适的模型、最精准的工作流、最低的综合成本，交付最好的业务结果。

价格战的终局，不是比谁更便宜，而是比谁更值得。