《科创板日报》8 月 4 日讯（记者 王耐）近日，AI Coding 赛道在同一时间落下了两把 " 价格屠刀 "。有人认为，AI 编程已过了技术陡峭期，国内外大模型厂商开始在 " 近身肉搏 "。

7 月 31 日，DeepSeek-V4-Flash 正式版 API 上线。相比 Deepseek-v4-pro，V4-Flash 价格仍在下探。其中缓存命中每百万 Token 为 0.02 元、未命中 1 元、输出 2 元。

在 GPT-5.6 模型上市后仅三周，OpenAI 也挥出了价格屠刀。7 月 30 日，OpenAI 大幅下调 GPT-5.6 系列 API 价格：入门级 Luna 模型降价 80%，输入价从每百万 token 1 美元降至 0.2 美元（约合人民币 1.35 元）；Terra 同步降价 20%。

曾经，海外头部厂商一度站在 AI 价格战之外，把竞争重心锚定在模型能力的竞赛上。但随着 AI 编程商业化的蛋糕逐渐清晰，国内外厂商纷纷 " 砍一刀 "。

光大证券首席资产配置研究员王开认为，价格战传递的核心信号，是 AI 编程正从尝鲜工具转变为普惠的生产力基础设施，成本门槛的下降将加速其在中小企业和垂直行业的渗透。与此同时，行业的关注点也从榜单分数转向有效任务成本与运行稳定性，从模型参数转向复杂任务的实际完成率，从融资故事转向收入质量与客户留存。

降价之后 一线开发者的成本账怎么算？真实感受如何？

崔明（化名）做程序员已有 6 年，目前的岗位是后端兼全栈工程师。他告诉记者，目前模型降价时间还比较短，" 订阅模式下，月费没变。但因为使用 Luna 和 Terra 时扣额变少了，能感受到 luna 消耗降低了一点。" 与此同时，" 由于所在开发团队，为多人共享账号使用，短期内价格的变化还不明显 "。

目前他最常使用的 AI 编程工具是 Codex，配合 ChatGPT 订阅使用。日常主要用 AI 写自动化运维脚本，另外也常用来做框架分析和查找 Bug。" 一个月的正常开发，加上上下文投喂和代码重构，月均消耗大约在 30-50 亿 Token 之间。" 崔明（化名）向《科创板日报》记者透露。

对于最近的模型降价，另一个程序员李路修（化名）也表示，" 还没有明显感受 "。目前一个人一个月使用 169 元 Qoder（阿里巴巴 Agentic 编程平台）高级版套餐基本够用。

阿里巴巴 Qoder 国内版价格页面

" 日常代码基本都可以用 AI 写，已经从 VSCode、IntelliJ IDEA 切换到 AI 编程软件，如 Codex、Qoder。" 程序员李路修（化名）告诉记者。他目前的岗位是数据开发工程师。这一年来，公司开始积极鼓励程序员使用 AI 编程。

对于当前的降价，Deep Social 后端工程师崔涛则有着不同的感受，他告诉记者，" 日常主要使用 GPT-5.5 系列。GPT-5.6 系列的降价对日常使用影响不明显。不过现在能明显感觉到，5.5 的算力资源变紧张了。同样的任务，处理时间大概比 5.6 发布前慢了两到三倍。"

后端工程师崔涛表示，目前自己最看重的还是费用。还有就是稳定性，以及 CodingPlan 每周刷新的额度。他表示：" 模型能力当然重要，但如果成本不可控、额度不稳定，日常开发体验也会受到很大影响。"

采访中，多位程序员提到，当前的 AI 编程已经渗透进日常工作。但用什么工具、怎么用，他们有自己的习惯和判断。

《2026 年开发者调查报告》显示，72% 的开发者每天使用 AI 编程工具，AI 生成或辅助代码占总代码的 42%。而 2023 年这个数字仅为 6%。JetBrains 2026 年 1 月的调查则显示，90% 的开发者在工作中至少使用一款 AI 工具。

除了专业从事开发的程序员，越来越多的代码小白也开始进行 AI 编程的探索。卢旭是 Deep Social 的一名产品经理，这半年来也开始用 AI 写代码。和之前比，卢旭的工作流程和组织分工也发生了很大的变化。

" 以前产品经理主要做需求调研、PRD（产品需求文档‌）和原型设计，现在更进一步地把 UI（用户界面）、前端的工作取代了，可从需求直接干到前端交互页面实现。"

对于当前的价格战，产品经理卢旭表示：" 就目前的价格来看，打价格战挺好的。因为价格还是有点贵，需要花心思来控制使用成本。现在基本上就是把套餐额度‘压榨’到极致。" 他开玩笑地说，期待有一天，使用最好的模型的时候肆无忌惮地使用。

无论从哪个维度看，AI 编程都已不再只属于极客，而是大多数程序员的标配，甚至一些之前完全没写过代码的产品经理、小白都开始使用 AI 进行编程。争夺开发者及其他用户，与争夺下一代开发工具的入口，似乎成了一体两面的事情。一个 AI 编程用户每天打开哪个终端、愿意把 Token 花在哪家模型上。个体的微小选择和成本收益账，正在悄然塑造整个行业的走向。

国投证券科技行业首席分析师马良认为，当前的竞争逻辑正在从 " 单点突破 " 转向 " 系统战 "。

从 GPT-4 到 Claude Sonnet 再到 DeepSeek V4 Flash，主流模型在代码生成基准测试上的差距正在快速收窄。当多家厂商都能提供及格线以上的代码生成质量时，价格自然成为最直接的竞争维度。

AI Coding 价格战开打 海外厂商被 " 卷入 "？

对于 AI Coding 这块蛋糕，国内外大厂也纷纷打出 " 价格牌 "。

下调 Token 价格，甚至打对折、八折……此前算力烧钱、巨额 AI 开支的叙事仍然存在，但最近已被 " 价格竞赛 " 的旋风席卷。值得注意的是，此前一直是国内模型厂商在价格上频频 " 砍一刀 "。最近，站在 AI 价格战之外的国外模型大厂也表示 " 坐不住了 "，降价、新模型迭代的消息频频传出。

比如 7 月底，GPT-5.6 入门级 Luna 价格下调达 80%，输入从 1 美元降至 0.2 美元，输出从 6 美元降至 1.2 美元。Terra 同步降价 20%，输入降至 2 美元、输出降至 12 美元。曾有媒体报道，OpenAI 之所以提前酝酿降价，是因为预计 Anthropic 将采取类似动作。

OpenAI 大模型价格对比图

往前回溯，近几个月来，国外厂商之间近乎 " 贴身肉搏 "，打出的价格牌也非常密集，厂商之间的模型发布周期也间隔很短，市场正在被切分得更细。

比如，5 月 28 日，Anthropic 发布 Claude Opus 4.8。12 天后，能力更强的 Fable 5 和 Mythos 5 发布。

7 月 9 日，OpenAI 刚刚发布 GPT-5.6，并在官方评测中把 Fable 5 列为主要参照模型之一。仅 15 天后，7 月 24 日，Anthropic 发布 Claude Opus 5，每百万 Token 输入 5 美元、输出 25 美元。公司官方也将 " 性能对标 Fable 5，价格是 Fable 5 的一半 " 作为宣传点。

相比起国外在今年才开始在价格上纷纷 " 砍一刀 "，国内厂商早已在成本上经历了几轮迭代。比如，一度被称为 " 价格屠夫 " 的 DeepSeek，于 7 月 31 日宣布 DeepSeek-V4-Flash 正式版 API 上线公测。国内版缓存命中每百万 Token 为 0.02 元、未命中 1 元、输出 2 元，国外版 $0.0028（缓存命中）、$0.14（未命中），输出 $0.28。

DeepSeek 海外版模型价格对比图

纵览当前的 AI Coding 市场，只看国内外任何一方都是不完整的。在 OpenAI 宣布 Luna 降价 80% 的官方帖子下面，评论区也有人晒出了与国内厂商的价格对比图，有用户直言，" 你发布的正是时候，这里是 DeepSeek-V4-Flash 和 GPT-5.6 Luna 两大模型的对比。"

OpenAI 宣布 Luna 降价 80% 官方帖子留言区的用户评论

崔涛是一名来自 Deep Social 的 Java 后端软件工程师，对于当前的 AI 编程价格战，他觉得这是大势所趋，" 对降价本身并不意外。" 目前崔涛从事程序研发 10 年左右。一个月正常开发大概会消耗 60 亿到 100 亿 Token。

不过，他也和记者分享了自己的实际体验，事情也并不是简单的 " 降价之后就一定更便宜 "。崔涛表示，以 GPT-5.6 次级模型为例，虽然表面价格下降了，但计费方式也发生了变化：比如原先 5.5 免费的缓存创建环节现在开始收费。" 实际使用下来，感觉整体成本可能比之前更高，甚至有翻倍的感觉。"

此轮价格战，也让人想到此前移动互联网时代，多次的补贴大战，比如外卖大战、当日达的即时零售大战。

" 与移动互联网时代的价格战相比，AI 编程价格战既有表层的相似，更有深层的根本性差异。" 国投证券科技行业首席分析师马良分析，相似之处是两者都发生在技术范式转换的窗口期，都试图通过低价快速降低用户试用门槛、获取用户基数，都隐含着 " 先占领开发者心智，再考虑盈利 " 的平台型逻辑。

但不会是简单的 " 历史重演 "。马良认为，第一个差异就是边际成本和收益结构不同。比如移动互联网的软件产品边际成本趋近于零，多服务一个用户边际成本非常低，规模效应可以大规模放大。但 AI 编程的每一次 API 调用、每一次代码生成都要消耗 GPU 算力（推理成本），存在真实且不可忽略的边际成本，无法靠规模摊薄。

" 其次，AI 编程的数据飞轮的有效性很多时候取决于数据质量、数据清洗与标注能力和工程基础设施等，而非简单的靠用户数量形成粘性生态，其强度远弱于社交网络的直接网络效应。用户迁移成本显著更低。"

采访中，马良也特别提醒，当前大模型技术迭代的方向不确定，迭代速度快。今天的成本领先者可能因为一次架构突破而丧失优势。

国内外大模型厂商 API 价格对比：有何差距？

经过梳理，目前国内外大模型厂商在 API 价格上，国内厂商价格更低，尤其 DeepSeek 相较同行有明显价格优势。不过，虽然 AI Coding 的价格战已打响，但价格作为大模型的其中一个尺度，无法完全决定 AI Coding 市场最后的终局。

记者采访多位程序员，他们表示，虽然对当前的模型价格以及 Token 消耗量很关注，但不是全部。

比如程序员李路修（化名），特别提到自己更看重编程软件的开发能力、业务理解能力、最终的实现效果以及实现效率；段勇表示自己最关注的除了套餐价格，还关注编程平台是否包含最先进的模型。另外还关心编程工具本身的功能，例如调用工具的能力以及前端界面的问题快速定位和修复的能力；崔明（化名）表示，" 自己最看重编程软件两个指标：一是代码准确度与跨文件上下文感知能力，二是大上下文投喂时的 Token 成本。"

抢占生态位，强化用户使用习惯，是当前国内外大模型厂商亟待完成的命题。价格可以随时调整，但开发者的工作流一旦形成，切换成本极高。在多位程序员的采访中，也都提到了平台的 " 依赖性 "，以及 " 习惯了 " 带来的平台使用惯性。比如崔明（化名）提到一个使用习惯，" 非常愿意切换后台调用的模型，但不会轻易换 IDE 界面（集成开发环境）。"

曾经当过 20 多年的程序员，段勇目前是一家 AI 创业公司 Deep Social CEO，他也表达了自己的对于平台的 " 依赖性 "。

他告诉记者，" 也听说 Claude Code、Codex 等其他很火的平台，但是暂时没有考虑切换。" 段勇最常使用的是编程软件是 Cursor，用了 2 年多了。虽然套餐价格从之前约 20 美金 / 月到现在 300 美金 / 月。但他并没有更换平台，并表示 "Cursor 用得很顺手，也习惯了，不想切换。"

光大证券首席资产配置研究员王开认为，目前 AI 编程正处于从技术验证期迈向规模商用期的过渡阶段，格局上呈现基础款拼极致成本、高端款拼能力上限的分化，降价的核心诉求是抢占开发者生态和使用习惯，这比短期份额更有长期价值。

当通用代码能力趋于标准化，模型之间的差异化并没有消失。有哪些关键点值得特别关注？国投证券科技行业首席分析师马良列出了 4 个维度。

一是工程化治理能力。企业客户不只需要 " 能写代码的 AI"，更需要能融入现有开发系统、可追溯并且支持代码知识产权验证的 AI 编程系统 "；

二是上下文理解与个性化。通用模型能写通用代码，但真正的生产力飞跃来自深度理解特定代码仓库、特定业务逻辑、特定团队编码规范的 AI，构建最好的 " 代码知识图谱 " 和 " 项目记忆系统 "；

三是 Agent 化与自主任务执行。从 Copilot 到 Agent，这条路径要求模型不仅能生成代码片段，还要能理解自然语言需求、规划多步骤任务、自主调试错误、自我修正；

四是垂直领域深度适配程度，尤其金融、医疗、工业控制等。这些领域不仅需要编码能力，更需要深厚的领域知识与数据渠道，构成了天然的差异化壁垒。

此轮模型价格战是补贴换市场？还是真实的技术降本？

光大证券首席资产配置研究员王开认为，当前比拼的重心正在从谁的模型更强，转向谁能以更低的单任务成本稳定完成任务。" 这一轮降价有真实的技术降本作为支撑，并非单纯补贴换市场，因此具备一定的可持续性。"

国内外模型厂商也在尽可能在降低模型迭代、训练开发的成本。比如研究机构 Artificial Analysis 测算显示，DeepSeek V4-Flash 平均每次任务完成成本仅约 3 美分，为当前全球主流大模型中最低，仅相当于 Anthropic 旗下 Claude Fable 5 的约 1/105。有媒体报道，DeepSeek-V4 的 API 业务保持着超过 50% 的毛利率。

此前 OpenAI 也发布公告称，团队让 GPT-5.6 Sol 模型学习 Triton 和 Gluon 两种编程语言，模型据此优化推理引擎内核，使生产环境 GPU 内核带来的端到端服务成本最多降低 20%。

采访时，业内人士也特别强调，此轮技术降本并非凭空而来，价格下探建立在成本结构的优化基础上，并非简单的烧钱换市场。在分析 AI Coding 的商业 ROI 时，除了要看到成本曲线之外，更要看到收入这一端的结构变化。

" 比如当前调用量在爆发式增长，‘以量补价’的通道已经打开；价值定价开始萌芽，部分厂商提价后客户使用量不降反升 "，王开这样分析。而且当前头部大厂并未全线降价，而是采取分层策略，即基础产品走量引流，高端产品和高速模式保留溢价；不同厂商的定价模式更多维，按量计费、订阅制、分层定价、速度溢价并存。

未来，API 价格下探的趋势会长期持续么？国投证券科技行业首席分析师马良认为，当前的价格水平是不可持续的，更像是一种 " 市场出清 " 机制。淘汰成本结构不够优化、差异化不够清晰的玩家。能在这一轮中活下来的公司，将在更健康的竞争格局中重新获得定价权。

模型价格下探，背后的成本大象还是无法绕开。而且当前，大规模模型的每一次代际升级都需要指数级增长的训练投入，而性能提升却可能并非如此，也就是所谓的 "scaling law 的边际递减 "。这也是头部厂商都需要面对的问题。

" 当前头部厂商的盈利模型正在承受巨大压力。对于有现金牛业务支撑的云厂商和平台巨头，AI 编程可以作为战略亏损业务持续投入 3-5 年。它本质上被定位为 " 生态防御成本 " ——即使编码工具自身不盈利，只要能防止开发者流失到竞争对手的云平台，从整体业务的 LTV（生命周期价值）来看就是划算的。" 马良告诉《科创板日报》记者。

对于未来的行业格局，马良认为头部厂商和中小创业公司会迎来分化。" 尤其对于独立创业公司，窗口期更为紧迫。在当前的融资环境下，更紧急的任务是证明公司 ARR 增速是否足够陡峭，只要增速够快，资本市场愿意为增长买单的阶段还会持续一段时间，但随着利率环境的变化和 AI 投资回报的不确定性增加，这个容忍窗口在收窄。"