作者｜唐飞

编辑｜李小天

2026 年 7 月末到 8 月初，全球 AI 行业上演了一幕罕见的 " 反向操作 "。

一边是 OpenAI，突然宣布将轻量级模型 Luna 价格猛砍 80%，输入从每百万 Token 1 美元降至 0.2 美元，输出从 6 美元砍到 1.2 美元。中端 Terra 同步降价 20%，只有旗舰 Sol 维持原价。

另一边是 DeepSeek，这家被开发者称为 "Token 价格屠夫 " 的中国公司发布公告：计划近期整体上调 API 服务定价，" 预计涨幅较大 "。

一个降价，一个涨价。一个在 " 向下卷 "，一个在 " 向上走 "。

这不是巧合。两件事在不到十天里先后发生，背后折射的是中美两国企业在 AI 战略上截然不同的路径选择——美国企业正在用分层定价构筑防守体系，中国企业正在用性价比优势争夺全球定价权。

一组数据，看清中美定价的 " 剪刀差 "

一方面美国头部大模型企业开启降价潮。

先看 OpenAI 的降价动作，7 月，OpenAI 围绕 GPT-5.6 完成了产品与定价的系统性调整，首次在同代内搭建起 Sol、Terra、Luna 三层产品矩阵，且上线仅三周便快速实施结构性调价。

具体来看，Sol（旗舰）维持原价（输入 $5.00/ 输出 $30.00 每百万 Token），Terra（中端）降价 20%（调整后输入 $2.00/ 输出 $12.00），Luna（轻量级）大幅降价 80%（调整后输入 $0.20/ 输出 $1.20），同时为 Sol 推出双倍价格的 Fast 加速模式（处理速度提升至标准模式的 2.5 倍）。整个调整节奏明显快于过往产品周期，透露出明确的竞争应对意图。

这套三层架构标志着 OpenAI 不再用单一旗舰模型通吃全部市场，转而搭建更贴近企业预算管理的分层供给体系。其中 Sol 定位旗舰前沿能力，面向复杂推理、科研、长程 Agent 等高失败成本场景，维持原价的核心目的是守住 OpenAI 的能力溢价、利润锚与品牌上限；同步推出的 Fast 模式则把时延从服务属性拆分为可单独售卖的商品，让旗舰层的商业逻辑从单一能力溢价，延伸为能力与时延的双重溢价。Terra 定位为主流生产层，面向日常生产工作流，承担着将原本跑在 Sol 上的中等复杂度请求拦截在更低成本层的作用，既可以降低客户整体账单，也能提升家族内部的路由效率，是整个经营体系的核心中枢。Luna 则定位为高并发放量层，面向分类、摘要、提取、轻量 Agent 等高吞吐、价格敏感任务，大幅降价后直接切入超低价市场，与中国厂商的高性价比模型展开正面竞争。

除了 GPT-5.6 开启降价外，8 月 10 日，Anthropic 取消了 Claude Sonnet 5 原定于 9 月生效的 50% 涨价计划。

资料显示，Sonnet 5 在 6 月底发布时，API 首发价为每百万 Token 输入 2 美元、输出 10 美元，原计划 9 月 1 日起恢复至 3 美元和 15 美元。最新更新显示，这一涨价安排已取消，2 美元 /10 美元将继续作为长期价格。

刚刚发布的谷歌 Gemini 3.7 Flash 定价也给出了十足诚意。按照官方公布的价格策略，Gemini 3.7 Flash 每百万输入 Token 仅收 0.75 美元，每百万输出 Token 仅收 3.75 美元。这相当于在上一版本 Gemini 3.6 Flash 原有标准价格的基础上直接打了五折。

且这个优惠政策不是短期行为，这个价格将一直持续到 2027 年 1 月 1 日，这意味着谷歌给市场留出了为期数月的低价窗口期。

但另一方面，中国的大模型企业却纷纷开启涨价模式。

首先是 DeepSeek，8 月 11 日，DeepSeek 已在官方 API 定价页预告近期将整体涨价，并给出 " 预计涨幅较大 " 的预警。

8 月 12 日晚，DeepSeek V4 Pro 正式版上线。从定价来看，以每百万 tokens 计算，V4 Pro 输入是 0.025 元（缓存命中）和 3 元（缓存未命中），输出则是 6 元。也就是说，V4 Pro 的输出 token 和输入（缓存未命中）都是上一版本 V4 Flash 的三倍。

这不是孤例，8 月 11 日，阿里千问 App 悄悄上线了付费服务。办公助理专业会员分三档——连续包年 200 元、568 元、1499 元。AI 视频生成按额度充值，500 个额度 968 元。

往前看，6 月，字节豆包上线三档会员，价位 688 到 5088 元一年。智谱年内三次提价，累计涨幅 83%，但调用量反而暴增 400%。月之暗面 Kimi K3 提价 3 到 4 倍，还加了一条 " 最高 30% 收入分成 " 的条款。

摩根士丹利一份报告指出，2025 年一季度，字节跳动、阿里巴巴、百度、腾讯、MiniMax、智谱、月之暗面和 DeepSeek 等厂商，平均每百万 Token 输入价格约为 3.3 元，输出价格约 12.2 元。到了 2026 年二季度，输入价格升到 4.9 元，输出价格升到 21.9 元，整体涨幅为 48% 和 80%。

OpenAI 的 " 分层防守 " 策略

数字摆完了，还要看看调价背后的原因。

OpenAI 为什么降价？先看看 OpenAI 自己怎么说。官方解释是 "GPU 内核、推理系统和生产环境效率均有所提升，公司将效率提升带来的收益部分反馈给用户 "。

这些优化是真的。但问题在于——这个解释不了 Luna 高达 80% 的降幅，而 sol 一分不降。

真正的压力来自竞争。

中国模型正在多个维度反超美国同行：据 CNBC 调查，以 DeepSeek、Kimi 为代表的中国模型已拿下 OpenRouter 平台美国企业 Token 用量的 46%，部分时段甚至反超美国模型，DeepSeek V4 Pro 定价 $0.435/$0.87，叠加 75% 的长期折扣，OpenAI 若不在轻量级模型上正面迎战，企业用量恐将持续流失。

与此同时，阿里 Qwen 过去六个月全球下载量突破 30 亿次，超过 Meta、谷歌，成为全球下载量第一的开源 AI 模型，且领先国内同行——阿里邮件显示，Qwen 家族已开源 460 多个模型，衍生模型超 30 万个，而 Hugging Face 8 月 14 日报告显示，谷歌、Meta 2026 年开源模型下载量分别仅为 4.18 亿次、2.27 亿次。

Luna 降价后，输入价已经低于 DeepSeek。而根据 Artificial Analysis 评测，Luna 性能超过了 Google Gemini 3.6 Flash 甚至旧版 Gemini 3.1 Pro，花更少钱获得更好的性能，有可能形成新一轮用户迁移。

更深层的变化在于战略。

Luna 的大幅降价，本质是 OpenAI 主动下沉中低价市场的防守动作。它不需要做到绝对最低价，只需要让价格差距缩小到不足以覆盖客户的迁移、合规与生态切换成本，就能守住 API 流量与开发者入口。整体来看，这一次分层调价标志着 OpenAI 的收入模型，正式从 " 旗舰溢价驱动单用户收入 " 切换为 " 分层路由驱动总调用量与客户留存 "。

还有一个原因或许是华尔街投资者带来的影响。

OpenAI 已向美国证券交易委员会秘密提交了 IPO 申请，奥特曼在内部 Slack 消息中说计划 " 一年内上市 "。

明确的上市时间表背后，意味着 OpenAI 需要在未来的一年内拿到足够漂亮的业绩报表，至于资本看重的核心指标无非是用户总量、利润率等关键指标，以及用户量的提升能否弥补利润率的压缩。但无论怎么样，先有稳定的用户规模才有望在未来获得更多盈利可能性。

从调价幅度的差异不难看出 OpenAI 的战略意图，高端守价、中端巩固、低端抢量，主动拉大各层之间的价格梯度，形成覆盖不同预算与场景的完整产品矩阵。

但防守终究是防守。OpenAI 并没有放弃定价权，而是在重新定义定价权——把过去单一旗舰的每 Token 溢价，转化为全家族在不同任务层级上的预算占有率。这意味着，单纯依赖代际升级持续抬价的阶段已经结束。

DeepSeek 的 " 商业化修复 "

OpenAI 在向下防守，DeepSeek 却在向上进攻。

实际上，DeepSeek 的调价路线早有预兆。4 月，下调缓存命中输入价格，开启限时折扣；7 月引入峰谷分时计费机制；再到 8 月预告整体涨价。

为什么什么敢涨价？

第一，能力已经追平了。

从能力层面看，DeepSeek V4 Flash 维持了 284B 总参数、13B 激活参数与 1M 上下文窗口的基础架构，仅通过后训练就实现了能力的大幅跃升。Artificial Analysis 的数据显示，V4 Flash 0731 在智能指数（Intelligence Index）上拿到 50 分，仅比 GPT-5.6 Luna 的 51 分低 1 分，二者综合智能水平极为接近。

第二，成本优势是实打实的工程效率，不是补贴。

V4 Flash 沿用的 CSA+HCA 混合注意力机制，能够对 KV 缓存做高比例压缩，同时通过稀疏筛选只保留相关性最高的 Token，大幅削减无效计算。DeepSeek 技术报告显示，在 1M 上下文设定下，V4-Pro 仅需 DeepSeek-V3.2 的 27% 单 Token 推理 FLOPs 和 10% 的 KV Cache；V4-Flash 由于进一步通过稀疏筛选只保留相关性最高的 Token，工程测算显示其单 Token 计算与缓存占用较 V4-Pro 再度显著下降

最狠的是缓存定价，缓存命中输入价格仅为未命中价格的 2%（行业普遍是 90% 折扣）。在 Agent 工作流中，典型特征是多轮调用、重复上下文多，每一轮交互都会反复发送相同的系统提示词、工具定义、代码上下文与历史状态，八九成的输入都属于重复内容。提示缓存会将固定内容的计算结果暂存，命中后直接跳过 Transformer 层运算，几乎不消耗算力资源，因此 DeepSeek 可以给出近乎免费的缓存定价。

国际研究机构 Artificial Analysis 的数据显示，DeepSeek-V4-Flash 的平均测试成本仅为 0.03 美元，而 OpenAI GPT-5.6 Sol 为 1.86 美元，Anthropic Claude Fable 5 高达 3.15 美元，相差数十倍至百倍。

所以即使完成涨价，DeepSeek 的定价仍显著低于海外同档位模型，其性价比优势依然存在。

香港大学商学院创新与信息管理教授蒋镇辉分析认为，DeepSeek 之所以能提供如此有竞争力的价格，既得益于其专家混合（MoE）设计等架构优化，也得益于多教师知识蒸馏等高效训练策略。但这些技术优势带来的成本节约，终究无法覆盖以近乎亏本状态服务海量流量的现实。

因此，涨价更像是 DeepSeek 在扩大规模后，对商业模式的一次重新平衡。

摩根士丹利分析师 Gary Yu 和 Lydia Lin 将 DeepSeek 调价解读为行业定价纪律改善的积极信号。并指出行业正从价格竞争转向以智能能力驱动的商业化，三大结构性变化正在同步发生：定价趋于理性、开源授权收紧、模型参数规模跃升。

" 东升西落 " 才刚刚开始

GPT-5.6 的分层调价与 DeepSeek 的定价转向放在一起看，全球 AI 产业的权力结构正在被重写。

第一，定价权在转移。

过去，OpenAI 的定价是整个行业的锚点。当锚点开始下移，改写的就不只是某款产品的价格，而是整个行业的定价逻辑。

现在，中国模型正在成为新的价格坐标。DeepSeek 的涨价不是 " 扛不住了 "，而是 " 打下来了 " ——先用极致性价比占领市场，再拿回定价权。

未来，全球大模型市场可能会进入清晰的分层竞争阶段，市场不再由单一的最强模型通吃，不同层级有着完全不同的竞争逻辑与定价规则。

比如，最高一层是高失败成本的高端市场，覆盖复杂代码修复、长时知识工作、多工具联动的长链路 Agent、高风险专业决策等场景。在这些场景中，一次任务失败带来的业务损失，往往远高于不同模型之间的 Token 费用差，客户的核心诉求是任务的成功率、可靠性与稳定性，愿意为更强的能力支付显著溢价。这一层市场的参与者主要是 Claude 高阶版本、GPT-5.6 Sol、Kimi K3 等，它们的定价依然保持在较高水平，具备较强的定价权，竞争的核心是持续的能力领先与场景深耕，价格并非首要决策因素。

第二层是规模化自动化市场，覆盖常规文本生成、简单编码、信息提取、分类摘要、轻量 Agent、批量文档处理等高频场景。这些场景的共同特征是任务标准化程度高、调用频次高、单任务价值低，对极限推理能力的要求不高，只要模型能力达到够用的门槛，价格就会成为客户选型的核心决策变量。这一层也是当前竞争最激烈的领域，DeepSeek V4 Flash、GPT-5.6 Luna、GLM 系列、Gemini Flash 等众多产品都在这一赛道布局。

第二，中美 AI 差距在缩小，价格差距在拉大。

根据 OpenRouter 平台 2026 年 1-6 月统计数据，DeepSeek Token 调用份额由 9% 翻倍升至 18%；根据 Ramp2026 年 6 月 5 万余家美企账单支付数据，DeepSeek 登顶当月软件趋势榜，Coinbase、Lindy 等美国企业直接付费采购，并非仅采用开源权重本地部署；根据斯坦福《2026 AI Index Report》2026 年 3 月数据，中美头部模型性能差距仅 2.7%，叠加显著价格优势，美企切换至 DeepSeek 后推理成本可下降 30%-95%。

多维度的数据说明，这种 " 能力接近、价格悬殊 " 的格局，正在让全球开发者用脚投票。

国金证券研报认为，需求端，国产模型能力正在跨过可用临界点，Token 调用量持续增长，高带宽通信域已从工程优化项变成模型部署要求；供给端，国产 GPU 与 CPU 供给改善，叠加大厂资本开支持续上修，有望推动国产算力由芯片导入进入系统级放量阶段。

该机构进一步分析，大模型竞争的壁垒是模型智能程度，而非价格。头部厂商可以向下推出低价轻量版本，但中等水平的厂商想要反向突破至顶尖模型，难度则大得多，这种不对称性，决定了纯粹的价格战并非可持续策略。

" 东升西落 "，不是一句口号，而是一个正在发生的产业现实。