据Silicon Data的LLM Token支出指数显示，8月市场每百万大语言模型Token的平均支付价格单月下跌29％，降至0.97美元，首次跌破1美元关口。而今年5月，该指数尚在2美元以上。短短三个月内，大模型Token的平均支付价格经历了一次腰斩。
这一价格走势与过去三个月大模型行业的密集发布形成鲜明对比。9月第一周，OpenAI、Anthropic、谷歌先后发布Claude Fable 5.1、Gemini Flash 3.8、GPT-6 Astra。国内厂商同样动作频繁，智谱发布GLM-5.3-Flash，阿里推出Qwen3.8-Flash，DeepSeek下架V4 Pro并发布V4.1 Flash接棒，月之暗面则交出Kimi K2.8 Preview。各家模型能力持续攀升，但定价却呈现相反走势。
对于Token平均支付价格的快速下跌，存在两种解释：全行业普遍降价，或调用结构集体向低价模型迁移。从各家大模型API平台用户量与Token消耗量持续增长的背景来看，两者正在同时发生。高盛One-Delta部门负责人Rich Privorotsky指出，AI大模型已经进入下半场，竞争焦点正由技术是否可行转向成本是否可承受。
价格下探的路径呈现多元化。最直接的方式是官方降价。OpenAI于7月30日宣布GPT-5.6 Luna永久降价80％，同系列Terra降价20％；不到一个月后，又将旗舰模型GPT-5.6 Sol的输入价格下调20％，输出价格下调三分之一。国内方面，DeepSeek曾于5月将DeepSeek V4 Pro价格永久下调75％，调整后输入（缓存命中）为0.025元/百万tokens，输出为6元/百万Tokens，尽管8月因成本压力宣布涨价，但这一轮调价直接推动了5至6月Token支出价格的快速回落。
另一种方式更为隐蔽，即将API接入自家编程或办公产品，以限时折扣或免费额度变相降价，名义价格未动，实际降低了用户的使用门槛。
更具根本性的策略是对模型本身进行优化。大模型厂商开始在旗舰系列之外发布Flash版本，以接近旗舰的性能和远低于旗舰的定价，承接用户日常任务。Qwen3.8-Flash通过新模型架构降低训练与推理成本，官方披露其训练开销约为Qwen3.7-Plus的九分之一，并将优势集中在编码和办公场景所需的代码、Agent等能力上。Kimi K2.8 Preview则被官方描述为接近K3性能、效率更高的模型。Flash模型的定位并非全能优等生，而是面向大多数日常任务的性价比选择。
旗舰模型同样未能避开成本优化。Anthropic在9月发布的Claude Fable 5.1中，将缓存读取价格从1美元降至0.25美元每百万Token，降幅达75％。从推理成本结构看，大模型推理的主要开销集中在Prefill阶段，即对输入内容进行Token化并生成KV Cache存入显存。而缓存读取时，相同上下文的边际成本几乎为零。随着Agent场景逐渐成熟，同一长上下文可能被反复读取数十上百次，降低缓存价格相当于直接补贴增长最快的应用场景。DeepSeek V4.1 Flash则通过架构、注意力机制、缓存精度三个维度压缩KV缓存空间，从源头降低存储成本。OpenAI的思路是压缩输出Token长度，使相同任务消耗的Token更少，形成单价上涨但单次任务总价下降的效果。
从降价、折扣、Flash模型到缓存优化与输出压缩，大模型厂商的策略各有侧重，但目标一致：在模型能力持续提升的同时，让用户的使用成本维持在可接受范围内。当价格成为用户选择模型的关键变量，如何在成本曲线与增长叙事之间取得平衡，将是大模型厂商下一阶段的核心命题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
