GPT-6 Astra發佈不到一個月，OpenAI就把GPT-6家族成員補齊了。

OpenAI聯合創始人兼CEO山姆·奧特曼。圖片由AI生成

美國當地時間9月22日，OpenAI正式發佈GPT-6 Sol和GPT-6 Luna，分別承擔中階和輕量任務。兩款模型最大的變化不是單純提升跑分，而是價格。

按OpenAI官方口徑，GPT-6 Sol的API價格為每百萬token輸入2美元、輸出10美元，較GPT-5.6 Sol此前的促銷價格下降50%；GPT-6 Luna每百萬token輸入0.10美元、輸出0.50美元，同樣較GPT-5.6 Luna此前促銷價格下降50%。

這個價格已經把Sol直接壓到了Claude Sonnet 5的價位。後者目前也是2美元輸入、10美元輸出。Luna則進一步向低價模型市場下探，輸入價格甚至低於小米剛發佈的MiMo-V2.6-Flash。

更巧的是，就在同一天，Anthropic發佈Claude Opus 5.5。它的API價格為4美元輸入、20美元輸出，較Opus 5的token價格下降20%，但Anthropic稱典型工作負載的運行成本下降約40%。

一個是旗艦模型降成本，一個是中階和輕量模型直接降價。AI模型競爭正在從“誰的模型更強”，越來越多地轉向“完成同樣的工作要花多少錢”。

GPT-6 Sol雖然定位低於Astra，但OpenAI給它的定位並不是簡單的“便宜版”。

在專業工作、程式設計和電腦使用等任務上，Sol都明顯超過上一代GPT-5.6 Sol，部分測試甚至接近Astra。

AutomationBench是其中最典型的例子。

這是一個覆蓋47種工具、銷售、行銷、營運、客服、財務和HR等場景的智能體工作流測試。OpenAI公佈的結果顯示，Sol在xhigh模式下得分33.2%，單任務成本約0.27美元。

與之相比，GPT-6 Astra在low模式下得分30.3%，單任務成本約為Sol的3.9倍；Claude Opus 5在max模式下得分26.9%，單任務成本約為Sol的11.1倍。Claude Fable 5.1得分31.4%，OpenAI估算其任務成本超過Sol的8.9倍。

不過，這些都是OpenAI公佈的測試和成本估算，不是一個統一第三方環境下的橫向測試。尤其是Fable 5.1的成本計算還涉及Opus 5 fallback，OpenAI明確表示公佈的成本沒有計入約40%任務發生的fallback成本。

這項測試覆蓋55個細分行業，主要考察長周期、複雜的專業工作。OpenAI稱，Sol在max模式下得分56.4%，超過Claude Opus 5在該評測中的最高成績，同時單任務成本低60%。

程式設計方面，在DeepSWE v1.1測試中，Sol在max模式下得分68.8%，距離Claude Fable 5的最高成績69.9%只有1.1個百分點，OpenAI估算單任務成本低約80%。

同樣在DeepSWE v1.1測試中，Luna在max模式下得到66.6%，與Opus 5和Fable 5 medium模式的表現相當。OpenAI稱，在這一比較中，Luna的單任務成本比Opus 5低93%，比Fable 5低96%。

電腦使用方面，Sol在OSWorld 2.0離線集上的xhigh模式成績為60.5%，Claude Opus 5在medium模式下為60.3%，兩者幾乎持平，但OpenAI稱Sol單任務成本低約80%。Astra依然是GPT-6家族裡電腦使用能力最強的模型。

所以OpenAI這次最值得注意的變化，是它沒有只盯著“模型得分”。它開始反覆強調cost per task，也就是完成一個任務究竟需要多少錢。

如果說Sol是在中階模型市場重新定價，Luna則直接把價格打到了更低的區間。

目前MiMo-V2.6-Flash的API價格是每百萬token輸入0.14美元、輸出0.28美元；MiMo-V2.6-Pro是0.435美元和0.87美元。GPT-6 Luna的輸入價格只有0.10美元，但輸出價格為0.50美元。

也就是說，Luna的輸入價格比MiMo-V2.6-Flash低約29%，但輸出價格高約79%。

不過，兩者的經濟模式也不完全相同。

小米已經公開發佈MiMo-V2.6-Pro和Flash的模型權重，開發者可以自行部署；如果企業選擇自託管，成本就從API token費用轉向GPU、儲存、推理框架和維運成本。

xAI剛發佈的Grok 4.7則是另一種情況。它在200K prompt以下的標準價格為2美元輸入、6美元輸出，與Sol相比輸入價格相同，輸出價格低4美元。但當prompt超過200K後，Grok 4.7的價格會翻倍至4美元輸入、12美元輸出。

所以如果只看標價，市場已經出現了非常密集的價格梯度：Luna負責0.10/0.50美元這一檔；MiMo、Gemini等繼續壓低低端和中低端價格；Sol站在2/10美元；Grok 4.7是2/6美元；Opus 5.5則是4/20美元。

真正的區別，最終還是要回到任務完成率和實際呼叫成本。

OpenAI這次同步改進了GPT-6的提示快取。同時，開發者可以通過儀表盤和診斷工具觀察快取效果，也可以調整推理努力等級和工具可用性而不破壞已有快取，還可以通過顯式breakpoint控制哪些prompt前綴進入快取。

GitHub提供了一個比較直觀的案例。OpenAI稱，過去幾個月的快取改進，讓GitHub Copilot數十億次請求中需要重新處理的prompt token比例下降超過50%，同時幫助提高響應速度。

Anthropic也在強調類似的邏輯。Sonnet 5目前價格為2美元輸入、10美元輸出，並提供最高90%的prompt caching成本節省。

小米的MiMo-V2.6則把快取價格進一步壓低，Flash快取命中輸入價格為每百萬token 0.0028美元，Pro為0.0036美元。

這意味著，未來企業真正需要計算的可能已經不是簡單的“token單價”，而是完整的單位任務成本：輸入token、輸出token、快取命中率、工具呼叫次數、推理輪數、延遲以及失敗後的重試成本。

除了token和快取成本，OpenAI還在降低另一種“隱性成本”：溝通時間。

GPT-6 Sol和Luna繼承了Astra改進後的溝通風格，在技術和程式設計對話中減少術語、奇怪措辭和低價值細節，回答更清晰，也更簡潔。

OpenAI給出的網頁設計案例，要求把網站改成Bento Box風格並增加頁面滑動切換，GPT-5.6 Sol花了不少篇幅解釋“不需要React”，還主動分享頁面數量、實現細節和圖片工具提示詞。GPT-6 Sol則直接說明修改方案，完成後交代結果，並補充檢查了桌面端、移動端和瀏覽器返回操作，同時明確網站無需React。

這種變化雖然不直接體現在API賬單上，卻會影響實際使用效率。

對於長期運行的程式設計和工作型智能體來說，少一點廢話、少一次確認，也意味著更低的時間成本。

GPT-6 Sol和Luna還有一個容易被價格新聞蓋住的變化，就是對齊表現。

OpenAI公佈的內部測試顯示，在專門誘導模型不誠實的coding deception測試中，Sol的欺騙率從GPT-5.6 Sol的10.4%降至1.3%，Luna從9.5%降至2.8%。

在另一項“搜尋工具已經損壞”的測試裡，模型需要判斷工具失效並主動說明，而不是繼續猜答案。Sol沒有告知工具損壞的比例從77.8%降至5.4%，Luna則從78.3%降至30.2%。

Codex測試中，Sol沒有觀察到繞過自動安全審查的行為；Luna的繞過嘗試率從3.5%降至0.3%，且沒有一次成功。

不過，這組資料不能簡單理解為“模型日常使用中的錯誤率”。OpenAI解釋稱，這些測試是刻意設計出來的對抗場景，並不代表正常產品使用中的失敗機率。

而且，模型仍然存在明顯的邊界問題。

例如面對“訪問被拒絕”這樣的明確警告，Sol在測試中仍有64.4%的運行嘗試繞過限制，GPT-5.6 Sol為68.2%；Luna則從76.5%下降到42.4%。這說明模型在極端場景下的行為雖然有所改善，但距離“完全按照邊界行動”還有距離。

對於無人值守運行的企業智能體，這類指標的重要性甚至可能高於某個通用benchmark多提高幾個百分點。

05  GPT-6開始變成一套“模型分工”

目前，GPT-6家族的三檔定位已經比較清晰。

Astra繼續承擔最複雜的任務。OpenAI把它定位為GPT-6家族能力最高的模型，適合多步驟、多模態、科學和數學等高難度工作。

Sol則承擔大量複雜但高頻的工作，例如建構功能、程式碼審查、偵錯和資料分析。Luna進一步向大規模輕量任務下沉，包括摘要、提取和簡單問答。

這套分層最大的變化，是開發者沒有必要再讓所有任務都經過同一個旗艦模型。

OpenAI表示，Sol和Luna的新價格是長期價格，並非一個即將結束的短期促銷。這對企業尤其重要——價格長期維持，使用者可以直接把模型路由、快取策略和任務分層寫進生產系統。

這個角度來看，GPT-6 Sol和Luna真正改變的，也許不是某一個benchmark的排名。過去，模型競爭主要看誰能把能力再往上推一點。現在則是同樣一項工作，誰能用更少的錢、更少的token和更少的重試完成。(騰訊科技)

面對中國大模型的追趕，現在老美的AI企業貌似也被逼上梁山。

截至目前，已經有頭部企業開始主動降價。

比如，OpenAI就打了第一槍，明顯是要跟我們的AI企業搶奪市場。

另外，像Anthropic、Google等也有類似的跟進，有的是通過隱蔽降價的方式推進。

可想而知，AI科技戰，玩到今天這個地步，已經不再是簡單的“美國領先，中國追趕”的敘事。

事實上，正在變成，中國AI開始真正搶奪美國AI企業利潤前景的白刃戰階段啟幕。

當然，美國AI企業還是很有章法的。

美國巨頭不降價最高端旗艦，只猛降中端、大規模批次呼叫主力型號；高端旗艦依舊維持高溢價，守住高利潤基本盤，用中低端價格戰攔截中國模型的客戶滲透，並非全線讓利。

不過，隨著中國AI不斷追趕，也就意味著，美國AI巨頭們可以不降價的高端旗艦產品，將會越來越少。

與此同時，中國AI企業過去是免費、開源，現如今，則發生了改變。

進入8月，Deepseek帶頭漲價，也帶動更多的中國AI企業要跟進這個策略。

從全域來看，這個全新的格局，意味著，中美AI科技戰進入全新的階段。

這種死亡交叉點，並不是單指中美任何一方，而是說，目前這個局，已經被玩成一種“準死局”。

首先，從老美角度來看，這個局，開始尷尬了。

雖然有算力加持，充足高端晶片供給，可把推理效率紅利轉化為降價武器，可是，這也就陷入了一個關鍵的陷阱。

大家應該記得，A森過去說過，美國是封建制市場經濟體。

其核心邏輯，就是要確保“封建采邑閉環，進而獲得超額壟斷租金”。

只要這個機制不能踐行，那麼，整個社會就不會有超額壟斷租金，也就會面臨嚴重的內塌風險。

也因此，“封閉”，確保絕對的閉環，是重中之重，是生死攸關的大事。

然而，現在，老美的AI巨頭為了狙擊中國AI，願意將不少中端模型產品大規模降價，已經意味著，“閉環”的可能性越來越低。

不是美國AI不領先，而是整個戰略層面的破功，才是最要命的事情。

反觀老中，晶片管制帶來算力硬天花板，為了踐行“性價比+開源”，就需要大規模的補貼。

可是，這一輪大家也看到了，各種跟AI有關的零部件、裝置、產成品都大規模漲價。

這使得中國AI企業在面對開源帶來的流量洪流之際，成本端快要扛不住了。

當然，白宮體系的精英們也是明白的。

因此，它們直接行政指令，要求美國的企業和美國的盟友，在中美AI之間“二選一”。

這種現實地緣的壁壘，正在不斷升級，新的鐵幕又構築起來了。

於是，國產模型在海外開發者獲得大量呼叫流量，但受地緣、合規、出口相關限制，很難大規模直接收割美國本土企業高額營收。

預計，中國AI企業會在比較長的一段時間內身處“有呼叫量、難賺大錢”的局面，漲價也是希望提升單位Token收入，避險海外流量不賺錢的困境。

即，中美之間，到底誰先扛不住這樣的消耗。

而且，雙方的策略都指向一個共同的目標。

雙方都想要，既佔領最前沿的大模型制高點，又要加速佈局應用端獲得利潤和現金流。

從上述最新的態勢來看，如今中國AI企業終於有了一定的“影子定價權”。

過去全球大模型的Token價格完全由矽谷閉源巨頭說了算，性能定多高、收費多貴，全球開發者只能被動接受。

現在發生一件歷史性變化：中國模型不需要大規模打入美國本土企業市場，只需要成為全球開發者可信備選方案，就會倒逼美國巨頭調整定價策略。

能把老美最前沿的產業逼到這個份上，也算是有真本事了，畢竟，我們還在被人家卡脖子呢。

科技，對於白宮那批人而言，是政治工具。

目前，老美的政治精英體系面對上述情況，也算是慌的一逼。

金融風險：放任中國大模型在全球流通，金融市場美國AI巨頭如何可以說服資本看好自己？

地緣風險：中國大模型再這麼發展下去，未來很多國家都可以利用這個，繞過美國的監管，且這還有利於中國陣營的擴大。沒有長臂管轄的絕對能力，等於在削弱美國的霸權體系。

產業風險：讓中國AI這麼折騰下去，美國想要利用AI大幅提高全民勞動生產率的希望也就破滅了，畢竟，中國手裡還握有世界級的工業強權。

軍工風險：目前的兩場地緣戰爭中，AI的武力值加持能力肉眼可見。考慮到中美關係，中國AI的強大，也意味著，中美軍事實力的失衡狀態將漸漸有利於中國。

當初，老美搞AI的策略，其中一點，就是希望模仿當初美蘇爭霸的“星球計畫”。

可是，中國上來就玩“AI+”，避免出現蘇聯在星球計畫中的情況，即，研究的東西不來錢，沒有商業價值。

因此，死亡交叉點的出現，也提示我們：

用星球計畫的套路，對付中國的AI戰略，已經徹底宣告失敗。

死亡交叉的出現，也意味著，未來幾年，中美AI變成全球兩套體系，很多其它國家，不管嘴上怎麼說，也將同步部署中國AI，作為備選方案。

包括蘋果，都想要跟阿里合作，開發專屬中國市場的AI，就很有代表性。

經過這個死亡交叉點之後，AI產業的邏輯，已經發生實質性的改變。

AI競爭正式從“跑分競賽”轉入“生存競賽”，比拚的不再只是榜單分數，而是造血能力與生態存續。

至於AI領域實現全球化的形態，即下面的這個模式，將不復存在：

美國研發——>歐日韓優質供應商——>中國玩中低端——>其它國家被收割

這個是美國人搞AI的核心戰略願景。

然而，死亡交叉之後，這個模式，徹底走不通了。

因為，有史以來最強大的工業強權誕生，並帶來了全新的全球經濟生態。(A視野)

昨兒一直在 X 上刷 Tibo 的首頁，想看看 GPT 什麼時候重設。刷了半天，重設的確切消息沒看到，倒是先看到 GPT-5.6 Luna 降價 80% 的消息。

Luna 直接降價 80%，Terra 降價 20%，GPT-5.6 Sol 還增加了更快的 `/fast` 模式。

這個價格看完是真的有點震驚。

我當時的第一反應就是：OpenAI 這是要趕盡殺絕，讓其他廠家沒活路啊。價格便宜得離譜，性能還強，這還怎麼玩？

我還沒消化完，往下刷就看到了 DeepSeek。

DeepSeek-V4-Flash 正式版 API 開放公測。

官方說，V4-Flash 的 Agent 能力大幅升級，基準成績超過 V4-Pro-Preview；同時原生支援 Responses API，適配 Codex。

OpenAI 剛降價，DeepSeek 又亮出跑分圖和 Codex 適配。這是狙擊 OpenAI 嗎？我不知道。時間點挨得這麼近，很難不這麼想。

DeepSeek 發佈的圖裡，V4-Flash 對 V4-Pro-Preview 的提升很明顯。和 GLM-5.2 比較時，有資料的那些項目裡，V4-Flash 都在上面。Cybergym 那一格的 GLM-5.2 是“-”，沒有資料，所以不能把它也算進比較裡。

光看這張跑分圖，GLM-5.2 就是被摁在地上摩擦，慘不忍睹🤣🤣

我看完還想問一句：Kimi K3 呢？為什麼沒有放進來一起比？

跑分之外，Codex 這個適配也值得看一下。

DeepSeek 官方文件目前寫的是：只有 `deepseek-v4-flash` 支援接入 Codex，`deepseek-v4-pro` 預計在 2026 年 8 月初支援。Codex CLI、ChatGPT 桌面端和 VS Code 外掛共用一份配置檔案，但能不能順利用起來，還要看客戶端版本、帳號和模型支援情況。

也就是說，想試的人不用先換一整套 Agent 工具。模型可以換，工具呼叫、MCP、權限和穩定性還是要自己跑一遍。

DeepSeek 文件裡給了 macOS/Linux 和 Windows 的配置指令碼，我就不把命令整段抄過來了，直接放官方文件連結：

https://api-docs.deepseek.com/zh-cn/quick_start/agent_integrations/codex

在我看來，梁聖和 DeepSeek 做的事情，就是把“智能普惠”做到極致。模型能不能用是一回事，能不能讓更多人用得起、接得上、真正拿去幹活，是另一回事。 (江來有AI)

下午三點，深圳一家餐廳的後台突然炸了。老闆林天恩盯著螢幕，手指微微發抖——15個菜品在同一秒被批次改價，全部被AI系統統一調整為28.81元。最高打了5.24折，最低也打了7.5折。

關鍵是，後台顯示，相關菜品活動的“美團成本”均為0元，折扣差價全部由商家承擔。

“就一個下午，我損失了兩三千塊錢。”他後來對深圳報業的記者憤怒地說道。

此外，統一調價後，其他部分菜品價格過低，林天恩向記者展示幾款菜品對比情況：一款牛腩飯，改價前預計收入33.55元，改價後僅14.49元，甚至部分訂單到手僅僅6.92元，已經低於餐品成本價。

根據深圳報業報導，佛山某燉品店老闆3月中旬遭遇同樣問題：“每單要虧8到10塊錢，賣得越多虧得越多。”代營運告訴他，外賣後台的AI檢測到其他平台價格更低，會自動改價。

筆者認為這不是技術故障，這是商業模式的設計缺陷。

類似的情況在其他公開報導中也有可見。九派新聞報導，一米粉加盟品牌的老闆，看著店員忙碌的背影，自己卻一點也高興不起來，一份米粉，在各種用券後，消費者實付了9.9元，但扣除各項成本後，自己到手還不足1塊錢。另外每日經濟新聞在2025年7月報導，西貝一日湧入1.1萬低價單，被操控的定價權已成行業普遍現象。當演算法成為定價武器，商家在後台看到的或許是訂單數增長，但卻是利潤消失的倒計時。

這場戰爭沒有硝煙，卻更殘酷，它發生在程式碼與資料的暗處，發生在商家毫不知情的後台操作裡。

事實上，平台利用技術手段干預商家定價已有先例。從巨量資料殺熟到商家“被降價”，本質都是價格歧視。2025年市場監管總局資料顯示，涉及價格歧視的投訴量年均增長217%，高頻使用者遭遇溢價幅度最高達38%。

在外賣平台，這種價格歧視或者價格跟隨可能更隱蔽，AI系統通過市場資料“學習”，形成無底線的價格競爭，最終擠壓商家利潤空間。

“輔助營運”成為強制執行的合法外衣。平台與商家簽訂的格式條款中，常包含一攬子授權：“代表商家以填寫、勾選、點選等方式報名參加行銷活動”。

但實際操作中，授權被無限擴大。商家以為簽的是“幫忙營運”，實際簽的是“定價權轉讓”。當AI系統以“輔助”之名行“強制”之實，技術就完成了從工具到武器的蛻變。

與此同時，根據公開資訊，美團外賣推出“商家AI守護”系列工具，進一步升級惡意索賠、惡意退款治理能力。據統計，美團外賣月均攔截惡意差評超20萬條、AI識別並攔截惡意騙賠超31萬次，過去一年，美團已幫助餐飲商家攔截被騙賠損失8671萬元，商家遭受惡意差評的比例下降六成。

美團“AI定價交易”的本質，不是“技術好不好”的問題，而是“技術為誰服務”的問題。

當AI被用來保護商家免受黑產侵害時，它是技術向善的典範，一年挽回8671萬元損失，值得肯定。但當AI被用來在商家不知情的情況下修改價格、強制參與活動、轉嫁補貼成本時，它就成為了平台壟斷權力的技術化延伸，這不是技術進步，這是權力濫用。

中泰證券測算顯示，外賣生意每單創造約34元價值剩餘：消費者福利提升27元，商家效率提升15元，減去騎手成本7元和平台成本1元。但這34元如何分配？

平台掌握定價權。國盛證券研究指出，平台龍頭對商家及使用者的定價能力不會弱於現在，甚至可能增強。當商家固定成本上升、邊際成本變化不大時，平台議價權反而提升。

中國連鎖經營協會調查顯示，部分商戶承擔的補貼分攤比例高達70%，遠超國際通行的30%合理閾值。成都“蜀味軒”連鎖火鍋因拒絕美團獨家協議，搜尋排名一夜滑落至第五頁，日訂單量從300單銳減至180單。

當商家60%的利潤被平台抽走，定價權轉移就成了從技術基礎到商業模式的轉變。

西貝創始人賈國龍說得直白：“外賣平台就是交易平台和服務平台，不能做任何促銷，促銷是商家的事兒。現在外賣平台促銷，逼著商家補貼，商家完全沒有定價權。”

流量分配權成為終極權力。不上活動就沒有曝光量，上了活動就倒貼虧損，商家陷入囚徒困境。

《電子商務法》第35條，該條款明確禁止平台利用技術手段對商家交易價格進行不合理限制或者附加不合理條件。但平台通過“輔助營運授權”等格式條款，將AI改價包裝成“技術服務”。

根據深圳報業報導，廣東誠公律師事務所律師李王瑩瑩指出，平台利用AI未經授權強制改價，本質是利用技術手段剝奪商家定價權，直接觸犯該條款。

一攬子授權是否有效？商家在簽約時往往忽略細則中的“代表商家報名參加行銷活動”條款。當AI系統據此批次改價，商家維權時才發現：自己“同意”過。

當利潤被演算法擊穿底線，食品安全防線便開始崩塌。為了應對“賣一單虧一單”的局面，部分商家被迫使用過期食材、冷凍拼接肉，甚至出現“幽靈廚房”和料理包氾濫。

消費者以為薅到了平台的羊毛，殊不知，他們吃進嘴裡的，可能是商家在生存高壓下偷工減料的“代價”。平台用AI改價製造了虛假的繁榮，卻為整個行業的食品安全埋下了定時炸彈。

2026年4月，《網際網路平台價格行為規則》正式施行，明確禁止平台利用技術手段強制商家“全網最低價”或自動跟價；廣東等地簽署的自律公約也嚴禁平台“擅自操作後台”。北京市場監管部門更是直接約談平台，指出“代營運授權”不能成為侵害商家經營權的擋箭牌。

價格，是經營者的核心產權。未經授權修改他人商品價格，在現實中等同於偽造價簽、篡改帳本。AI再智能，也不能凌駕於產權之上。

平台有著規模優勢資訊差，“以大欺小”本身就不合理，而且這種短視行為無異於竭澤而漁，最終消耗掉平台所有的信任，把平台推向所有人的對立面。所以尊重行業規則和法律法規，才是平台巨頭保護自己的最優解。

商業競爭可以有各種效率競爭和一定程度的價格競爭，但變成毫無底線的價格戰，只會變成“劣幣驅逐良幣”的最差的局面。所以請平台儘可能的把知情權，定價權，交還給那個知道餃子成本是多少，豬腳飯飯該賣多少錢的商家，也請尊重所有消費者的知情權，健康權。 (首席商業評論)

自2023年開始，全球範圍掀起了以大模型為代表的生成式AI浪潮。過去一年，但凡和算力、演算法、資料、網路安全、雲端運算、AI相關的企業和題材，都在AI大模型題材的風口上，被追捧上了天。但從技術革新的角度看，國產大模型並沒有給生產生活方式帶來質的改變。

前不久，李開復在一場採訪中直言不諱地指出，對於美國人來說，“ChatGPT時刻”發生在17個月前，但中國使用者卻還在翹首以待屬於自己的“AI時刻”。

歸根結底，國內的聊天機器人和工具做得還不夠好。“中國必須擁有自己的ChatGPT，才能激發公眾對AI技術的極大興趣，並推動其在更廣泛領域的應用和投資。”李開復直言。

與此同時，不斷有大佬高喊“不能落地的大模型沒有意義”。

比如李彥宏就公開表示，中國現在數百個基礎模型是對社會資源巨大的浪費，更多的資源應該如何探索與各行各業的結合，以及下一個超級應用的可能性。

在需求端，市場其實非常迫切想要找到能快速落地、產生效益的AI產品和服務。對於大模型開發者和應用者來說，卷參數已經沒有任何意義。在火山引擎總裁譚待看來，“如何讓更多人、各行各業用起來”，才是現階段對於“好模型”的最佳定義。

多位行業人士判斷，今年將是中國生成式AI應用的爆發元年。而當下打開市場的關鍵突破口，“價格”成為了行業的新共識。

在剛剛結束的春季功能更新會上，OpenAI宣佈了其最新模型GPT-4o，不僅性能有大幅提升，價格也下調了50%。要知道，這是自2023年初以來，OpenAI進行的第4次降價。

在當前市場上，大模型通常是以1000 tokens為計費單元。以GPT4為例，從去年3月發佈至今，OpenAI把GPT4升級到GPT-4o，輸入價格從0.03美元/1000 tokens下降到0.005美元/1000 tokens，降幅高達83%；輸出價格也從0.06美元/1000 tokens下降到0.015美元/1000 tokens，降幅為75%。

按照OpenAI的預期，其大模型將按照每年50-75%幅度繼續降本。

把降本深埋在業務發展主線的，不只有OpenAI。今年以來，為了加速應用端的落地，國內大模型玩家不僅開始順應降價的趨勢，甚至降幅力度達到了驚人的程度。

例如智譜大模型在本月官宣其新的價格體系，入門級產品 GLM-3 Turbo 模型呼叫價格從 5 元／百萬 tokens 降至 1 元／百萬 tokens，降幅高達 80%。

再比如DeepSeek 在5 月 6 日發佈的二代 MoE 大模型 DeepSeek-V2，能力對標GPT-4、llama 3-70B，每百萬 tokens 的輸入和輸出分別是 1 元和2 元，只有 GPT-4 Turbo 價格的近百分之一。

而字節在5月15日發佈的豆包大模型，直接把AI使用成本從“以分為單位”，幹到了“以釐為單位”的時代。

其中，主力模型豆包Pro 32k定價0.8釐/1000 tokens，比行業平均價格降低99.3%。在全行業降價的背景下，同樣是1塊錢，使用者可以從GPT買到2400個token，國產大模型可以得到8000多個 token。

如果使用者用開源Llama模型自己搭建，大概能獲得3萬個 token。而1塊錢，能在豆包大模型上足足獲得125萬個 token，相當於處理3本75萬字的《三國演義》文字量。

在過去一年上演的“百模大戰”，每隔一段時間總會有人對“如何加速模型落地”進行追問。無可否認，AI大模型有無限大的價值，等著市場玩家去發掘，但眼下不過是行業非常初期的探索階段。

AI作為一場成本驅動的生產力革命，大模型的價值在於通過建立圖像和語言理解，讓創造的邊際成本無限趨近於零。在火山引擎總裁譚待看來，降價是價值創造的重要推動力：“大模型在to B市場的應用場景還很少，包括OpenAI也在不斷降價，大家的共同目標都是把市場蛋糕先做大。”只有降低客戶試錯成本，才能促進產業繁榮。

一位行業人士坦言，目前中國AI大模型應用的市場規模，與所有市場玩家投入的訓練成本相比杯水車薪。企業還無法靠to B服務做到正循環，在收入方面的差距在兩個量級以上。在這種情況下，大模型企業試圖通過降價，讓更多人用起來，“至少是條可以嘗試的路子。”

中國企業歷來奉行應用主義，多數企業之所以願意擁抱AI時代，就是希望自身在市場競爭中借助 AI 打造差異化優勢，從而提升行業競爭力。

然而，面對市場層出不窮的大模型，使用者難以精準做出選型決策。再加上企業缺乏模型調優和專業資料處理的經驗，導致模型的實際應用效果達不到預期，很難與自身業務相適配。

模型效果是AI落地最關鍵的一環。多位行業從業者表示，好的技術一定是在大規模應用，不斷打磨的情況下形成的。這與字節在豆包大模型發佈會上對外闡述的理念一致——用起來才是關鍵。“只有在真實場景中落地，用的人越多，呼叫量越大，才能讓模型越來越好。”譚待告訴虎嗅。

通常來說，價格是使用者對於大模型的首要考慮因素。畢竟AI 創新的風險係數非常高，很多企業即使想做各種創新，可受限於模型使用成本，並且擔心模型難以勝任各垂類場景的任務，導致ROI為負，因此會更傾向嘗試沒有門檻負擔的工具。

譚待粗略算了一筆賬，企業要想用AI做一項創新，至少要消耗100億token，如果按照大模型之前的售價，平均需要花費80萬元，而現在使用豆包大模型，只需要8000元就能搞定。

過去，大模型推理成本下降，很大程度上依賴於算力的升級。而豆包之所以在價格上“碾壓”其他同類大模型，依靠的是模型結構的最佳化、工程上從傳統的單機推理變為分佈式推理，以及把不同負載的推理進行混合調度等方式，從而帶來超預期的降本效果，也成為打開AI應用的重要“開關”。

值得注意的是，包括BATJ等頭部大廠，也都在把大模型的競爭焦點放在了模型訓練效率提升，降低大模型的推理成本上。

當然，如果單純拼價格，誰都能祭出價格更低的大模型。但如果要真正打破大模型與行業之間的高牆，讓美好的場景更廣泛地發生，更低的成本是必要條件，但不能以犧牲模型的質量為前提。

例如市面上也有很多輕量化模型，雖然也做到了比較低的成本，但是以壓縮了模型能力和推理成本為代價，在效果上大打折扣，不能與其主力模型相提並論。

儘管大模型降價的趨勢已成必然，但字節的“行業最低價”也招致不小的熱議。

一方認為，豆包大模型以行業最低價讓企業用最低成本就能呼叫大模型，加速了應用落地；另一方則批評，字節的野心讓其過早地觸發了價格戰，隨著各家大模型使用成本逐步降低，接下來很可能會上演一場市場爭奪戰。

對於外界的質疑，譚待解釋稱，大模型現在還是初期階段，遠沒有到激烈競爭的程度，模型的推理成本未來一定會繼續下降，“或許，等到那時再回看今天的0.8釐錢，也許一點都不便宜。相比之下，我們只不過是提前那麼一步而已，目的並非是為了驅趕對手。”

況且，低價不等同於“價格戰”。to B需要保持長期的盈利，譚待表示：“不虧損是保障業務穩定的關鍵，也是火山引擎的原則。”因為只有這樣，才能長期可持續地提供服務。

在去年AI大爆發引發的大模型訓練熱潮中，包括智譜AI、月之暗面、Minimax、零一萬物最早都使用了火山引擎的算力訓練模型。

譚待坦言，雲市場其實比拚的就是規模。AI大模型的火熱，為雲廠商開闢了新的市場機遇。微軟Azure就是最有力的證明。其通過投資繫結OpenAI讓雲業務一路高歌猛進，躍升為全球第一的智能雲。

目前，豆包大模型已通過火山引擎正式對外提供服務。根據官方資料，豆包大模型單日Tokens的用量達1200億，單日生成的圖片數超過了3000萬張。

去年，當大多數在去年上演“百模大戰”時，字節的“缺席”曾一度被外界認為存在嚴重的滯後性。彼時的豆包大模型，還處於襁褓之中。誰曾想，隱忍多時的字節，會在這個節點出手。

除了模型的效果和成本，應用落地也非常關鍵。在過去一年裡，豆包接入了包括抖音、頭條、番茄小說等50多個業務，業務場景涵蓋辦公智能助手、電商導購、售後客服、行銷創作、資料智能分析、程式設計助手等，並邀請了手機、汽車、金融、消費、互娛領域的行業頭部客戶內測。

在模型打磨的過程中，挑戰一直都在。首先要讓基礎能力和性能達到對應的標準，然後對接企業客戶需要解決很多問題，比如搭建大模型評估和應用流程，包括測試集合、案例分析和精調能力等，否則很難辨別哪些場景靠譜，哪些場景短期內不合適。

也是在和企業客戶磨合的過程中，火山引擎團隊加深了對助手類、知識類、娛樂類、教育類等場景的瞭解和適配程度，並且針對不同場景在火山方舟2.0平台植入了對應的外掛和工具平台，不斷實踐摸索中找到最佳的解決方案。

大模型的能力目前很多維度上讓人驚嘆，但也有很多缺陷，同時又在快速演進，每隔三個月、半年都會發生很大變化。“這恰恰是做大模型產品的挑戰和樂趣，需要在這種持續動態的技術發展中，不斷去判斷下一個產品的PMF （產品市場匹配點）可能是什麼。”

值得一提的是，在字節的AI 應用搭建平台“扣子”上，已經有些開發者通過自己開發的應用，獲得了一定收入。譚待預測在今年下半年，大模型在應用方面將會讓更多場景，從概念驗證階段走向落地階段。

眼下，火山引擎和招商銀行、蒙牛、OPPO等企業使用者，在核心業務場景都已展開了合作和探索，至於大模型將如何塑造未來，一切還要交給時間去驗證。  ( 虎嗅APP )

彙整鉅亨號中所有使用「AI價格戰」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

GPT-6家族上新！OpenAI打價格戰，但又不全靠價格戰

死亡交叉：中國開源AI模型漲價，美國大模型開始降價？

OpenAI剛把GPT-5.6 Luna降價80%，DeepSeek就拿V4-Flash來狙擊了？

美團外賣AI改價格，正在成為商家的隱形枷鎖

大模型想落地，先讓大家用得起