（来源：中华工商时报）

转自：中华工商时报

    算力取消涨价，和宣布涨价，哪个更需要勇气？

    8月10日，Anthropic取消了Claude Sonnet5原定9月生效的50%涨价计划；8月12日晚，DeepSeek V4Pro每百万tokens输入3元、输出6元，缓存命中输入低至0.025元，最新调整后，高峰时段V4Pro每百万tokens输入（缓存未命中）9元，涨幅200%、输出27元，涨幅350%，缓存命中输入0.3元，涨幅1100%，也就是说，V4Pro高峰时段最高涨幅达1100%。

    与此同时，日前，全国首个正式落地的词元经济专项金融产品Token贷于广州海珠区发布，由当地政府联合中国银行广州分行推出，同时配套《海珠区促进词元经济发展若干措施》，国内首次形成“产业政策扶持+专属信贷融资”完整闭环，解决AI产业链轻资产企业融资痛点。

    同处全球大模型的第一梯队，中美头部厂商却给出方向相反的价格信号。这背后，是成本的此消彼长，是竞争的攻守易位，还是各自商业周期走到了不同的路口？

大模型价格出现曲线背驰

    今年，全球token消耗量持续稳定增长，然而在大模型的价格曲线，第一次出现了“背道而驰”的走向。

    8月10日，Anthropic取消了Claude Sonnet5原定于9月生效的50%涨价计划。Sonnet5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。

    这意味着，API和订阅两端都在变相降价。

    同时，月之暗面发布Kimi K3时，就把这款面向长程编程和复杂知识工作的旗舰模型放在了更高价格带：每百万Token普通输入20元、输出100元。连续两年不断向下的大模型价格曲线，出现了一次罕见分叉。

    这是短期的策略错位，还是长期的结构性分化？

    天使投资人郭涛认为，中美定价分叉“属于长期结构性分化，而非短期策略错位。”目前，美国企业以标准化通用任务为主，价格竞争是主流手段；国内客户分层清晰，高端政务、金融场景无法选用海外模型，天然形成价格保护带。

    新智派新质生产力会客厅联合创始发起人袁帅认为，这是产业发展阶段、市场结构与竞争策略共同作用的结果，且更偏向结构性分化。他认为，美国厂商已进入存量竞争阶段，有足够的利润空间放弃涨价；而国内厂商仍处于技术投入爬坡期，需要现金流支撑研发，两者的选择是各自产业周期下的结果。

    浙江大学城市学院副教授林先平认为，表面看是美国降价、中国涨价，实则是不同市场供需约束下的短期策略错位，不宜固化为长期结构性分叉。海外算力相对充裕，头部厂商用锁价稳住开发者基本盘；国内算力、电力供给刚性更强，低价烧量难持续。两者的差异，是供需约束下的必然。

    眺远影响力研究院院长高承远认为，美国模型取消涨价、持续降价，核心逻辑是“规模换生态”，通过低价锁定开发者，再从云服务和上层应用变现，这是平台型打法。中国模型此时选择涨价，更多是前期“低价获客”阶段向“价值回归”阶段的正常过渡。

    长期来看，随着规模效应显现，价格仍有收敛空间。

    全国并购公会信用管理委员会专家安光勇认为，这是产品层级和商业阶段分化，美国厂商正在通过降价守住高频企业任务，DeepSeek则从长期超低价获客转向商业化回收。若国内算力成本、供需长期偏紧，才可能演变成结构性分化，目前更像策略错位。

    “涨得有价值”给国产模型留出安全提价空间

    当下，一个共同的问题摆在国产厂商面前，涨价之后，客户将做出哪些选择？

    斯坦福Digital Economy Lab今年4月发布的《Enterprise AI Playbook》，其中一个结果非常值得模型公司警惕：42%的项目认为底层模型完全可以替换。在常规、规则明确的任务中，这一比例达到71%；到了需要复杂推理、专业知识或高风险决策的高级任务，只有18%认为模型可以随意替换，35%认为模型仍然是关键差异。

    袁帅认为，对于常规标准化任务，71%的项目确实可以替换底层模型，这类客户价格敏感度极高；但对于有定制化需求、需要模型深度适配自身业务流程的中大型客户，迁移成本、数据安全需求、长期服务稳定性，远高于Token价格波动，这类客户的价格敏感度不高。

    郭涛认为，金融、政务、工业定制化项目切换成本极高，海外模型根本无法选用，这也给国产模型留出了安全的提价空间。

    “否则，一刀切涨价将加速流失中小开发者。”林先平建议，分层定价、做强缓存与批处理、绑定行业解决方案、用合规与本地化运维构筑海外模型难以替代的壁垒。

    企业愿意切模型，还有一个原因：Agent让Token成本被迅速放大。

    聊天时代，一个问题对应一次或者几次模型调用。Coding Agent接到一个任务之后，会读文件、制订计划、调用终端、修改代码、运行测试、查看错误，然后再循环。一次用户指令背后可能出现几十亿甚至上百亿个共识正在形成：单纯堆算力、堆参数的厂商，正在失去竞争力。这次回落不是AI需求萎缩，而是市场回归理性，无效算力消耗被清除。

    面对“国产模型涨价”这个动作本身，从业人士认为，涨价是走向盈利的必经一步，但前提是“能力要跟上”。

    高承远认为，价格只是入口，价值才是护城河。留住客户的关键，不在于“不涨”，而在于“涨得有价值”，要深耕垂直场景，把通用能力变成行业解决方案；强化本地化部署优势；提升与现有业务系统的耦合度，提高迁移成本。

    Token“低价竞赛”转向“任务价值竞赛”

    过去，企业比的是“每百万Token多少钱”，很容易被低价吸引；现在，越来越多企业开始用“完成一个合格任务需要多少钱”来衡量。

    袁帅认为，过去几年国内大模型的价格战，是资本助推下的“烧钱换市场”逻辑，很多厂商的Token定价远低于实际服务成本，这种模式无法长期持续。如果始终维持低于成本的定价，厂商根本没有资金投入技术研发，行业只会陷入低水平内卷。他进一步指出，涨价带来的短期阵痛，反而会帮厂商筛选出真正有价值的长期客户，推动行业从“拼价格”转向“拼价值”。

    安光勇认为，厂商还可以通过推理优化、缓存、模型路由和高价值企业服务盈利。全面涨价容易把常规任务让给替代模型。

    郭涛认为，真实需求来自智能体规模化落地，单次Agent任务Token消耗是传统对话的百倍，政企数字化、AI办公、代码开发持续带动稳定调用；水分则集中在企业将Token调用量纳入部门绩效、厂商免费额度引流刷量、创投项目盲目测试不计成本消耗，无实际业务转化，仅堆砌调用数据。

    林先平认为，便宜模型若错误率高、重试多，综合成本反而更高。未来竞争核心是有效输出密度、缓存复用、工具调用成功率与行业适配能力，而非参数规模与纸面低价。

    袁帅认为，过去企业只看调用单条Token的价格，但实际上很多低价模型的准确率低、需要多次调试才能完成任务，反而增加企业的人力成本和时间成本。算下来完成单个任务的总成本反而更高。未来的模型竞争一定会走向场景化、精细化的方向。

    袁帅认为，具备MoE稀疏架构、高效缓存、强推理精度的厂商，即便Token单价更高，也能凭借更少重试、更少冗余输出，降低企业整体支出。行业竞争重心，正从“硬件算力规模竞赛”转向“单位任务产出效率比拼”。