大模型Token价格三个月腰斩，大厂掀起Flash降价潮

近期，全球大模型赛道迎来密集的产品迭代期。从海外的 OpenAI、Anthropic、Google，到国内头部厂商，新模型发布节奏不断加快。

然而，与模型能力节节攀升形成强烈反差的，是其调用价格的断崖式下滑。根据 Silicon Data 的大语言模型 Token 支出指数，8 月全球市场每百万 Token 的平均支付价格单月暴跌 29%，降至 0.97 美元，历史上首次跌破 1 美元关口。相比今年 5 月超过 2 美元的高点，Token 单价在短短三个月内直接腰斩。

平均调用成本的暴跌主要由两股力量推动：全行业主动调价，以及调用流量向廉价模型集中。大模型行业正在呈现“模型能力通胀，Token 价格通缩”的全新态势。

Flash 系列井喷，性价比取代刷榜

过去，大模型厂商习惯通过打榜和刷基准测试来展现智力水平。如今，行业讨论的风向发生了根本性逆转：在能力够用的前提下，价格究竟能压到多低？

以 OpenAI 为例，降价动作已从轻量模型蔓延至旗舰系列。7 月底，OpenAI 宣布 GPT-5.6 Luna 永久降价 80%；随后不到一个月，旗舰模型 GPT-5.6 Sol 的输入与输出价格也分别下调 20% 和三分之一。

除了直接打折，各大厂商更为核心的动作是推出各类轻量高效的“Flash”模型，使其成为企业日常调用的主力。智谱的 GLM-5.3-Flash、阿里的 Qwen3.8-Flash、月之暗面的 Kimi K2.8 Preview 以及 DeepSeek V4.1 Flash 均在这一阶段密集上线。

这些 Flash 模型的定位非常务实：不做面面俱到的优等生，而是充当物美价廉的“通用打工人”。通过架构改良大幅降低训练与推理成本，以旗舰模型的零头价格提供“够用”的日常生产力。

缓存成本大砍，精准补贴 AI 智能体

在模型本身降价之外，旗舰模型的成本结构优化也成了竞争焦点，最突出的手段是对上下文缓存（KV Cache）费用进行“大放水”。

Anthropic 发布的 Claude Fable 5.1 虽然基础定价依然不低，但其缓存读取价格直接从 1 美元/百万 Token 降至 0.25 美元，降幅达 75%。DeepSeek 同样通过重构注意力机制和压缩缓存精度，显著降低了显存占用成本。

在大模型推理中，预填充（Prefill）需要计算海量上下文注意力，耗费算力最大；而二次调用命中缓存后，读取成本近乎为零。当下快速爆发的 AI 智能体（Agent）通常涉及长上下文的高频往复读取，降低缓存资费，本质上就是厂商在精准补贴高频业务场景。

企业账单承压，供给侧迎来后训练红利

大模型厂商主动下调定价，首要原因在于需求端已经“吃不消”。

以 Uber 为例，其 CTO 曾透露，部分工程师单月 API 调用支出高达 500 至 2000 美元，导致全年 AI 预算提前耗尽。Meta、Amazon 等企业也纷纷对 Cursor、Claude Code 等编程助手的调用额度设立上限，防止 Token 支出失控。

当高昂账单未能直接转化为业务产出时，企业开始大规模转向开源或低价模型。对于依赖调用量支撑估值的闭源大模型厂商而言，降价挽留客户成了必然选择。

同时，技术演进为降价提供了底层底气。虽然超大规模预训练依然耗资巨大，但行业正逐步转向依靠后训练（Post-training）提升能力上限。通过强化学习、长程任务反馈和提升推理效率，厂商可以用更小的模型体量实现更优性能，大幅改写了单位算力的成本曲线。

“薄利多销”面临阵痛，增长仍待场景泛化

长久以来，AI 领域信奉“杰文斯悖论”：模型单价越低，调用需求就会呈现爆发式增长，从而带动整体营收扩张。

但近期的市场数据却显示出短期背离。摩根大通针对 OpenRouter 平台的统计表明，8 月路由的 Token 总量环比上涨约 47%，但平台的实际美元支出仅微增 7%。在用量排名前十的模型中，低价 Flash 系列占据半壁江山，新增流量几乎全被低价模型吸收。

这表明，当前产业处于“降价速度快于新场景释放速度”的过渡阶段。随着模型逐步融入复杂工作流与具身智能等前沿领域，通用智能长出操纵专业软件甚至物理硬件的“手脚”，新的大规模需求才会真正被激活。

在大模型能力梯队不断收窄的背景下，定价权已从纯粹的“算法领先”滑向“工程化与极致性价比”。当高品质 Token 真正变成价格低廉的基础设施时，AI 规模化应用的下半场才算真正开局。