你让AI写一段程序，真正决定账单的，不只是模型标出的单价。它思考得越长，消耗的token——模型处理文字的基本单位——越多，完成同一任务就可能越贵。如今，模型竞争正从“谁更聪明”转向“谁能以更低成本把活干完”。据《金融时报》报道，OpenAI与Anthropic推出了价格更低的模型，中国供应商的低价产品是这轮调整的重要压力来源。不过，这一因果关系目前只有该报道支持，尚不能独立验证。
OpenAI先降小模型，不动旗舰
据Reuters报道，OpenAI把较小的GPT-5.6 Luna价格下调80%，中档Terra下调20%，旗舰Sol则维持原价。这不是全线降价，更像是重新排布产品梯队：用便宜模型承接日常请求，把高价模型留给复杂任务。
这种做法与“模型路由”有关。它像给请求分诊：难题送往昂贵模型，普通任务交给能力够用的便宜模型。《华尔街日报》称，企业正更严格地审查AI支出，并用模型路由压低总账单。Bloomberg则报道，OpenAI新一代产品把减少token消耗和降低单项任务成本作为卖点；Anthropic的高端模型仍处于市场较昂贵的一端。
中国模型改变了比价方式
价格压力不只来自美国同行。据Reuters报道，GLM-5.2等中国模型的编码和agent——能分步骤调用工具、执行任务的AI系统——能力已接近部分美国领先产品，但使用成本低得多。《金融时报》还称，DeepSeek、Moonshot等供应商的低价模型，正在给OpenAI和Anthropic的客户留存与定价带来压力。
开放权重模型进一步改变了选择：企业可以下载模型参数，自行部署和承担算力成本，不必完全接受封闭API的报价。对客户来说，比较对象因此从“每百万token多少钱”扩展到“一项任务最终花多少钱”。
降价之后，考验才开始
模型完成训练后，每次回答仍要消耗芯片、电力和服务器资源。降价可以换取更多用量，却也可能压缩每次调用的利润空间。所谓“价格战”目前更适合视为报道的概括，而不是已经证实的持续竞争机制；“万亿美元雄心”同样是叙事，并非材料确认的估值事实。
局限与未知
- 材料没有Anthropic具体降价幅度、模型名称和发布时间。
- 现有价格缺少统一口径，尚不能完整比较输入、输出、缓存和批处理费用。
- 材料没有披露销量、市场份额或利润率，降价能否换来可持续增长仍未知。