人工智能成为平价市场，少数高端模型仍居顶端

AI推理正在成为一种大宗商品，除了前沿模型。印度AI工程师Aman Panjwani指出，GPT-4级模型的输出成本在2022年底约为每百万token 20美元，而如今同等能力只需0.40美元——不到四年下降了55倍。他引用了Introl 2025年12月的单位经济分析报告。

"当DeepSeek在2025年1月以每百万输入token 0.55美元、输出2.19美元的价格发布R1推理模型时——而四个月前推出的OpenAI o1-preview定价分别为15美元和60美元——整个市场在一夜之间重新定价。"Panjwani说。"97%的折扣往往会带来这种效果。"

同一时期，前沿模型的价格却大幅上涨。Panjwani表示："OpenAI将GPT-5.5的价格翻倍至每百万token输入5美元、输出30美元——这在其定价页面上可见。Google的Gemini Flash 3.5比其替代的模型贵了三到六倍。"

Anthropic最近发布的Claude Sonnet 5延续了这一趋势。尽管其每token单价低于Claude Opus 4.8，但为达到相同结果消耗的token更多。Anthropic的Mythos和Fable模型同样昂贵。此外，Anthropic今年将企业客户从按席位定价转向按量计费，并限制了补贴订阅计划的允许用途。

Panjwani认为，这些举动表明token市场正在一分为二：普通推理成本趋近于零，而前沿推理成本持续上升。

AI衡量平台Larridin的CTO Ameya Kanitkar表示，大约六个月前，AI成本是主要关注点，因为企业每月为每个LLM订阅花费20至100美元。但到了2月左右，AI服务供应商开始推动增加AI使用量，而模型能力也在提升，能处理更复杂的、耗时更长的代理任务。

"平均来看，从1月至今成本上升了约10倍，尤其是在工程运维领域，"Kanitkar在接受采访时说。他将这一变化归因于转向更长时间的代理任务和按量计费。

Kanitkar说："一个新兴趋势是，开源模型（开放权重模型）实际上并未落后前沿模型太多。现在成本开始影响资产负债表——尽管并非实际成本——企业开始认真思考如何调整这些成本。"

他观察到，企业AI支出占劳动力成本的10%至20%——例如，年薪20万美元的软件工程师每月花费2000至4000美元用于token。但高支出不一定意味着高生产力。

Larridin的数据显示，15%至30%的AI用户占据了超过50%的AI支出，且这种支出往往与产出提升不相关。当Larridin将token支出与开发者生产力作图时，发现大约在客户支出的35%-40%处有一个拐点，超过此点后燃烧更多token无法提升生产力。Kanitkar表示，以该点作为员工token上限可以在不改变其他因素的情况下削减40%的AI成本。

开放权重模型提供了另一种成本杠杆。Kimi 2.6/2.7和GLM 5.2“几乎与Opus 4.7或4.8持平。理论上它们便宜10倍，实际上约便宜5倍。它们倾向于较慢且消耗更多token——单token成本低但总消费高。”

Kanitkar说，目前几乎75%的企业使用多个模型。他表示，对于面向客户的代理工作，切换模型更难，但对于软件开发则可行得多。

即便如此，价格并非总是首要考虑。Larridin数据显示，企业仍将近一半的AI支出投向Anthropic的Opus模型，因为它能很好地处理复杂的工程和推理任务。