人工智能成為平價市場，少數高端模型仍居頂端

AI推理正在成為一種大宗商品，除了前沿模型。印度AI工程師Aman Panjwani指出，GPT-4級模型的輸出成本在2022年底約為每百萬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月的單位經濟分析報告。

"當DeepSeek在2025年1月以每百萬輸入token 0.55美元、輸出2.19美元的價格發佈R1推理模型時——而四個月前推出的OpenAI o1-preview定價分別為15美元和60美元——整個市場在一夜之間重新定價。"Panjwani説。"97%的折扣往往會帶來這種效果。"

同一時期，前沿模型的價格卻大幅上漲。Panjwani表示："OpenAI將GPT-5.5的價格翻倍至每百萬token輸入5美元、輸出30美元——這在其定價頁面上可見。Google的Gemini Flash 3.5比其替代的模型貴了三到六倍。"

Anthropic最近發佈的Claude Sonnet 5延續了這一趨勢。儘管其每token單價低於Claude Opus 4.8，但為達到相同結果消耗的token更多。Anthropic的Mythos和Fable模型同樣昂貴。此外，Anthropic今年將企業客户從按席位定價轉向按量計費，並限制了補貼訂閲計劃的允許用途。

Panjwani認為，這些舉動表明token市場正在一分為二：普通推理成本趨近於零，而前沿推理成本持續上升。

AI衡量平台Larridin的CTO Ameya Kanitkar表示，大約六個月前，AI成本是主要關注點，因為企業每月為每個LLM訂閲花費20至100美元。但到了2月左右，AI服務供應商開始推動增加AI使用量，而模型能力也在提升，能處理更復雜的、耗時更長的代理任務。

"平均來看，從1月至今成本上升了約10倍，尤其是在工程運維領域，"Kanitkar在接受採訪時説。他將這一變化歸因於轉向更長時間的代理任務和按量計費。

Kanitkar説："一個新興趨勢是，開源模型（開放權重模型）實際上並未落後前沿模型太多。現在成本開始影響資產負債表——儘管並非實際成本——企業開始認真思考如何調整這些成本。"

他觀察到，企業AI支出佔勞動力成本的10%至20%——例如，年薪20萬美元的軟件工程師每月花費2000至4000美元用於token。但高支出不一定意味着高生產力。

Larridin的數據顯示，15%至30%的AI用户佔據了超過50%的AI支出，且這種支出往往與產出提升不相關。當Larridin將token支出與開發者生產力作圖時，發現大約在客户支出的35%-40%處有一個拐點，超過此點後燃燒更多token無法提升生產力。Kanitkar表示，以該點作為員工token上限可以在不改變其他因素的情況下削減40%的AI成本。

開放權重模型提供了另一種成本槓桿。Kimi 2.6/2.7和GLM 5.2“幾乎與Opus 4.7或4.8持平。理論上它們便宜10倍，實際上約便宜5倍。它們傾向於較慢且消耗更多token——單token成本低但總消費高。”

Kanitkar説，目前幾乎75%的企業使用多個模型。他表示，對於面向客户的代理工作，切換模型更難，但對於軟件開發則可行得多。

即便如此，價格並非總是首要考慮。Larridin數據顯示，企業仍將近一半的AI支出投向Anthropic的Opus模型，因為它能很好地處理複雜的工程和推理任務。