近期，人工智能模型市场呈现出截然不同的价格走势：国产模型纷纷上调价格，而美国部分模型则选择降价策略。这种分化现象背后，折射出全球AI产业竞争格局的深刻变化。
DeepSeek上周宣布即将大幅提高API价格，引发市场关注。与此形成对比的是，Anthropic取消了Claude Sonnet 5原定的50%涨价计划。这种反差在更大范围内同样存在：智谱年内多次上调价格，月之暗面新推出的Kimi-K3模型将API定价提升至原有水平的三倍以上；而OpenAI则采取主动降价策略，其GPT-5.6 Luna的API调用价格下降80%，并通过增加付费用户额度和将Luna设为免费版默认模型等措施，进一步降低用户实际成本。
价格策略的分野源于对智能服务计量方式的重新思考。行业专家指出，Token作为智能服务计量单位已难以准确反映真实价值，AI竞争正从"Token经济学"转向基于任务完成成本和最终价值的资源配置阶段。这种转变在中国开源模型快速追赶闭源模型的过程中尤为明显——全球最大模型聚合平台OpenRouter上，开源模型的token调用量占比已从年初的33%跃升至67%。
任务级成本对比更能说明问题。在ARC-AGI-2基准测试中，月之暗面7月中旬发布的Kimi-K3单任务成本1.59美元，取得60.4%的成绩；而OpenAI的GPT-5.6-Luna在相近表现下，单任务成本已降至0.67美元，其升级版更将成本压低至0.18美元。这种成本差异为重新定价创造了空间，DeepSeek-V4-Flash-0731在取得相近成绩的同时，单任务成本仅为0.042美元，即使提价3倍仍低于降价后的Luna。
用户需求的价格弹性特征影响着厂商策略。内部文件显示，DeepSeek在现有价格区间内，价格翻倍不会显著影响token消耗量，降价同样难以刺激需求增长。这种特性促使模型厂商探索差异化价值捕获方式：Anthropic聚焦高价值任务领域，凭借编码领域的先发优势，通过Harness技术放大模型能力，向金融、医疗等高附加值领域拓展；OpenAI则采取"广度优先"策略，维持超过10亿的月活用户规模，通过免费层和低价策略构建平台生态。
DeepSeek选择了一条独特的路径。该公司强调不以利润最大化为目标，只要十个月收回设备成本即视为合理利润。其价格优势源于模型与算力基础设施的协同效应，通过优化部署降低算力成本。此次涨价被解读为资源配置手段，旨在通过价格筛选机制，将有限算力优先分配给高刚性需求用户。这种策略在Kimi-K3发布后得到印证——由于需求激增，Moonshot曾暂停新订阅，优先保障现有付费用户。
算力供给正在成为定价的关键变量。早期算力主要作为成本因素影响价格，如今则兼具资源配置功能。当算力不足时，价格承担着筛选需求和分配稀缺资源的作用；随着算力供给扩大，厂商获得更多价值实现选择——既可追求更高利润率，也可拓展应用场景或扩大用户规模。这种转变促使智谱和DeepSeek等企业加大GW级算力基础设施建设投入。
当前的价格分化态势可能不会长期持续。随着国产模型能力提升和算力供给扩大，价格差异或将逐步缩小。但更值得关注的是，模型厂商正根据自身禀赋和战略，形成差异化的价值主张：有的侧重高价值专业场景，有的追求用户规模效应，有的强调基础设施协同优势。这种多元化发展态势，或许标志着AI产业正在迈向更加成熟的阶段。
