在人工智能大模型领域，OpenAI与Anthropic两大巨头近期动作频频，不仅在技术性能上展开激烈角逐，更在定价策略上分道扬镳，引发行业广泛关注。据Artificial Analysis最新综合评测显示，OpenAI最新发布的GPT-6 Astra与Anthropic的Claude Fable 5.1在独立测试中并列榜首，标志着技术竞争进入新的平衡阶段。
尽管性能表现相当，两家公司在商业化路径上却呈现出截然不同的选择。OpenAI一反此前旗舰模型持续降价的趋势，将Astra的API定价提升至前代GPT-5.6 Sol的2.5倍，同时探索"按任务效果收费"的创新模式。这种在性能未形成显著优势时大幅提价的策略，被业界视为对市场承受能力的试探性举措。公司官方解释称，部分测试显示Astra能用更少的输出token达成更优结果，实际任务成本可能更低，但这一说法尚未得到大规模应用验证。
支撑OpenAI定价底气的，是Astra空前的训练规模与性能突破。该模型在得克萨斯州Stargate超级计算基地使用超过10万块GPU进行训练，其ARC-AGI-3通用推理测试得分高达99.9%，较前代7.8%的成绩实现质的飞跃。然而，这种技术跃升也带来高昂成本，硬件投入与能耗的激增直接推高了API定价，反映出大模型训练成本与商业化之间的深层矛盾。
与OpenAI形成鲜明对比的是，Anthropic选择通过降价提升市场渗透率。Fable 5.1维持了每百万token输入10美元、输出50美元的基础定价，但将缓存读取价格从每百万token1美元大幅下调至0.25美元，降幅达75%。公司测算显示，这一调整将使典型工作负载成本降低约25%，对于需要频繁调用历史数据的智能体任务，节省幅度最高可达45%。这种"以价换量"的策略，精准切中了企业客户对性价比的迫切需求。
当前，两家公司均处于冲击万亿美元估值的关键阶段。Anthropic凭借最新一轮融资后9650亿美元的估值反超OpenAI的8520亿美元，资本市场对大模型商业化的考量已从技术参数转向收入转化能力。OpenAI通过提价测试"按效果付费"的市场接受度，试图建立基于任务复杂度与产出价值的定价体系；Anthropic则通过降价扩大企业客户覆盖面，争夺工作流中的基础应用场景。两种路径的竞争本质，是对企业客户"为智能付费"意愿上限的深度探索。
行业观察人士指出，大模型竞争已进入"追平时代"，单纯的技术领先难以维持长期优势，商业化能力将成为决定胜负的关键因素。OpenAI的激进定价策略能否被市场接纳，Anthropic的性价比路线能否转化为稳定收入，将取决于Astra"按效果收费"模式的实际落地效果，以及企业客户在"高效高价"与"够用低价"之间的真实选择。这场定价博弈的结果，或将重塑整个AI大模型行业的商业生态。
