文 | 影子备忘录
这一次带头降价的，是两家最不缺客户的公司。
美国时间 9 月 22 日，Anthropic 发布 Claude Opus 5.5。约一个半小时后，OpenAI 推出 GPT-6 Sol 和 GPT-6 Luna。
两家不约而同把 " 便宜 " 写在了海报最显眼的位置，GPT-6 Sol 每百万 Token 输入、输出价格分别降至 2 美元和 10 美元，是上一代的一半；Luna 更是把输入价格压到 0.1 美元，降幅最高达 58%。Opus 5.5 的输入输出价格则分别降至 4 美元和 20 美元。
一个估值万亿、拥有最多用户的 AI 公司，一个在美国企业中付费采用率最高的模型厂商，在同一天主动砍价，这背后到底发生了什么？
两条不同的降价路线
别看两家在同一天降价，但打法截然不同。
OpenAI 走的是 " 分层降价、以量取胜 " 的路子。GPT-6 Sol 定位于复杂编码和 Agent 工作流，Luna 则面向成本敏感、高调用量的任务。
说白了，就是让不同档位的模型各司其职：高难度任务交给 Astra 旗舰，日常编码和批量处理用 Sol，高频轻量对话交给 Luna。
更关键的是，OpenAI 明确表态新价格是长期定价，不是促销，不是首发优惠，而是永久价格。
这意味着 OpenAI 在赌一个判断：把价格压到足够低，日常调用量会迎来指数级增长，规模效应最终会把单位成本摊薄到可持续的水平。
Anthropic 的思路则完全不同。Opus 5.5 单看单价降幅只有 20%，但 Anthropic 更强调 " 综合成本 "，即通过引入新的动态缓存读取机制，缓存读取价格从每百万 Token 0.50 美元骤降至 0.20 美元，降幅高达 60%。
同时，Opus 5.5 完成任务所需的 Token 总量实现了有效减半，配合输出速度提升超过 30%，典型工作负载的整体运行成本比上一代低了约 40%。
打个比方，OpenAI 像超市打折，直接把标价砍一半，吸引你来买；Anthropic 则像餐厅优化供应链，菜价没怎么变，但每道菜用的食材少了、出餐快了，你花同样的钱吃到的更多了。一个在降单价，一个在降总账。
两家公司为什么选择在这个时间点降价？表面看是竞争，深层看是三股结构性力量在同时发力。
第一股力量：技术架构的突破让降价有了底气。
这轮降价并非赔本补贴。Anthropic 在 Opus 5.5 中引入了全新的动态缓存读取机制，将中间状态数据的存储与回读成本压降到原来的四分之一。
配合这一底层改造，企业在调用同一批核心业务数据时，实际消耗的 Token 总量有效减半。
OpenAI 在 Sol 系列上的大幅让利，同样建立在对基础运算逻辑的重构之上；Luna 则进一步剥离了非必要的泛用型算力模块，聚焦高频、短平快的对话问答场景。
当底层计算范式发生质变，" 价格便宜 " 就不再是无奈妥协，而是新技术架构诞生后的自然副产品。
第二股力量：市场数据揭示了一个残酷现实——贵的模型卖不动了。
企业支出管理平台 Ramp 的数据显示，Anthropic 最贵的 Fable 系列上线一个月后，只占企业从 Anthropic 购买 Token 的 6%。
这个数字说明了一个简单的事实：大多数工作根本用不着为最高档付费。一项任务如果用 Opus 就能做好，企业没有理由再为 Fable 多掏钱。
与此同时，Ramp 追踪的数据显示，每百万 Token 的有效价格已从今年 3 月的 1.15 美元降至 0.68 美元，半年下降了 41%。
企业给 AI 花钱越来越精打细算，不再盲目为 " 最强模型 " 买单，而是开始算一笔账：这件事用便宜模型能不能做？
第三股力量：中国模型的低价攻势形成了倒逼。
以 DeepSeek 为代表的国产模型，已经把全球大模型的价格门槛向下拉低了一个量级。DeepSeek V4 Flash 每百万 Token 输入价格仅 1 元人民币，输出 2 元，折合约 0.14 美元和 0.28 美元。
即便 OpenAI 将 Luna 价格猛砍，其输出价格仍是 DeepSeek V4 Flash 的四倍以上。
摩根士丹利的研报指出，中国大模型 API 的平均价格过去一年明显上涨，而美国闭源模型价格近期持续下降，中美大模型价格差距正在收窄。
这种 " 你涨我降 " 的剪刀差，恰恰说明美国厂商已经感受到了压力，因为如果价格不降下来，价格敏感的客户会毫不犹豫地转向中国模型。
大洋彼岸的价格战，打法不一样
把镜头拉回国内，这场价格战的剧本其实早在两年前就上演过。
2024 年 5 月，字节跳动的豆包率先把 Pro 模型定价打到 0.0008 元 / 千 Token，比行业均价低 99.3%。
随后阿里云通义千问主力模型降价 97%，百度文心大模型两大主力模型全面免费，腾讯混元大模型价格降幅最高达 87.5%。一时间，整个行业陷入 " 亏本卖 Token" 的疯狂。
但两年过去，国内市场的走向出现了反转。国联民生证券测算显示，中国整体日均 Token 消耗从 2024 年初的 1000 亿级飙升至 2026 年 2 月的 180 万亿级。
需求爆炸之下，智谱 AI、腾讯云等相继发布涨价通知，部分产品涨幅超 400%。
2026 年第二季度，中国大模型平均 API 输入价格已升至 4.9 元 / 百万 tokens，输出价格升至 21.9 元，相比 2025 年第一季度分别上涨约 48% 和 80%。
价格战打不下去了。字节高管内部放话：" 未来 18 个月，只有控制算力供应链的玩家才能活到最后。"
这个判断放在美国市场同样成立，但两国价格战的底层逻辑有着根本区别：
国内价格战是 " 烧钱抢地盘 "，字节用提前囤积的算力优势和全行业最低的边际成本碾压对手，阿里、百度则被迫跟进吗，比如阿里靠 MoE 架构把 3970 亿参数激活压缩到 170 亿，显存占用降 60%，推理吞吐量提升 19 倍，属于 " 被逼着降本 "。
这种打法的问题在于，当市场从增量转向存量，烧钱就不再是投资，而是浪费。
美国这轮降价更像是 " 技术红利释放 "。OpenAI 和 Anthropic 的降价有明确的架构优化支撑，不是在赔本换市场，而是在新技术范式下重新核算成本。
美国银行发布的报告也指出，中国 AI 企业正摒弃简单粗暴的价格战，开始更多地围绕完成任务的成本进行定价。某种程度上，中美两国的定价策略正在向中间靠拢。
那这场价格战最后拼的是什么？
先看技术体量。降价的底气不是来自融资额，而是来自每降低一个百分点的推理成本，背后需要多少工程能力来支撑。
Anthropic 的缓存读取机制优化、OpenAI 的推理效率重构，都是真金白银砸出来的技术壁垒。无问芯穹 CEO 夏立雪给出的数据是：过去一年通过模型、系统软件和硬件之间的协同优化，推理成本已下降 90%，未来仍有进一步下降 90% 的空间。
这意味着，价格战的终局不是谁先扛不住亏损，而是谁的技术降本速度更快，降本快的一方可以在更低的价格上保持毛利，而降本慢的一方只能在亏损中被迫退出。
再看估值。OpenAI 目前估值为 8520 亿美元，Anthropic 最新估值达 9650 亿美元，双双逼近万亿美元大关，而这个数字则意味着它们有能力持续投入天文数字级的算力建设。
字节 2025 年资本开支超 1500 亿元，其中约 900 亿元投向 AI 算力；2026 年计划投入 1600 亿元，其中 850 亿元用于 AI 芯片采购。
只有体量大到这种程度，才能在降价的同时继续加码研发，这个游戏，小玩家根本玩不起。
更关键的是，价格战本身会加速行业分化。全球初创企业融资约 5100 亿美元，其中仅 OpenAI 和 Anthropic 两家就吸走约 2170 亿美元，占全球风投的 43%。
资金高度集中于头部，意味着中小模型厂商既没有降本的技术能力，也没有烧钱的资本，更没有持续投入算力的底气。价格战打到最后，不是所有玩家都能留在牌桌上。
写在最后
2013 年，滴滴和快的的补贴大战烧掉了数十亿，最终以合并收场。
2020 年，社区团购的价格战打了一年多，最后活下来的不过两三家。
大模型的价格战不会有本质区别，它是一场关于 " 谁能在最低的价格上提供最好的能力 " 的淘汰赛。
OpenAI 和 Anthropic 的这轮降价，看似是在打价格战，本质上是在用技术优势和资本规模重新定义行业的成本基准线。
当百万 Token 单价跌破 1 美元，大模型正在褪去奢侈品外衣，变成像水电煤一样的基础设施。
而能够在这个价格水平上持续运营并保持创新的，只有那些技术足够扎实、体量足够庞大、估值足够撑起长期投入的少数玩家。
价格战的终局，从来不是比谁更便宜，而是比谁能在便宜的同时活得更好。
技术体量和估值，就是那道活下来的门槛。
