中美AI剧本互换：谁在真正掌握定价权？

OpenAI降价80%防守，DeepSeek整体涨价进攻，中美AI商业逻辑正在倒转。本文拆解大模型定价权转移的底层逻辑，并给出企业AI选型、成本管理与场景分层的可落地策略。

大模型竞争的壁垒是模型智能程度，而非价格。头部厂商可以向下推出低价轻量版本，但中等水平的厂商想要反向突破至顶尖模型，难度则大得多。这种不对称性，决定了纯粹的价格战并非可持续策略。

这段话出自国金证券的一份研报。它精准概括了2026年7月末到8月初全球AI行业最值得玩味的一幕：OpenAI把轻量级模型Luna的价格砍掉80%，DeepSeek却宣布整体涨价，且“预计涨幅较大”。一个向下卷，一个向上走。价格只是表象，真正的变量藏在定价权、商业模型和竞争壁垒的转移里。

一个降价，一个涨价，剪刀差正在拉开

先把时间线拉直。7月末，OpenAI围绕GPT-5.6完成了产品与定价的系统性调整，首次在同代内搭建起Sol、Terra、Luna三层产品矩阵。上线仅三周，就快速实施结构性调价：Sol旗舰维持原价，Terra中端降价20%，Luna轻量级大幅降价80%，同时为Sol推出双倍价格的Fast加速模式。整个节奏明显快于过往产品周期。

中国厂商却在做相反的动作。8月11日，DeepSeek在官方API定价页预告近期整体涨价，并给出“预计涨幅较大”的预警。8月12日晚，DeepSeek V4 Pro正式版上线，输出token和输入（缓存未命中）价格均为上一版本V4 Flash的三倍。这不是孤例。8月11日，阿里千问App悄悄上线付费服务，办公助理专业会员分三档，从连续包年200元到1499元不等。往前看，6月字节豆包上线三档会员，价位688到5088元一年。智谱年内三次提价，累计涨幅83%。月之暗面Kimi K3提价3到4倍，还加了一条“最高30%收入分成”的条款。

摩根士丹利的数据印证了这个趋势。2025年一季度，字节跳动、阿里巴巴、百度、腾讯、MiniMax、智谱、月之暗面和DeepSeek等厂商，平均每百万Token输入价格约为3.3元，输出价格约12.2元。到了2026年二季度，输入价格升到4.9元，输出价格升到21.9元，整体涨幅分别为48%和80%。与此同时，美国头部大模型企业却在开启降价潮。OpenAI的Luna砍价80%，Anthropic取消了Claude Sonnet 5原定于9月生效的50%涨价计划，谷歌Gemini 3.7 Flash直接把价格打到上一版本的五折，还明确这个低价会持续到2027年1月1日。

一边是中国模型价格整体上移，另一边是美国模型在中低端市场主动下沉。这种“剪刀差”不是短期波动，而是两种商业路径的分野。

OpenAI的降价，不是让利，是防守体系重构

OpenAI为什么选择这个时候降价？官方解释是“GPU内核、推理系统和生产环境效率均有所提升，公司将效率提升带来的收益部分反馈给用户”。这些优化是真实存在的。但它解释不了为什么Luna降了80%，而Sol一分不降。

真正的压力来自竞争。中国模型正在多个维度反超美国同行。据CNBC调查，以DeepSeek、Kimi为代表的中国模型已拿下OpenRouter平台美国企业Token用量的46%，部分时段甚至反超美国模型。DeepSeek V4 Pro定价0.435美元/0.87美元，叠加75%的长期折扣，OpenAI若不在轻量级模型上正面迎战，企业用量恐将持续流失。与此同时，阿里Qwen过去六个月全球下载量突破30亿次，超过Meta和谷歌，成为全球下载量第一的开源AI模型。根据Artificial Analysis评测，Luna降价后性能超过了Google Gemini 3.6 Flash甚至旧版Gemini 3.1 Pro，且输入价已经低于DeepSeek。

但把OpenAI的动作简单理解为“打价格战”就太肤浅了。这次调价的本质，是OpenAI主动下沉中低价市场的防守动作。它不需要做到绝对最低价，只需要让价格差距缩小到不足以覆盖客户的迁移、合规与生态切换成本，就能守住API流量与开发者入口。这套三层架构标志着OpenAI不再用单一旗舰模型通吃全部市场，转而搭建更贴近企业预算管理的分层供给体系。Sol定位旗舰前沿能力，面向复杂推理、科研、长程Agent等高失败成本场景，维持原价的核心目的是守住OpenAI的能力溢价、利润锚与品牌上限。Terra定位为主流生产层，承担着将原本跑在Sol上的中等复杂度请求拦截在更低成本层的作用。Luna则定位为高并发放量层，面向分类、摘要、提取、轻量Agent等高吞吐、价格敏感任务，直接与中国厂商的高性价比模型正面竞争。

还有一个容易被忽略的变量：OpenAI已经向美国证券交易委员会秘密提交了IPO申请，奥特曼在内部Slack消息中说计划“一年内上市”。上市时间表意味着它需要在未来一年内交出足够漂亮的业绩报表。资本看重的核心指标无非是用户总量、利润率，以及用户量提升能否弥补利润率压缩。无论如何，先有稳定的用户规模，才有未来的盈利可能性。从调价幅度的差异不难看出OpenAI的战略意图：高端守价、中端巩固、低端抢量，主动拉大各层之间的价格梯度，形成覆盖不同预算与场景的完整产品矩阵。

防守终究是防守。OpenAI并没有放弃定价权，而是在重新定义定价权——把过去单一旗舰的每Token溢价，转化为全家族在不同任务层级上的预算占有率。这意味着，单纯依赖代际升级持续抬价的阶段已经结束。

DeepSeek敢涨价，底气不是胆量，是工程效率

如果OpenAI的降价是“守”，DeepSeek的涨价就是“攻”。但这套攻势的底气，不是烧钱补贴出来的虚假繁荣，而是实打实的成本结构优势。

从能力层面看，DeepSeek V4 Flash维持了284B总参数、13B激活参数与1M上下文窗口的基础架构，仅通过后训练就实现了能力的大幅跃升。Artificial Analysis的数据显示，V4 Flash在智能指数上拿到50分，仅比GPT-5.6 Luna的51分低1分。能力追平了，成本却差着数量级。

V4 Flash沿用的CSA+HCA混合注意力机制，能够对KV缓存做高比例压缩，同时通过稀疏筛选只保留相关性最高的Token，大幅削减无效计算。DeepSeek技术报告显示，在1M上下文设定下，V4 Pro仅需DeepSeek-V3.2的27%单Token推理FLOPs和10%的KV Cache。最值得注意的是缓存定价：缓存命中输入价格仅为未命中价格的2%，而行业普遍是90%折扣。在Agent工作流中，多轮调用、重复上下文是常态，每一轮交互都会反复发送相同的系统提示词、工具定义、代码上下文与历史状态，八九成的输入都属于重复内容。提示缓存将固定内容的计算结果暂存，命中后直接跳过Transformer层运算，几乎不消耗算力资源，所以DeepSeek可以给出近乎免费的缓存定价。

国际研究机构Artificial Analysis的数据显示，DeepSeek-V4-Flash的平均测试成本仅为0.03美元，而OpenAI GPT-5.6 Sol为1.86美元，Anthropic Claude Fable 5高达3.15美元。相差数十倍到百倍。所以即便完成涨价，DeepSeek的定价仍显著低于海外同档位模型，性价比优势依然存在。

香港大学商学院教授蒋镇辉的判断切中要害：DeepSeek的价格优势得益于专家混合（MoE）架构优化和多教师知识蒸馏等高效训练策略，但这些技术优势带来的成本节约，终究无法覆盖以近乎亏本状态服务海量流量的现实。涨价不是“扛不住了”，而是扩大规模后对商业模式的重新平衡。先用极致性价比占领市场，再拿回定价权。摩根士丹利分析师Gary Yu和Lydia Lin将DeepSeek调价解读为行业定价纪律改善的积极信号，并指出行业正从价格竞争转向以智能能力驱动的商业化，三大结构性变化正在同步发生：定价趋于理性、开源授权收紧、模型参数规模跃升。

定价权转移，对企业意味着什么

GPT-5.6的分层调价与DeepSeek的定价转向放在一起看，一个更清晰的图景浮现出来：全球AI产业的权力结构正在被重写。过去，OpenAI的定价是整个行业的锚点。当锚点开始下移，改写的就不只是某款产品的价格，而是整个行业的定价逻辑。现在，中国模型正在成为新的价格坐标。

未来，全球大模型市场大概率会进入清晰的分层竞争阶段。最高层是高失败成本的高端市场，覆盖复杂代码修复、长时知识工作、多工具联动的长链路Agent、高风险专业决策等场景。在这些场景中，一次任务失败带来的业务损失，往往远高于不同模型之间的Token费用差。客户的核心诉求是任务的成功率、可靠性与稳定性，愿意为更强的能力支付显著溢价。这一层的主要参与者是Claude高阶版本、GPT-5.6 Sol、Kimi K3等，竞争的核心是持续的能力领先与场景深耕。第二层是规模化自动化市场，覆盖常规文本生成、简单编码、信息提取、分类摘要、轻量Agent、批量文档处理等高频场景。这些场景的共性特征是标准化程度高、调用频次高、单任务价值低，只要模型能力达到“够用”门槛，价格就会成为客户选型的核心决策变量。这一层也是当前竞争最激烈的领域，DeepSeek V4 Flash、GPT-5.6 Luna、GLM系列、Gemini Flash等都在这一赛道布局。

对于中国企业，尤其是有实际AI调用需求的营销团队、内容团队和增长团队，这场变局至少带来三个可落地的判断。

第一，模型选型必须从“追最强”转向“按场景分层”。高端任务值得花高价买可靠性，但大量高频、标准化、容错率高的任务，应该跑在性价比最高的模型上。企业内部应该建立自己的“模型路由”逻辑，而不是把全部请求都塞给同一个旗舰模型。OpenAI和DeepSeek都在用自己的产品矩阵示范这一点，企业没有理由不跟进。

第二，缓存策略正在成为成本管理的核心杠杆。DeepSeek把缓存命中价格压到未命中价格的2%，这背后是一个关键洞察：Agent工作流和批处理任务中，大量输入是重复的。企业如果能在技术架构上做好提示缓存和上下文管理，实际成本可以远低于名义价格。对于调用量大的团队来说，优化缓存策略的收益可能比换一个便宜模型更显著。

第三，要重新审视“中国模型便宜”这个刻板印象。中国模型的价格确实整体在涨，但涨的是名义价格。考虑到缓存优化、稀疏计算和架构效率，实际使用成本可能依然远低于美国同档位产品。斯坦福《2026 AI Index Report》的数据显示，中美头部模型性能差距仅2.7%，而美企切换至DeepSeek后推理成本可下降30%-95%。能力接近、价格悬殊，这个格局短期内不会改变。

“东升西落”不是口号。OpenRouter平台2026年1-6月统计显示，DeepSeek Token调用份额由9%翻倍升至18%。Ramp针对5万余家美企的账单支付数据显示，DeepSeek登顶当月软件趋势榜，Coinbase、Lindy等美国企业直接付费采购，并非仅采用开源权重本地部署。全球开发者正在用脚投票。

但中国企业不能把这种趋势当作躺赢的信号。国金证券的研究同时指出，需求端国产模型能力正在跨过可用临界点，供给端国产GPU与CPU供给改善，叠加大厂资本开支持续上修，有望推动国产算力由芯片导入进入系统级放量阶段。这是机会，也是窗口。窗口期内，真正的竞争壁垒不是价格，而是智能能力。那些在今天就开始用AI重塑内容生产、营销自动化、用户运营和增长实验的企业，才可能把“定价权转移”的红利，转变成自己业务上的复利。