大模型价格战全面爆发：DeepSeek V4 Flash、GPT-5.6降价与GLM涨价的三角博弈

大模型价格战全面爆发：DeepSeek V4 Flash、GPT-5.6降价与GLM涨价的三角博弈

2026年8月，大模型行业在一周之内经历了三种截然相反的定价策略——OpenAI把GPT-5.6 Luna砍价80%，DeepSeek用V4 Flash正式版把运行成本打到全球最低，智谱GLM却逆势涨价261%。这不是简单的价格调整，而是一场关于大模型商业化路径的根本性博弈。

一、一周三声枪响：三种定价策略的同台对决

7月30日到8月3日，大模型API市场在五天之内被三次"重塑"。

第一枪：OpenAI主动降价。 7月30日，OpenAI宣布GPT-5.6 Luna价格下调80%——输入从每百万Token 1美元降至0.2美元，输出从6美元降至1.2美元。Terra也同步下调20%。旗舰模型Sol维持原价，但新增Fast模式（2倍价格换2.5倍速度）。Sam Altman的表述是："在每一个模型层级，都提供最好的价格与智能比。"

值得注意的是，这次降价的"功劳"部分来自GPT-5.6自己。OpenAI披露，GPT-5.6 Sol在Codex中自主重写了生产环境的GPU Kernel，将端到端服务成本降低了20%，推测解码优化让Token生成效率提升15%以上。模型帮助优化自身推理系统，再将效率收益转化为价格下调——这在AI行业尚属首次。

第二枪：DeepSeek以价制价。 7月31日，DeepSeek V4 Flash正式版API上线公测。没有发布会，没有高调宣传，但数据足以让行业震动：总参数2840亿，激活参数仅130亿（MoE架构），支持100万Token上下文窗口。Agent能力大幅跃升——Terminal Bench 2.1得分82.7，Cybergym得分76.7，在多项Agent基准上全面超越三个月前的V4-Pro预览版。

定价更加激进：每百万输入Token 0.14美元（缓存未命中）或0.0028美元（缓存命中），每百万输出Token 0.28美元。按Artificial Analysis的智能指数任务成本计算，V4 Flash每项任务平均成本仅3美分——而Kimi K3为86美分，GPT-5.6 Sol为1.86美元，Claude Fable 5为3.15美元。V4 Flash的运行成本只有Claude Fable 5的不到百分之一。

第三枪：智谱逆势涨价。 就在DeepSeek和OpenAI争相降价的同时，智谱GLM Coding Plan新版上线，采用积分制——Pro版月费从149元涨到538元，涨幅261%；Max版从469元涨到1078元，涨幅130%。API层面，GLM-5.2的Prompt价格从0.28美元/百万Token涨到1.19美元，Completion从0.89美元涨到3.74美元，涨幅均超过3倍。

三种定价策略背后，是三种完全不同的商业逻辑。问题在于：谁的选择是对的？

二、数据透视：7.22万亿Token背后的格局重构

OpenRouter最新周报（7月27日-8月2日）给出了最直观的答案。

DeepSeek V4 Flash以7.22万亿Token的周调用量位居所有模型第一。 全球调用量排名前五均为中国AI大模型：小米MiMo-V2.5、DeepSeek V4 Flash、腾讯HY3、智谱GLM-5.2、DeepSeek V4 Pro。中国AI大模型已连续14周在全球调用量排名中领跑，整体市场份额约63.5%，美国模型约35.5%。

这个数据需要放在更大的坐标系里理解。Gartner预计，2026年全球AI优化型IaaS终端用户支出将达到375亿美元，同比增长约105%。其中推理支出预计达到206亿美元，首次超过训练支出。到2029年，推理支出占比将超过65%。

推理正在取代训练，成为大模型行业最大的成本中心和收入来源。而DeepSeek以最低的推理成本拿下了最高的调用量——这不是"赔本赚吆喝"，而是"用规模换壁垒"的典型互联网打法。

一名港股AI分析师的评价一针见血："当市场还在争论'参数竞赛'是否可持续时，DeepSeek证明后训练优化足以让轻量级模型释放接近顶级闭源模型的Agent能力。这意味着推理成本曲线可能比我们预期的更陡峭，对整个产业链的估值体系都会产生连锁反应。"

OpenCode CEO透露的数据也印证了这一点：V4 Flash上线首日，其平台调用量提升30%，新注册用户同步增长30%。多名海外AI初创创始人在X平台表示，团队全线迁移至DeepSeek后，月度推理成本下降60%至85%。

三、85倍价差：三家定价策略的成本结构拆解

把三个模型放在同一张价格表上，差距的触目惊心程度远超想象。

Claude Opus每百万输出Token定价大约是V4 Flash的85倍，而智能指数仅高出6分。换句话说，多拿6分，调用费高出52倍。

V2EX上一个99回复的热帖标题很直白："最新的deepseek-v4-flash正式版真的有这么强吗？"另一个56回复的帖子则在讨论智谱涨价："智普今天这波涨价，有点迷，涨了快3倍。"开发者的选型天平正在快速倾斜。

DeepSeek为什么能这么便宜？ 核心在MoE架构——2840亿总参数中每次推理仅激活130亿，这意味着实际计算量远小于参数规模暗示的水平。再加上后训练优化和峰谷定价机制（缓存命中时输入成本降至0.0028美元/百万Token），DeepSeek把"按10个月回本算都这么便宜"变成了现实。

OpenAI为什么选择降价？ 效率提升是直接原因，但更深层的原因是竞争压力。Luna降价80%后的月度账单（按5000万输入+500万输出Token/天计算）约为480美元，介于MiniMax M3（630美元）和DeepSeek V4 Flash（252美元）之间。OpenAI试图用降价守住中低端市场——但即便降价80%，DeepSeek的单任务成本仍比Luna低约60%。

智谱为什么逆势涨价？ 表面上看，智谱的解释是"需求爆发"——旧版套餐长期限售，每天上午10点限量开放购买。但更深的原因可能是算力成本压力：智谱已落地1GW级国产AI算力数据中心，全部采用国产芯片。国产芯片的推理效率与英伟达GPU仍有差距，这意味着智谱的单位推理成本可能高于使用H100的竞争对手。涨价可能不是"想赚更多"，而是"不得不涨"。

一位开发者在V2EX上的吐槽很能代表情绪："GLM涨价3倍，能力只差1分，凭什么要支付十几倍价格，还承担限流风险？"

四、开发者选型重构：从"信仰"到"账单"

价格战正在从根本上改变开发者的选型逻辑。

一年前，开发者的选型链路是：看跑分 → 看模型能力 → 看生态 → 看价格。价格是最后考虑的因素，因为所有模型都很贵，差异不大。

现在，选型链路变成了：看价格 → 看智能指数差距 → 看Agent能力 → 看稳定性。当一个模型的运行成本只有另一个的百分之一，而智能指数只差6分时，价格成了第一决策因素。

V2EX上的讨论反映了一个关键趋势：开发者的使用方式正在分化。

• 重度场景（复杂推理、代码生成、长文档分析）：仍然使用GPT-5.6 Sol或Claude Fable 5，追求最高质量
• 日常场景（信息汇总、文件总结、简单编程）：全面迁移到DeepSeek V4 Flash，追求极致性价比
• 中间地带（中等复杂度任务）：使用GPT-5.6 Luna（降价后）或Kimi K3，在质量和成本之间找平衡

一位AI开发者张泽给了每经记者一组直观的数据：他把V4 Flash接入Hermes执行了一次本地文件阅读和全网信息检索汇总任务，用量约51万Tokens，消耗0.53元。"最直观的感受就是任务处理速度很快，40秒完成，而GPT-5.6 Sol Codex用了1分47秒。当然Codex输出质量更高一些，不过V4 Flash的交付也达到了可用水平。"

GitHub上的开源生态也在围绕DeepSeek快速构建。antirez/ds4（DeepSeek 4本地推理引擎）获得2万Star，esengine/DeepSeek-Reasonix（DeepSeek原生AI编码Agent）登上Trending。一个完整的DeepSeek工具链正在形成——从云端API到本地推理，从编码Agent到安全工具，开源社区正在用脚投票。

五、开源生态共振：围绕DeepSeek的工具链正在成型

GitHub Trending不仅是一个排行榜，更是开发者注意力的风向标。

在2026年8月初的Trending列表中，与DeepSeek直接相关的项目至少有三个：antirez/ds4（DeepSeek 4本地推理引擎，C语言，2万Star），esengine/DeepSeek-Reasonix（DeepSeek原生AI编码Agent），以及多个基于DeepSeek API的Agent框架。

这不是偶然。当一个模型的API价格低到开发者"不需要犹豫"的程度时，围绕它构建工具链的动力就会指数级增长。就像2010年代围绕AWS构建的云生态一样——低价的基础设施催生了庞大的上层应用。

更值得注意的是，DeepSeek在Harness（包裹在AI模型外的工作条件基础设施）领域的布局。崔添翼在6月21日发文表示DeepSeek Harness组是新成立的部门，目标远大、工作繁重。中信证券认为，Harness的核心价值在于"将模型能力转化为稳定、低成本的端到端交付"——这正是从"能聊天"到"能干活"的关键一跃。

V4 Flash正式版首次披露了DeepSeek Harness的新进展：即将公布。这意味着DeepSeek不仅在卖模型，还在卖一整套让模型"能干活"的基础设施。当模型+Harness形成闭环，竞争壁垒就不再只是价格，而是生态。

六、冷思考：降价能否持续？

价格战的终局在哪里？这需要从三个维度审视。

算力成本拐点何时到来？ Dwarkesh Patel在7月29日撰文预测"未来几年算力可能贵十倍以上"，理由是AI芯片需求增速远超供给。如果这个判断成立，那么当前的低价策略可能不可持续——DeepSeek的低价建立在MoE架构效率之上，但如果底层算力成本持续攀升，MoE的效率优势会被侵蚀。

但反方观点同样有力：新一代AI芯片（英伟达Blackwell Ultra、国产替代芯片）的推理效率正在快速提升，而推理优化的软件技术（推测解码、KV Cache压缩、连续批处理）也在迭代。OpenAI用GPT-5.6 Sol自主优化推理系统、降低20%服务成本的案例证明，软件层面的效率提升空间还很大。

商业化拐点是否到来？ Gartner预测2026年推理支出首次超过训练支出，意味着行业正从"烧钱训练"转向"靠推理赚钱"。但问题是，当DeepSeek把单任务成本压到3美分时，即使调用量达到7.22万亿Token/周，收入能否覆盖算力和研发成本？

参考一个估算：按V4 Flash的输出价格0.28美元/百万Token计算，7.22万亿Token中假设输出占20%（约1.44万亿），收入约403万美元/周，年化约2.1亿美元。这个数字与OpenAI的年化收入（数十亿美元）仍有数量级差距。但DeepSeek的成本结构也远低于OpenAI——MoE架构+国产算力+后训练优化，三重压缩使得盈亏平衡点远低于竞争对手。

行业格局会怎样演化？ 最可能的终局是"三层金字塔"：

• 顶层：GPT-5.6 Sol、Claude Fable 5——靠最强能力维持溢价，服务对质量极度敏感的场景
• 中层：GPT-5.6 Luna（降价后）、Kimi K3、GLM-5.2——在质量和成本之间寻找平衡点，但GLM涨价后竞争力堪忧
• 底层：DeepSeek V4 Flash、小米MiMo-V2.5——靠极致性价比+开源生态+Harness基础设施，吃下最大量的日常推理需求

智谱的处境最微妙。GLM-5.2智能指数51分，与V4 Flash的50分几乎持平，但价格高出十几倍。涨价可以短期改善收入，但长期会加速开发者流失。除非智谱能在Coding和Agent场景上拉开与DeepSeek的能力差距，否则涨价策略的可持续性存疑。

七、结语：价格战的本质是路线之争

大模型价格战看似是定价策略的博弈，本质上是三条技术路线的较量。

OpenAI的路线：用最强大模型优化自身推理系统→降低服务成本→降价→吸引更多用户→获得更多推理数据→进一步优化模型。这是一个"能力驱动成本下降"的飞轮，但前提是模型能力必须持续领先。

DeepSeek的路线：用MoE架构+后训练优化把推理成本压到极致→低价吸引最大量调用→构建Harness生态和开源工具链→形成基础设施级壁垒。这是"规模驱动生态成型"的飞轮，核心在于能否持续保持成本优势。

智谱的路线：用国产算力+涨价维持收入→在高价值Coding/Agent场景深耕→靠差异化能力建立溢价。这是"价值驱动溢价"的飞轮，但前提是差异化能力足够明显。

三条路线谁能跑通，不取决于今天的定价高低，而取决于明天的技术迭代速度。但有一点是确定的：大模型行业已经从"谁的模型最强"的时代，进入了"谁的模型最值"的时代。而对开发者来说，这可能是最好的时代——当AI从奢侈品变成基础设施，创新的门槛正在被前所未有地降低。

本文基于OpenRouter周报、Artificial Analysis测试数据、OpenAI官方公告、DeepSeek官方更新日志、智谱Coding Plan公告、V2EX社区讨论及多家媒体报道综合撰写。数据截至2026年8月5日。