北京
出品 | 网易智能
作者 | 辰辰
编辑 | 王凤枝
上线仅三周，价格最高下调八成。
OpenAI的GPT-5.6系列7月上旬才推出，7月30日，Luna模型就从每百万token输入1美元，直接砸到20美分。中档的Terra降20%。旗舰Sol纹丝不动。
CEO山姆·奥特曼（Sam Altman）在X上发帖："今天宣布大幅降价。"
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。
听着很合理。但Luna降80%，Terra降20%，Sol一分不降。这个降价格局，单靠"效率提升"四个字解释不了。
一、烧钱时代结束了
硅谷有一个词，叫tokenmaxxing。
意思是在使用AI时尽可能增加token消耗，以最大化使用AI能力，而不优先考虑成本。这个词诞生于2023年，本身就带着自嘲。彼时ChatGPT引爆全球，美国企业争先恐后把AI塞进每一个工作流，账单的事以后再说。
现在，账单来了。
AI账单已经膨胀到数十亿美元规模。CNBC的报道里有一个细节：亚马逊刚刚把2026年的资本支出上调到2200亿美元，其中一大块烧给了AI基础设施。企业端的AI开支同样在膨胀。软件公司、金融机构、医疗集团，每家每年花在AI API和智能体上的钱，动辄数千万美元。
《华尔街日报》6月份就披露过，OpenAI在考虑大幅降价，而它预判竞争对手Anthropic也会跟进。企业高管开始不耐烦了。 Uber一位高管透露，公司2026年的AI智能体预算已经用尽。另一位科技公司负责人坦言：很难把AI编程带来的效率提升，直接对应到新功能和新收入上。
"tokenmaxxing的时代结束了。" 市场研究机构EMARKETER高级分析师雅各布·博恩（Jacob Bourne）这样公开下了判断。
企业不再照单全收。他们在问同一个问题：花了几千万美元，到底换来了什么？
CNBC有篇最新报道的标题耐人寻味：China's open-weight model lead exposes America's AI blind spot。中国开源权重模型的领先，暴露了美国AI的盲区。这个盲区不是技术，是成本。
过去，这个问题最多让AI公司有点尴尬。现在不一样了。中国公司带着另一种打法登场了。
二、中国模型的另一种打法：开放权重
7月初，中国初创公司月之暗面（Moonshot AI）发布了开源权重模型Kimi K3。在一些行业基准测试中，它的表现超过了美国最先进的闭源系统。
关键是：Kimi K3的模型权重是公开的。 用户可以下载、修改，并部署在自己的基础设施上，不需要支付月之暗面的API调用费用。
它不是孤例。DeepSeek、智谱（Z.ai）的GLM-5.2、阿里的Qwen系列。一些中国公司正在通过开放权重、低价服务等方式提供前沿AI能力。
《The Verge》在一篇深度分析中直指核心矛盾："一家AI公司花了天量资金训练模型，为什么要把最有价值的部分免费送出去？"
福特汉姆大学法学教授钦玛伊·沙玛（Chinmayi Sharma）的答案很透彻："一组免费的权重，不等于一个免费的AI服务。公司可以在模型免费的同时，从计算基础设施、工程、安全、维护等环节赚钱。"
当中国开源权重模型的性能追平闭源，开发者开始在AWS、Azure甚至本地集群上私有化部署这些模型，直接切走了OpenAI的API调用量。 对OpenAI来说，丢掉的不只是一笔笔推理收入，更是"默认选项"的地位。一旦开发者习惯了开源部署的工作流，就很难再拉回来。
乔治城大学安全与新兴技术中心高级研究员凯尔·米勒（Kyle Miller）以阿里Qwen系列模型为例，指出它在中国产业界的渗透深度，展现了开源生态一旦扎根的威力。
美国这边，围绕开源权重的政策辩论也起来了。Kimi K3发布后，一个由25家科技公司组成的联盟（包括IBM、微软、Meta、英伟达、Palantir）发表公开信，警告美国政府不要对开源权重模型施加"过早的限制"。这封信点名缺席的，恰恰是OpenAI、谷歌和Anthropic三家闭源巨头。
《The Verge》的报道标题写得直白：Why China is giving away its best AI models。中国为什么要把最好的AI模型免费送人？
对美国闭源模型提供商来说，这不仅是价格竞争，也涉及商业模式的挑战。当中国公司把前沿模型免费开放，OpenAI和Anthropic还能靠"按token计价"的模式撑多久？
三、但涨价也在发生
中国开源权重模型用免费撕开了一道口子。但免费是一种打法，不是所有中国公司都选了这条路。
就在OpenAI宣布降价的同一天（7月30日），中国AI公司智谱在国内不限量重新开放了GLM Coding Plan订阅服务，价格不是降了，是涨了。或者更准确地说，是跟国际版价格对齐。
Lite档从每月49元涨到118元，涨幅140%；Pro档从149元涨到538元，涨幅260%；Max档从469元涨到1078元，涨幅130%。
智谱今年已经涨过好几次。2月，GLM Coding Plan整体上调30%起步，取消首购优惠。3月，GLM-5-Turbo API加价20%。4月，海外版全线涨价80%到140%。一季度累计下来，智谱的API定价提升了83%。
价格上涨，但用量增长更快。400%。
这是整个故事里最反直觉的一组数字：价格涨了八成，用量翻了四倍。智谱CEO张鹏在业绩说明会上的解释是：模型能力提升意味着推理链路更长，一个复杂任务的token消耗量可以达到简单问答的十倍甚至百倍。涨价"是成本变化的自然结果"。
智谱的官方表态更直白：低价竞争不利于行业发展，价格需要"回归正常商业价值区间"。摩根大通7月研报给出了投资端的注脚：GLM-5.2的平均API收费较上一代提高了约13%，公司"展现出更强的定价能力"。目标价上调到1800港元，维持增持评级。
这不只是智谱一家的事。据律动BlockBeats统计，2026年初以来，中国已有七家云厂商和模型厂商上调价格，最高涨幅超过400%。中国AI行业正在经历一个集体转身：从"免费补贴抢用户"转向"商业变现求生存"。
同一个中国市场，正在上演两出完全相反的戏。
需要分清两件事的计价对象。Kimi K3免费的是模型权重，你可以下载、可以部署，但推理算力由你自己承担，一张H100的租金并没有消失。智谱涨价的是商业API服务，厂商代你承担了算力、运维和持续迭代成本，价格里包含的是一整条"开箱即用"的生产链。一个免费的是半成品材料，一个涨价的是成品服务，它们并不在同一条价格轴上竞争。
这两件事同时发生，并不矛盾。开源权重模型的免费策略，是为了建生态、抢标准；商业API服务的涨价策略，是为了活下来、证明商业模式。前者是战略性投入，后者是生存性选择。
对OpenAI而言，这形成了一种复杂局面：中国开放权重模型正在低成本市场形成竞争压力，而部分商业API服务则探索更高价值定位。OpenAI夹在中间：降价吧，中国开源模型比你更便宜；涨价吧，智谱正在证明"贵一点也有人买单"。
四、华尔街要看账本了
降价的在降价，涨价的在涨价。两件事凑到一起，问的其实是同一件事：这个行业的商业模式，到底能不能跑通？
OpenAI和Anthropic马上就要面对这个问题了。因为它们都在筹备上市。
OpenAI已于本周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"。Anthropic也在走同样的路。价格竞争，可能成为这两家公司上市前需要面对的一项商业模式考验。
Gartner杰出副总裁分析师阿伦·钱德拉塞卡兰（Arun Chandrasekaran）对Business Insider的判断很直白："这次价格竞争，可能是前沿AI实验室商业模式的一次早期测试。尤其是OpenAI最近秘密提交了IPO申请。"
说到底就是华尔街要看账本。降价能不能换来足够大的使用量？使用量能不能弥补利润率的压缩？这个故事，投资人买不买账？
不止OpenAI在焦虑，整个赛道都在转向。谷歌7月发布了三款新模型，主打的卖点就是比Kimi K3更便宜。微软CEO萨提亚·纳德拉（Satya Nadella）在季度财报电话会上，反复把"成本效率"挂在嘴边，称其为微软MAI-Thinking-1模型的"核心"。Anthropic新推出的Claude Opus 5，性能接近旗舰Fable 5，价格只要一半。
X上一位用户的评论一针见血："DeepSeek和Kimi K3打破的不只是OpenAI的能力护城河，还有它的定价地板。降价80%不是创新，是恐慌性打折。"
但如果只看价格跌幅就下结论，可能忽略了调价背后的结构设计。
五、OpenAI布的局：塔尖的才值钱
回到OpenAI本身。降价背后，它其实在布一个更深的局。
细看这次调价：Luna降价80%，Terra降价20%，而Sol价格保持不变。这更像是一种分层定价策略，而非全面降价。
降价后，Luna的输入价格（20美分/百万token）已经低于DeepSeek V4 Pro（约43美分），逼近Kimi K3的缓存命中价。OpenAI总裁格雷格·布罗克曼（Greg Brockman）在X上写道："Luna现在显然是同级别中最具性价比的模型。"
对开发者来说，这个价格意味着什么？独立开发者WolfMark Tools在X上算了一笔账：GPT-5.6 Luna的编程能力，已经接近此前许多用户使用的GPT-5.5高等级版本。而价格，只有后者的二十五分之一。
"对大多数开发者来说，问题不再是'我能负担得起AI编程智能体吗'，而是'我为什么不找一个来用'。"他写道。
日本投资人国光宏尚认为，Luna可能被OpenAI定位为AI智能体时代的基础运行模型。足够聪明、足够便宜，可以7×24小时不间断运行。日常任务跑Luna，复杂任务上Terra，关键决策用Sol。一套"低中高"三级火力配置，第一次在价格上有了实战意义。
这套策略的潜台词是：OpenAI承认了低端市场的价格战现实，但它同时想证明，真正值钱的东西，在塔尖。
公平地说，OpenAI的效率提升并非全是话术。用Sol来优化自家模型的推理代码，让AI来降低AI的运行成本，这件事本身确实在发生。国光宏尚估算，GPU内核调优和推理环境优化帮OpenAI降低了约20%的服务成本。
但20%的成本节省，解释不了80%的降价。剩下的缺口，是中国开源模型用"免费"两个字生生撕开的。
布罗克曼在宣布降价时，说了一句意味深长的话："期待看到你们用'便宜到不值得计价'的智能做出什么东西。"
"便宜到不值得计价"（too cheap to meter）。这个词脱胎于20世纪核电时代的著名口号："电力会便宜到不值得装电表。"当一样东西便宜到你不再计算单次成本时，它的计价方式就彻底变了。
六、AI正在经历的时刻
中国开放权重模型带来的影响，不只是降低AI使用成本，也让行业重新思考按token销售智能的商业模式。X上一位用户写道："中国没有仅仅降低中国AI的价格，它迫使整个行业降低了智能的价格。"
但智谱的涨价提醒了另一件事：好的智能，还是有人愿意付钱的。
当Kimi K3把前沿能力免费开放，当DeepSeek用不到5美元跑完一个完整编程任务，当智谱把Coding Plan从49块涨到118块、调用量反而翻了四倍。这三个事实摆在一起，指向的是同一个结论：
智能的定价方式正在分化：一部分走向更开放、更低成本，另一部分则通过高价值服务维持更高价格。
一半免费。一半更贵。
OpenAI想同时站在这两半上。这可能吗？
