AI 模型为何一边涨价一边降价

涨价和降价同时出现一点也不矛盾。AI 模型市场正在从一张统一价目表变成一套分层货架。OpenAI 把 GPT-5.5 放在更贵的位置官方发布里给出的标准 API 价格是输入每百万 token 5 美元、输出每百万 token 30 美元Pro 版本还要更高。DeepSeek 官方价格页则把 deepseek-v4-pro 做了 75% 折扣折扣延到 2026 年 5 月底。一个往上走一个往下压背后是两种生意。这张图把模型市场画成三层货架旗舰模型、通用模型、低价批量模型。用户真正购买的是任务风险的处理方式。高价模型卖的是确定性。企业愿意为复杂代码、长链路推理、重要客户邮件、法律材料初筛、多步骤 Agent 任务付溢价因为这些任务错一次会很麻烦。模型单价贵但如果少返工、少重试、少人工补洞总账单未必更高。低价模型卖的是可铺开。摘要、分类、批量改写、客服初稿、标签生成、站内搜索问答这些任务量大、风险相对低价格敏感度很高。DeepSeek 把价格打下来会让很多原本舍不得跑的场景变成常规调用。这张图把一笔 AI 账单拆成四块输入、输出、缓存、返工。只看每百万 token 单价很容易低估真实成本。很多人讨论时会漏掉一个变量缓存命中。Agent 和企业知识库任务经常反复读取同一批资料、工具说明和项目上下文。只要缓存命中价足够低长上下文任务的账单会明显变薄。反过来如果任务每次都要读新材料、输出又很长再便宜的输入价也救不了总成本。所以采购时不能只问哪个模型更强也不能只问哪个模型更便宜。更实在的问题是这个任务错了以后谁兜底能不能复查能不能重跑是否需要长上下文是否能缓存人工修改要花多少时间。这张图给小团队一套分流规则低风险走低价模型高风险走旗舰模型中间任务用人工复核兜住。普通用户也可以这么理解。写一段朋友圈文案、整理会议纪要、生成表格标题用便宜模型足够。让 AI 帮你判断合同风险、改核心代码、规划投资决策就别只盯便宜。模型价格差距本质上是在提醒你区分任务风险。接下来 AI 应用的竞争不会只看谁把单价压到更低。真正能活下来的产品会把不同模型放到不同位置便宜模型做量强模型守关键环节人类负责验收和责任。模型越多产品越需要会调度。