9月23日，全球两大头部大模型厂商OpenAI与Anthropic几乎同步宣布主力产品价格下调，其中OpenAI新推出的GPT-6 Sol、GPT-6 Luna两款模型，相比前代对应型号整体调用成本直接下降50%，Anthropic全新发布的Claude Opus 5.5，典型工作负载的运行成本相比前代Opus 5下降约40%。这是2026年以来全球大模型市场规模最大的一次集体调价，直接将AI应用的单位Token成本拉到了历史新低，也让所有AI创业者的成本结构和盈利模型迎来了一次关键重置。

降价详情：主流产品价格对比

本次调价覆盖两家厂商面向开发者的全新主力推理模型，调整前后的核心价格差异清晰可见：

  • OpenAI调价详情：GPT-6 Sol定位于复杂编程和Agent工作流，每百万输入Token收费2美元，缓存输入0.2美元，输出10美元；GPT-6 Luna面向高吞吐、调用量大的场景，每百万输入Token仅0.1美元，缓存输入0.01美元，输出0.5美元。相比GPT-5.6系列对应型号，两款模型的输入单价均下降50%，GPT-6 Luna的输出单价降幅更是达到58.3%。
  • Anthropic调价详情：全新Claude Opus 5.5 API价格为每百万输入Token 4美元、输出Token 20美元，相比前代Opus 5的5美元和25美元均下降20%；缓存读取价格从每百万Token 0.5美元降至0.2美元，降幅达到60%。结合其典型工作负载Token消耗量的优化，整体运行成本相比前代下降约40%，同时输出速度还提升了30%以上。

叠加此前国产大模型的持续降价，当前主流大模型的单位推理成本已经降到两年前的1/30以下，普通中小团队的月调用成本门槛直接下探到数百元级别。

为什么头部厂商选择此时集体降价？

这次两大巨头同步大幅调价，并非临时促销动作，而是产业发展到当前阶段的必然结果，背后有三个明确的底层逻辑支撑：

  1. 推理效率的系统性提升
    新的MoE混合专家架构、DeepSeek MLA等新型注意力机制，搭配FP8量化技术规模化落地，以及英伟达B200等专用推理芯片的大规模部署，让单卡每秒可处理的Token吞吐量实现了数倍增长。此前行业普遍需要为高并发推理预留大量冗余算力，现在通过批处理调度、KV Cache压缩、缓存命中率优化等手段，硬件资源利用率直接从不足30%提升至70%以上，厂商的单位服务成本本身已经大幅下降，具备了大幅降价的基础。
  2. 全球大模型市场竞争进入白热化
    当前谷歌、微软等科技巨头都在加速推进自有大模型的商业化落地，国产大模型的推理成本更是仅为海外头部厂商的十分之一，大量性价比更高的替代选项正在快速抢占市场份额。同时DeepSeek、Qwen等开源模型能力快速追赶，大量企业开始转向自部署方案，头部厂商只有通过主动降价，才能锁定开发者生态，避免用户向更低成本的平台迁移。
  3. 商业模式从“卖能力”转向“卖用量”
    大模型行业已经从早期的“稀缺能力售卖”阶段，进入规模化普及阶段。厂商不再追求单Token的高毛利，而是通过薄利多销扩大整体调用量，用总营收的增长覆盖算力集群的固定投入，摊薄整体运营成本。数据显示，当前全球34家头部AI公司年化总收入近800亿美元，半年增长112%，OpenAI与Anthropic合计占约89%，规模化效应已经完全显现。

对AI创业者的实际影响

这次降价最直接的价值，是把此前很多AI应用卡在盈亏平衡线边缘的成本障碍直接扫清，对整个创业生态的影响远超普通的价格调整：

  • 大量此前毛利为负的AI应用，现在直接跨过盈利门槛。比如此前一款面向企业的智能代码助手，每单客户月均推理成本占收入的60%，降价后这一占比直接降到30%，项目从亏损状态直接转为正向盈利。
  • 小团队的创业门槛进一步下探。过去需要数十万启动资金才能支撑的大模型应用试错，现在3-5人的小团队，每月数千元的算力预算就能完成产品打磨和初期用户验证，不需要一开始就投入大量资金锁算力、拼硬件。
  • 行业价格战的长期趋势已经明确。结合当前全栈技术的优化速度和算力产能的释放节奏，未来1-2年内主流大模型的推理成本还将继续下降80%以上，单位Token的价格会持续向“水电级”的普惠成本靠拢。

给AI创业者的3条落地建议

面对这次降价潮，创业者不需要盲目跟进囤资源，更不能把“低成本”当成自身的核心竞争力，更务实的策略有三条：

  • 不要提前锁定长期算力合同，所有资源按需采购。接下来的算力价格只会持续走低，提前半年甚至一年锁定算力，反而会在后续的持续降价中背负不必要的高成本负担。同时可以通过模型路由策略，高价值对外交互用闭源强模型，高吞吐内部任务用开源或自建模型，进一步把推理成本压到最低。
  • 把成本省出来的预算优先投向产品打磨和客户获客。此前很多团队把60%以上的预算花在算力上，现在这部分开支可以压缩到20%以内，腾出来的资金可以直接投入到场景适配和市场拓展，快速拉开和同类竞品的差距。
  • 清醒认识到：成本下降不等于壁垒消失。大模型本身的价格越来越便宜，意味着单纯靠“套壳调用API”的产品会越来越难留住用户，真正的核心竞争力永远是你在垂直场景里沉淀的行业数据、业务流程理解和闭环服务能力，这些东西不会随着大模型降价而贬值。

软盟观察

本轮大模型集体降价，本质上是AI产业走向成熟的标志性节点。就像早年的电力从稀缺的高价工业资源，变成了几乎所有行业都能低成本使用的基础公共服务，大模型的推理能力也正在完成同样的转变。
未来AI创业的机会，从来都不在底层算力的比拼上，而在千行百业的应用层里。谁能把越来越便宜的通用推理能力，真正嵌入到具体行业的业务流程里，解决真实的、细分的痛点，谁就能在这一轮产业红利中拿到真正的长期门票。