告别价格战，大模型共迎通胀时代

眼下，涨价成为大模型的关键词。

迈入2026年，大模型不再是优惠缩水，而是毫不掩饰地开启了涨价模式，大大小小的厂商纷纷入局，智普甚至在短短三个月之内两次提价。

以至于，国产大模型定价首次与海外头部厂商对齐。

大模型涨价，是昙花一现还是旷日持久？降价争夺市场的打法，是否走到了尽头？价值战会成为未来竞争的核心叙事吗？

不愿贱卖成为行业的共识

曾几何时，降价才是大模型的竞争基调。

“全线降价”“两款产品免费”“百万Token一分钱”“比行业同类产品便宜90%”“免费、全面免费、永久免费”……

这一系列动作的背后，则是大模型为了长远发展选择牺牲短期利益。

通俗易懂地说，为了AI普惠需要不断降低大模型的Token价格，唯有此才可以在B端赋能千行百业、在C端成为标配的日常工具。

Token成为大模型的重中之重

毕竟，将市场蛋糕越做越大才可以吃到规模化的红利，从而获得更大的势能。

阿里云资深专家朱迅垚曾表示：“阿里云大模型降价，是希望让更多的使用者和中小企业用上大模型，加速AI应用市场的提前爆发。”

百度智能云AI与大模型平台总经理忻舟亦表示：“大模型仍处于市场培育阶段，企业只有在认识到大模型带来的巨大价值后，才能将其应用于更大规模、更复杂的业务场景中。”

需要注意的是，大模型并非一味追求降价，也通过创新进行让利。

分区定价打破常规

不曾想，大模型价格只降不升的传统被打破了。

迈入2026年之后，GLM、Seedance、HY2.0 Instruct等大模型或多或少有了提价的动作，特别是GLM-5.1在Coding场景的缓存命中Token价格接近Anthropic旗下大模型Claude Sonnet，这是国产大模型首次在核心场景实现与海外头部厂商的价格对齐。

这意味着，大模型越来越不愿意贱卖Token了。

MiMo大模型负责人罗福莉表示：“我建议LLM公司在弄清楚如何在不造成资金流失的情况下为Coding方案定价之前，不要盲目地竞相压低价格。以极低的价格出售Token，同时对第三方敞开大门，这看起来对用户很有吸引力，但这却是一个陷阱——Anthropic刚刚摆脱的那个陷阱。”

简而言之，打价格战不如打价值战。

Token价格低，不意味着模型能力强，如若模型能力不足则会消耗更多的Token，进而导致更大的浪费，最终用户与大模型双输。

如此一来，大模型回归价值博弈成为一道必答题。

竞争焦点出现了转向

大模型从价格战走向价值战，背后的缘由有三。

首先，供不应求。

智能体时代，Token的长度从十万级向百万级、千万级跃迁，与此同时消耗量也实现了上百倍增长，成为大模型提高获客量的关键抓手。

之所以如此，与思考链路延长息息相关。

一问一答模式的Token消耗是线性增长，而智能体模式可以进行长链路思考、执行多重任务、完成循环调用等，Token消耗是指数级增长。

关于此，从智谱的数据就可见一斑。

2026年第一季度，智谱大模型的API调用定价提升了83%，而Token消耗量增长了400%，提高定价并未抑制需求，反而出现了供不应求的现象。

智谱CEO张鹏表示：“AGI时代的商业价值可以归结为一个简洁的公式：智能上界 × Token消耗规模，智能上界决定了定价权，Token消耗规模决定了价值体量。未来，衡量一个个体或组织价值的标准，不再是掌握了多少信息，而是其作为Token架构师，在给定预算下构建复杂 Agent系统并驱动大模型完成复杂Agent系统的自主运行。”

正因为如此，大模型的竞争焦点出现了转向。

大模型不再围绕参数、数量、打榜等指标比拼，而是转向拼应用、拼生态，因而性价比不再是唯一的关键指标，价值创造站到了C位。

譬如，混元3D世界模型2.0可以理解文字、图片、视频等不同类型的输入，自动生成3D场景，无缝对接游戏开发、AI漫剧等工作流。

一句话生成3D世界

再譬如，GLM-5.1能够在一次任务中独立、持续工作超过8小时，成为当下唯一具备此能力的开源模型。

其次，分担成本。

大模型落地离不开云计算的鼎力相助，但云计算的成本肉眼可见的在不断增长，如此涨价成为必然。

以数据中心为例，一方面存储芯片等成为卖方市场，持续抬高新建成本；另外一方面由于是耗电大户，在能源价格高企的背景之下，运营成本被迫不断抬升。

不难看出，大模型服务比传统的互联网服务成本更贵。

更为关键的是，由于AI技术不断迭代，大模型也需要推陈出新，进一步推高了开支，亟须探索良性的、合理的商业化路径。

火山引总裁谭待曾有言：“对于企业级市场来说，商业模式是建立在可持续发展的基础上，任何商品必须是盈利的，不能靠补贴来降价。如果降价是亏损的，规模越大亏得越多，这就不是合理的商业模式。”

再次，胜者为王。

随着“百模大战”的演进，不少实力欠佳的玩家选择退场，即便是实力强劲的玩家也难以面面俱到，选择聚焦主航道。

Sora，就是最好的明证。

作为OpenAI旗下的AI视频生成工具，Sora诞生之初备受好评，视为AI生成视频赛道的颠覆性产品。

却不想，由于入不敷出，成为OpenAI的弃子。

Sora寿终正寝

公开数据显示，Sora商用级内容的生成命中率仅5%～10%，生成一分钟高质量视频的推理成本为30~50美元，因而30天用户留存率为1%，60天留存率为0%。

简而言之，Sora并没有成为生产力工具。

其实，Sora不行，不意味着AI生成视频不行，Seedance、可灵等中国AI生成视频大模型不但技术过硬，更是不缺应用场景，最终上演了弯道超车。

“蓝鲸科技”报道：“Seedance 2.0出来前，大多数模型每次只能生成一个5秒的视频，5秒里可能3秒都是废片，一个完整的镜头需要几个视频拼接，而Seedance 2.0能够生成完整的15秒视频，运镜切换自如。”

Seedance之外，可灵的表现也可圈可点。

总而言之，大模型走过了采取低价甚至免费策略进行AI普惠的阶段，迈入了价值创造的阶段，为了更好地释放生产力，既要比拼模型的高效，也要比拼场景的适配。

那么，大模型竞速进入“深水区”。

本文来自微信公众号“锌刻度”（ID：znkedu），作者：陈邓新，编辑：李季