Token定价相差数倍！大模型行业亟待建立计量标尺

　　近期，大模型API（应用程序接口）市场的价格分化引人注目：Kimi K3旗舰百万Token（词元）输出定价100元，DeepSeek V4-Pro靠架构优化将缓存命中后输入价降至0.025元。在这背后，是AI服务商开始自主锚定价值、探索可持续商业化路径。全行业定价权博弈才刚刚开始。

　　报价的分化只是表层，真正的博弈在台面之下。 缓存命中率暗箱、模型私自降智减配、Token底层计量单位不统一，让大模型计费成了事后才能算清的账。全行业尚未形成计量规范与账单标准。监管尺度、定价权分配、用户权益保障三者如何平衡，成了当前AI产业绕不开的核心考题。

从普惠到两极分化

　　7月，大模型API市场价差再度拉大：月之暗面发布Kimi K3，每百万Token输入20元（缓存命中2元）、输出100元，较上一代上涨2至3倍，站上国产大模型价格高位；而就在5月，DeepSeek V4-Pro已宣布将价格永久下调75%，每百万Token输入降至3元（缓存命中0.025元）、输出降至6元，成为国产大模型性价比之代表。一涨一降之间，旗舰级产品的定价落差已拉大至数倍。

　　为什么会有这样的分化？是石科技联合创始人毛运航告诉记者，当前大模型API市场远未成熟，所有定价本质上都在试探客户能接受的价格区间。成熟市场的定价应由算力、能源、研发成本叠加应用附加值共同决定，而眼下全行业主要锚定两条线：下限看算力租赁成本——若API售价低于直接租用算力的收益，业务便失去商业合理性；上限看模型稀缺度与实际产出价值，头部视频生成模型的定价可摸到普通文本模型的十倍以上。

　　这种分化并非一蹴而就。南京某AI智能体创业公司创始人张源(化名)亲历了Token价格变化的三个阶段：2025年初，MoE(混合专家模型)架构与量化蒸馏技术成熟，全行业普降，主流产品每百万Token从数十元跌至个位数，但价格战也让中小厂商跌破盈亏线。2025年下半年至2026年初，云端GPU租金上涨、高端芯片供给收缩推高硬件成本，叠加Agent类应用爆发带动单次Token消耗暴涨数十倍，算力供不应求倒逼厂商集体回调定价。2026年5月至今，市场彻底走向分化。如今，整个市场已分裂为两套定价哲学：一派走“价值定价”路线，锚定高端智力生产力的稀缺性做高溢价；另一派走“成本定价”路线，定位普惠AI基础设施，靠规模取胜。

　　毛运航认为，这一转折的本质，是大模型付费逻辑在2026年发生变化：2025年用户只认免费开源，极少人为API付费；到2026年，模型能力跨过生产力临界点，Token消耗指数级上涨，国产算力规模化落地，API付费逻辑成立，行业正式进入定价探索的深水区。

　　这种分层同样映射至C端——主流模型纷纷推出“基础免费+高阶付费”的阶梯体系，月费从49元延伸至700元不等。Kimi分四档（49元至699元），豆包分三档（最高500元），视频模型海螺AI则拉出六档阶梯，至尊版高达2299元/月，阶梯陡峭程度与模型品类直接相关。

　　（数据来源：截至7月27日大模型公司官网）

　　全行业都在晒“明码标价”的Token单价，但一位市场政策研究机构专家向记者指出，当前最紧迫的问题并非价格高低，而是计量规范与账单标准的缺失。

明码标价背后

真实支出难料

　　最近，一家头部生活电商平台产品负责人向记者算了笔账：公司年度API采购预算超过8000万元，接入近320个模型、18家供应商，覆盖智能客服、代码生成、Agent等十余个场景。然而，当问及这些钱究竟花在了哪里、每一笔用途是否可追溯时，这位负责人的回答颇为无奈——“账单透明度并未跟上采购规模。”

　　这并非孤例。在Token定价日趋分化的表象之下，大模型API市场的隐形成本正引发行业关注。

　　标价透明与服务质量的脱节，是最显性的一层。一家Token工厂创始人告诉记者，当前市面上各大模型厂商均是其客户，他发现各家定价页面虽都标注了每百万Token价格，但用户在实际使用前，既无法预知有效输入输出量，也无从知晓平台缓存命中率——这些关键信息只能在支出发生后才能获知。延迟、吞吐量、可靠性等核心性能指标同样未公开披露，用户即便支付更高费用，也未必能换取更优质服务。

　　真正的账单藏在缓存机制之中。另一位第三方AI Infra（人工智能基础设施）公司创始人向证券时报记者透露，其后台常年接入各大模型进行测评，实际发现不同平台的缓存命中率差异悬殊——高的可达80%至90%，低的不足50%甚至为零；部分服务商即便命中缓存也按原价收费。该负责人解释，缓存机制只作用于输入部分，用户提出重复或高度相似的问题时，如果模型直接调取此前已生成的答案，无需重新计算，成本可骤降至未命中的几十分之一。但能否享受这一调优成果却如同摸盲，同一模型、同一问题，不同平台的真实价差最高可达10倍。

　　模型“暗地减配降智”的现象同样存在。前述AI Infra公司创始人表示，不少服务商将原版高精度模型大幅压缩为低精度版本部署，价格公示页却依然标注原版名称和参数；业务繁忙时段甚至动态切换至低精度运行。张源向记者证实，部分厂商会在API调用中悄悄将高价位模型切换为低价位模型，用户花钱买了“头等舱”，实际坐的却是“经济舱”，却无从察觉、难以维权。

　　张源本人就亲历了这样的时刻。一次信息抽取任务，他按5:1的输入输出比估算成本，实际仅跑了五分之一预算，系统即告警中断——模型实际吐出的Token远超预期。写作场景中，模型反复承认错误却始终改不好；代码场景下，模型声称修复bug却屡试屡败，张源把错误代码直接贴过去，该模型才承认。不过张源强调，上述问题主要集中在中小算力供应商，头部官方大平台波动概率很低。

　　行业服务水平参差不齐，根源在于不少服务商缺乏真正的底层技术能力。清程极智的联合创始人师天麾告诉证券时报记者，国内自研推理引擎的公司屈指可数，多数不具备对多类型显卡集群的部署与调优能力。普通用户只能以纸面价格为唯一参考，倒逼服务商维持表面低价，形成价格与真实成本脱节。

　　Token定价的另一个问题，是Token本身的定义不统一。张源指出，Token并非标准统一的计量单位，不同模型使用截然不同的分词器，同样一段中文、代码或表格数据，拆分出的Token数量可能差异较大。Token计费本身就无法公平反映实际资源消耗。他也坦言，其难点在于分词器技术路线的不同导致折算标准不一致，这是由各厂商的底层架构和训练方式决定的，无法强制统一。

　　与此同时，被访人士还提及，部分模型厂商热衷于“打榜”为能力背书，但现在评测数据集泛滥，偶有作弊现象。“我们以前还经常参考榜单选择模型，现在已经不再依靠榜单数据了，而是在实操中根据经验自行判断模型的优劣。”张源说。

　　当前，更深层的问题在于Token价格与模型实际能力之间缺乏稳定对应关系。张源指出，市场均为线性计价，而大模型能力一旦跨越临界点会出现数量级跃迁，能力提升数十倍乃至上百倍，Token定价却不会同步增长。这种脱节意味着，仅凭报价单做出采购决策，正在变得越来越“危险”。

期待计费从“平台自定”走向“公开可查”

　　层层剥开Token定价的技术外壳，一个问题浮出水面：如何构建科学合理的行业定价机制？

　　毛运航判断，未来Token价格体系将逐步走向稳定。模型与芯片类型将逐步收敛，文本、视频、多模态等不同品类各自对应独立定价区间。长期来看，Token计费将蜕变为底层基础设施支出：普通用户通过订阅套餐付费，高端定制化调用成本甚至可能超过个人工资，而通用型基础服务甚至可接近免费。整个行业最终走向分层、稳定、精细的方向，不同服务质量对应不同价格层级。

　　在通往这一未来的路上，监管应当扮演什么角色？被访人士的观点都指向“信息公开”。

　　师天麾认为，当前算力紧缺、市场变化太快，政策很难完全跟上节奏，但至少应要求所有服务商公开透明信息，让第三方机构具备评测和监督的能力——就像家庭安装电表，用户有权知道钱花在哪了。行业缺乏统一账单标准，监管可优先推动建立标准化的账单披露规范，让用量和费用可追溯、可横向比对。但无需强行统一不同模型的定价。

　　被访的诸多人士强调，Token市场尚处早期，严管为时过早，应给予自由度自然生长，监管的核心应是打击恶意低价直销、利用垄断地位不当涨价、价格联盟串通等破坏公平竞争的行为。建议推动行业自律和第三方测评机制，建立服务质量等级标准。

　　国家发展和改革委员会宏观经济研究院研究员杨祥雪、魏巍发文表示，当前Token计费规则由平台方设定，词元价格缺少可核验的“计量尺”；价格统计体系尚未覆盖词元，宏观部门缺少观察智能经济成本的“仪表盘”，词元市场缺少基础治理坐标。二人建议，建指数、立样本，形成词元价格运行监测的“月度仪表盘”；明规则、晒账单，推动词元计费从“平台自定”走向“公开可查”；划边界、建基准，提升算力和模型价格行为的竞争评估能力等。

　　前述被访的政策研究专家则对证券时报记者表示，制度建设应分步推进。短期优先建立计量口径、账单字段等基础信息披露规范，即“建指数、明规则、晒账单”，核心是“轻价格管制、重信息披露”；中长期则需划定竞争边界、建立成本基准及设立系统性预警等。

（文章来源：证券时报）