OpenAI 与 Anthropic 数月内将大语言模型价格下调最高 80%，为何降价？

让我们快速梳理一下过去几个月 OpenAI 和 Anthropic 发布的主要 LLM 模型时间线。文中提供的所有价格数字均为 input MTok / output MTok / cache read MTok。

June 26, 2026#

OpenAI 宣布推出 GPT-5.6 Sol 和 Luna。Sol 是 GPT 5.5 的直接继任者，价格仍为 $5 / $30 / $0.50；Luna 则是一款专为成本更低的使用场景设计的小型模型，价格为 $1 / $6 / $0.10。他们还宣布了一款定位介于这两款模型之间的 Terra 模型，但关注的人寥寥无几。

June 30, 2026#

Anthropic 宣布推出 Claude Sonnet 5，并声称该模型更接近其 Opus 系列，但反馈不一。值得注意的是，其首发价格为 $2 / $10 / $0.20，该定价起初仅限首发临时适用，但之后会上调。

July 24, 2026#

Anthropic announced Claude Opus 5, which was a long-awaited major-version update given the impact Opus 4.5 had on the rise of agentic coding, at a price of $5 / $25 / $0.50 (similar to GPT-5.6 Sol). Although some of the provided benchmark results surprisingly exceeded those of the much larger Fable 5, real-world feedback was more mixed.

July 30, 2026#

OpenAI 宣布，他们将 GPT-5.6 Luna 的价格下调了 80% (???)，降至 $0.20 / $1.20 / $0.02。

August 10, 2026#

Anthropic 宣布，首发时对 Sonnet 5 实施的临时降价现已永久生效。

August 21, 2026#

OpenAI 宣布，他们将在未来三个月内将 GPT-5.6 Sol 的价格下调 ~20%（$4 / $20 / $0.40）。

September 1, 2026#

Anthropic 宣布推出 Fable 5.1，价格为 $10 / $50 / $0.25；除了在所有领域的基准性能均严格优于 6 月推出的、价格为 $10 / $50 / $1 的 Fable 5 之外，它还将缓存读取成本降低了 75%。

缓存读取成本

在使用智能体进行编程时，缓存读取成本占总 token 支出的绝大部分（96% - 99%），因为缓存中保存着每一轮对话的全部先前内容。此外，缓存通常有 90 - 100% 的命中率（取决于 LLM 推理提供商的基础设施）。综合来看，缓存读取成本降低 75% 对应于模型使用成本降低 70-75%——即便缓存成本通常只是顺带一提的小项，这一幅度也显然相当显著！

September 3, 2026#

OpenAI 宣布推出 GPT-6 Astra，其规模与 Fable 5.1 相近，价格也相近，为 $10 / $50 / $1，但没有更低的缓存读取成本。Astra 的模型性能确实与 Fable 相当。

September 22, 2026#

OpenAI 宣布推出 GPT-6 Sol，其价格低得惊人，为 $2 / $10 / $0.20，相较于临时降价的 GPT-5.6 Sol，输入和输出价格均减半！他们还同时发布了 GPT-6 Luna，其输入和输出价格同样为上一版本的一半（$0.10 / $0.50 / $0.01）。

在完全相同的那一天，Anthropic 宣布了 Claude Opus 5.5，其中明确指出：“Opus 5.5 服务所需的算力少于 Opus 5，其定价也反映了这一点”。它的价格为 $4 / $20 / $0.20，由于输入/输出成本下调了 20%，且缓存读取成本降幅更大，因此总成本远低于 Opus 5；对于一个甚至比 Fable 5.1 更强的模型而言，总成本降幅达到 40-60%（关于 Opus 5.5，我还有不少话想说，不过留待另一篇文章再谈）。

September 29, 2026#

事实证明，GPT-6 Sol 在性能表现上令人失望，因此一周后 OpenAI 宣布了 GPT-6.1 Sol；出人意料的是，它的表现与 Astra 相当（亲自使用后可以确认），但 OpenAI 随手将缓存价格减半（$2 / $10 / $0.10），这与 Anthropic 相当于输入费用 5% 的缓存读取成本相同，使这一模型家族的累计成本降低了 75%。

总体而言，从 6 月 GPT-5.6 模型家族发布至今，使用这些热门 LLM 的成本已经大幅下降，这是我一年前不会预期到的。这些降价也适用于通过 Codex 和 Claude Code 等订阅制代理框架使用模型的情况。更重要的是，这些模型似乎并未为了实现降价而在输出质量上偷工减料。

从上面的时间线可以看出，Anthropic 与 OpenAI 之间存在明显的你来我往，因此有理由认为 OpenAI 和 Anthropic 各自实施的这些降价是相互回应的。然而，除非有某种外部性因素在发挥作用，否则没人会将价格下调 80%。那么，究竟是什么原因？

LLM 的行为经济学与竞争对手的定价压力#

如果你一直随着新 LLM 的发布测试代理，那么除了主观感觉之外，很难区分它们。自去年 11 月开启代理式 LLM 的超高速增长以来，模型已经更加商品化：只需在 OpenCode 和 Zed Agent 这样的框架中切换开关，或通过 OpenRouter 改用不同的 API 端点字符串，就能轻松在自己的代码库上试用新模型，因此几乎没有护城河。此外，竞争者有很多——不只是 Google 和 Meta 这样的大型公司——它们都能提供足以充当替代品的模型，从而形成定价压力。

对于开放权重模型，让我们再来看看 DeepSeek Flash V4.1，它最近还发布了一个更新后的 1017 变体。

最初的 DeepSeek V4 Flash 0420 发布于 2026 年 4 月，定价为 $0.14 / $0.28 / $0.0028，并因此迅速走红，尤其是因为当时 OpenAI 没有适用于简单任务的小型模型。后来证明，$0.0028正是关键所在：2% 的缓存读取占比显著低于上述 OpenAI 和 Anthropic 模型的 5%-10%，这使有效成本甚至低于宣传价格。我怀疑，7 月 GPT-5.6 Luna 降价 80% 很可能是为了专门与这些较小的开放权重模型竞争。现在，新款 DeepSeek Flash V4.1 1017 模型在基准测试中的表现显著优于 DeepSeek Flash V4（45，在 Artificial Analysis 指数上，而 24），而来自 DeepSeek 的成本仍与 $0.15 / $0.60 / $0.003 相近。注意，关键词是“来自 DeepSeek”。

在 OpenRouter 上，任何推理提供商都可以列出其托管的模型；当用户调用 OpenRouter API 时，请求会被路由到这些模型之一——默认情况下，为进行负载均衡，它会被路由到任何可用模型，但开发者可以在 API 请求中指定偏好，例如“最低价格”。早在 5 月，我就指出，当时有 13 家不同的提供商在 OpenRouter 上托管 DeepSeek V4 Flash。对于更新后的 1017 版本，现在有 29 不同的提供商。

然而，从有效输入成本（其中考虑了缓存读取成本与缓存命中率之间的相互影响）来看，许多不同提供商在成本上相差无几。

OpenAI 和 Anthropic 将不得不通过更高质量的模型与这些开放权重模型区分开来——它们目前在这方面做得不错，尤其是 Opus 5.5——但它们需要继续这样做，这也正是数十亿美元被投入 R&D 的原因。开放权重模型正在迅速追赶：就在几天前，Moonshot AI 宣布推出 Kimi K3.1 Pro，该模型的性能与 Opus 5.5 相当（Kimi 为 55，而 Opus 5.5 为 58），输入/输出价格仅为其一半，缓存读取成本相同（$2 / $10 / $0.20）。它与 Kimi K3 的大小和架构相同，而后者目前由 20 多家不同的推理提供商托管：因此，一旦权重于 November 4th 发布，可以预计其中大多数提供商都将支持新的 Kimi K3.1 Pro 模型，价格大致相当。值得注意的是，Moonshot AI 自身也加入了降价行列，将 Kimi K3.1 Pro 的定价低于最初的 Kimi K3（$3 / $15 / $0.30）。

在高调反对 AI 的人群中，一个反复出现的趋势是，token 的价格被人为压得很低，以此诱使人们进入 LLM 生态；但随后价格会涨至“token 的真正成本”，而一旦免费搭车结束，AI 鼓吹者就会倒大霉。这一说法认为，OpenAI 和 Anthropic 以亏损换市场，就像 Uber 和 Lyft 在 2010 年代对网约车行业所做的那样；但与当年不同的是，OpenAI 和 Anthropic 并不是在生态中握有绝对定价权的双头垄断者，而且推理行业的进入门槛也没有那么高。只要这些众多推理提供商能够继续以与 OpenAI 和 Anthropic 相近的价格和相近的质量提供服务，而且切换成本微不足道，那么价格就可能继续下降，降幅甚至可能更大。两家公司都试图构建护城河以抵御这一趋势，并不令人意外，例如它们正专注于 企业级承诺，并打造 OpenAI Dots 和 Claude Duet 这样的个人智能体助手。

认为 token 价格会突然上涨更多是一种幻想，既不受行为经济学支持，也与过去几个月的实际趋势相悖：随着模型性能提升，LLM token 价格已显著下降，而且这种降价并不只来自 OpenAI 和 Anthropic。只要规模化服务商能够以低于每 token 收入的每 token 成本定价，这些推理提供商就会为相互竞争而降低 token 成本，最终迫使 OpenAI/Anthropic 也降价竞争。OpenRouter 上的 29 家不同提供商几乎没有动力去服务不盈利的模型（他们只会停止服务，转而将算力用于有利可图的模型），而“token 的真实成本”最终或许就是价格等于边际成本的状态。

在此背景下，OpenAI 和 Anthropic 确实都已接近 IPO，这让降价之举又引出了更多疑问。

IPO 造势#

这些降价的时机引人注意，因为据传 OpenAI 和 Anthropic 很快都会 IPO——OpenAI 将于 2027 年 IPO，Anthropic 则在几个月内。迄今为止，从 OpenAI 和 Anthropic 泄露的财务数据毫不意外地显示，两者都因 R&D/规模化而亏损数十亿美元，不过这两家公司的相关报告均未计入过去几个月智能体式 LLM 使用的超大规模扩张。投资者将审查巨额亏损，并要求两家公司制定扭转局面的计划。

那么，他们为什么将主要收入来源最多削减 80%？这与你想在 S-1 招股说明书中展现良好形象时该做的事恰恰相反！推理业务本身的利润率很可能说明的是另一回事。有报道称，尽管存在一些附带条件，每 token 的利润率仍高达 80%。经过这些大幅削减后，他们的利润率还有多少？

就我个人而言，降价确实影响了我在 LLM 智能体上的花销，但影响方式并不像 OpenAI/Anthropic 所希望典型客户采取的那样。当 GPT-5.6 Sol 还是最强模型时，我曾订阅每月 $100 的 Codex（5x Pro 套餐），尽管会因随机的用量重置而恼火，但我还是设法把订阅中包含的全部用量彻底用完了。GPT-6.1 Sol 发布后，我注意到使用它的成本实际上降低了 75%，你知道我做了什么吗？

在获得同一模型 4x 更高的使用效率后，我把最高用量额度下调到了原来的 1/5，因此最终大致持平，这显然是显而易见的选择。

公平地说，考虑到 Claude Code 和 Codex 这类订阅相较于 API 用量所具有的巨大价值，其利润率尚不确定；如果出现资金紧张，我猜在模型基础价格下调之前，订阅价值会先被削减。例如，在宣布 GPT-6.1 Sol 的同时，OpenAI 以“反映我们的模型正变得日益高效”为由，将 Codex 中 $200/月档位的用量额度削减了 50%——这在技术上确实没错，但把它写在纸面上就很滑稽。

我也会非常好奇，想看看 Anthropic 即将公开的 IPO 招股说明书，以及推理业务的利润率。

我也怀疑，OpenAI/Anthropic 故意让价格更高的模型过时，这对它们来说是否有好处。Opus 5.5 一个月前发布后，Fable 5.1 和 GPT-6 Astra 完全没有引发任何讨论，因为 Opus 5.5 就是那么好。

我完全预计 Fable 5.2/GPT-6.1 Astra 会在几周后发布，证明我的判断是错的；我也会非常好奇它会如何定价。

另一个没那么愤世嫉俗的因素，或许可以解释这次降价：过去几个月，LLM 基础设施确实有所改进——当 Anthropic 表示“运行 Opus 5.5 所需的算力少于 Opus 5，其定价也反映了这一点”时，我相信它。一个真正讽刺的结果是：如果这些模型在计算效率上更高，就会降低对大规模数据中心扩建的需求，从而可能导致连锁性的经济失败。不过，这多半不会发生，因为推理只占算力构成的一部分，而整个流程的其他环节仍然需要那些数据中心。

总体来说，这次降价很奇怪，但作为用户，我当然不会抱怨！开放权重模型和其他推理服务提供商将继续充当 LLM 价格以及大型实验室可能炮制的其他商业把戏的经济制衡者。即使 Anthropic 和 OpenAI 的 IPO 以灾难性告终并导致两家公司倒闭，也不会让 LLM 与智能体行业突然消亡。