当最好的模型输出卖50美元/百万token时，Meta杀出4.25美元的价格。这不是促销，这是整个行业定价规则的彻底重构。
2024年，用一次GPT-4的API调用，几百个token，几美分。2026年7月，你要调用最贵的Claude Fable 5，输出价格是50美元/百万token。等一下——这不是说明AI在变贵吗？
别急。同一天，Meta发布了Muse Spark 1.1，输出价格4.25美元/百万token。Fable 5是它的11.7倍。而OpenAI的Luna，输出只要6美元。Grok 4.5也是6美元。Terra，15美元。Sol，30美元。七款头部模型的输出价格从4.25美元一路延伸到50美元，横跨了一个数量级。
最贵的和最便宜的之间，差了将近12倍。而在大多数实际任务中，它们的表现差距远远没有12倍那么大。这个落差，就是AI价格战的核心叙事，也是整个行业正在经历的底层逻辑变化。
一夜之间，AI模型定价出现了"断崖"
先摆一组完整的定价数据，让数字自己说话。
| 模型 | 输入($/百万token) | 输出($/百万token) | 相对Fable 5成本 |
|------|------:|------:|------:|
| Claude Fable 5 | $10.00 | $50.00 | 基准 |
| Claude Opus 4.8 | $5.00 | $25.00 | ~50% |
| GPT-5.6 Sol | $5.00 | $30.00 | ~60% |
| GPT-5.6 Terra | $2.50 | $15.00 | ~30% |
| Grok 4.5 | $2.00 | $6.00 | ~13% |
| GPT-5.6 Luna | $1.00 | $6.00 | ~12% |
| Muse Spark 1.1 | $1.25 | $4.25 | ~10% |
最贵的Fable 5输出50美元，最便宜的Muse Spark 1.1输出4.25美元。一个数量级的差距。用Muse Spark跑100次任务的成本，大概只够用Fable 5跑8次——还是假设它们每次消耗的token量完全一样的前提下。
但如果单纯看定价就得出"Muse比Fable便宜10倍"的结论，其实还不够完整——没人会只用单个模型跑所有任务。更合理的比较方式，是看每个价格段的性能比。Luna的价格只有Fable 5的十分之一，但在Coding Agent Index上做到75分，只比Fable 5的77分少2分。也就是说，在很多实际场景下，一个便宜十倍的模型和贵十倍的模型之间的能力差距，可能不到5%。
"够用"的门槛，已经被拉低到一个不可思议的价格。开发者不再需要为了一个"可能更好"的模型多付10倍的钱。只要任务对精确度要求没那么极端，便宜的选项完全够用了。
Meta的算账：广告利润垫底，AI白菜价打得起
Meta为什么能做到4.25美元？这不是一个简单的"降价"故事。能卖这个价格，需要三个条件同时成立。
第一，没有第三方授权费用。Muse Spark 1.1基于Meta超级智能实验室自研的架构，每一行代码、每一个参数都是自己的。对比那些需要付专利费或者授权费的方案，Meta在成本线本身上就低了一截。
第二，开发者生态已经就位。Meta从Llama 1到Llama 3系列，过去几年把所有模型都免费开源了。全球最大的开发者社区正是在这些免费模型上长起来的。现在Meta推出收费API，这些开发者不需要迁移平台，不需要重新学习开发范式——直接从本地部署切到API调用就行。切换成本接近于零，这是任何一家从头开始做API的公司都梦寐以求的起点。
第三，也是最重要的：Meta的财务报表。Meta的营收支柱是广告，据分析师估算，其广告收入规模在1600亿美元量级。AI模型的API收入，哪怕一分钱不赚，对Meta来说也是"锦上添花"。但OpenAI和Anthropic不一样——API收入是它们的生命线。如果价格战打到10%的毛利率，Meta可以撑五年，OpenAI可能撑一年都困难。
Zuckerberg在推文中说："其他一些AI实验室的定价非常高，我们认为有能力用更实惠的成本提供前沿智能。"
翻译成商业语言就是：你们的定价是我的10倍，我有广告利润池做后盾，我要么把你们的价格拉到底，要么把你们的利润榨干。
分析师们注意到一个细节：Meta股价在消息公布后上涨4.7%。市场不是在为"又一个AI模型"买单，而是在为一个可持续的低价策略买单。华尔街最喜欢的故事就是"用利润杀市场"——亚马逊当年就是这么赢的。
OpenAI的定价艺术：三档模型，三层锚定
OpenAI这次没有选择和Meta在最低价位上硬碰硬，而是打了一张更精巧的牌。
Sol定价$5/$30，直接对标Fable 5的$10/$50——比对手便宜40%，在Agent评测上还赢了。这是"我比你便宜，还比你强"的定位，针对的是那些非顶级模型不可的高端用户。Terra定价$2.5/$15，性能接近GPT-5.5但价格减半，这是"升级替代"锚点——原来用GPT-5.5的客户，现在可以用一半的价格获得接近GPT-5.6的能力。Luna定价$1/$6，输入价格只有Fable 5的十分之一，Coding Agent Index 75分只比Sol少5分。这个价位不是冲着赚钱去的，是冲着"让开发者根本找不到理由不用OpenAI"去的。
三档模型形成了一个完美的锚定体系：Sol拉高天花板，Terra铺开主流市场，Luna阻断竞争对手的价格底线。如果你觉得Luna太弱、Sol太贵，Terra刚好在中间。这是一种经典的"好-更好-最好"定价策略，但放在AI模型这个高度同质化的品类里，执行得比任何人都干净。
更有深意的是Codex独立App的消失。Codex被整体并入ChatGPT，形成"ChatGPT Work"超级应用。表面上是产品合并，实际上是OpenAI在调整商业模式——从单纯卖API token，转向卖Agent工作流平台。一个开发者每天在ChatGPT Work上消费的金额，可能远高于一百万token调用的费用。所以OpenAI根本不担心Luna的低价会把整个市场的客单价拉低——客单价不在API里了，在平台里。
Grok 4.5的效率账：不是最便宜，但总花费最少
Grok 4.5在价格战中位置有点特别——它不是最便宜的，但它在"每次任务的实际花费"这个维度上有独特优势。
Grok 4.5在SWE Bench Pro上64.7%的解决率，和Sol的64.6%差不多。但关键差异在token消耗量：平均只用15,954个token就完成一个任务。而Opus 4.8平均需要67,020个token——差距4.2倍。
把这两个数字换算成实际支出：一个编码任务，用Grok 4.5消耗约16K token，按输出价格6美元算，每次花费大约0.096美元。用Opus 4.8完成同样的任务，消耗67K token，按输出价格25美元算，每次花费约1.675美元。后者是前者的17倍。
这就是Grok 4.5的核心竞争力——它不卖"便宜货"，它卖的是"更少的token搞定同样的任务"。如果每百万token的价格差距只有两三倍，但每次任务的token量差了四倍以上，总成本的差距就会被放大到不可忽视的程度。对于每天处理数千个编码任务的开发团队来说，选择Grok 4.5可能比它表面上看起来便宜得多。
当然，这个结论建立在"Grok能完成这个任务"的前提下。在通用推理领域，Grok 4.5还有明显短板。但在编码和智能体两个主攻方向上，"效率等于省钱"这个公式是成立的。
AI白菜价之后：整个产业链都在变
价格战的终极影响不在价格本身，而在价格改变后的使用行为。
当最便宜的模型输出价格降到4.25美元/百万token，一个以前需要精打细算的场景变成了"随便跑"——开发者开始愿意让AI多试几次、做更长的推理、处理更复杂的任务。这个行为变化会催生新的应用场景：以前不敢做的"多层Agent协作"、"循环式自我修正"、"大规模自动审核"这些对token消耗量极大的场景，现在都变得可行了。
一位科技圈人士在推文里点透了行业变化："Agent已经成为标准配备，现在的战争比的是成本与规模，而不是能力。"
去年大家还在比评测分数，今年已经在比谁更能让AI用得便宜。能力的差距在缩小——从定价表上看，最贵和最便宜的模型在大部分日常任务上的差距，远没有价格差距那么大。当"够用"的门槛被拉低到白菜价，高价模型面对的竞争压力在指数级增加。
还有一层更深的影响：AI公司正在从卖token转向卖agent。OpenAI把Codex并入ChatGPT Work，Meta推开发者平台，Anthropic搭治理结构——这些动作的背后逻辑一致：只卖token赚不到足够的钱，必须卖解决方案。价格战的结果可能不是把所有人都杀到底价，而是加速整个行业的商业模式转型。
用亚马逊的逻辑类比：AWS在2006年推出时，按需计算的价格被认为是"疯子行为"——那时买一台服务器要几千美元，按小时租用好像在做慈善。但AWS在降价的同时推出了Lambda、SageMaker、Bedrock等高附加值服务，价格战只是入口，服务生态才是真正赚钱的地方。AI行业正在重走这条路——Muse Spark 1.1低价拉客，Meta Model API准备生态变现；OpenAI的ChatGPT Work也在做同样的事。价格战是入口，服务生态才是真正的战场。
最贵和最便宜的差距，已经小于你的直觉
这场价格战最讽刺的地方是：最贵和最便宜的差价是12倍，但大多数人在大多数任务上，根本感知不到它们之间12倍的能力差异。
Fable 5在FrontierMath Tier 4上拿到87.8%，Luna能做到多少？OpenAI没有公布数据，但我们可以合理推测：在需要极限推理能力的任务上，贵的确实好。但在日常办公、文本生成、代码补全、数据整理这些占据AI调用量90%以上的场景里，最便宜的模型和最贵的模型之间的差距，可能不到20%。
当用户开始意识到这个落差，定价策略就不再只是成本问题，而是品牌定位问题。你是想做一个"只在极端场景下比对手好20%，但日常贵10倍"的模型？还是想做一个"大部分场景够用，价格只要十分之一"的模型？
从目前的市场反馈看，Meta的低价策略正在获得开发者社区的积极响应。Replit、Box、Cline等早期合作伙伴已经导入Meta的API。未来几个月的企业采用率数据，将给这场价格战的结果提供第一个真正的检验。可以确定的是，回不去了——当白菜价成为常态，没有人会愿意再为"贵10倍、好一点点"买单。开发者的下一个问题不再是"选哪个模型"，而是"多找几个便宜模型做ensemble，能不能超过一个贵模型"。这个思维转变，可能会被记入AI商业化历史的一页。而这一切的起点，不过是7月9日深夜扎克伯格在X上发的一条推文。
Loading...
