大模型API的价格曲线，最近又往下拐了一次。近日多家国产大模型厂商相继调整API定价，长文本输入与推理型模型成为本轮降价的重点方向，部分模型的百万tokens输入价格已经下探到个位数人民币区间，输出价格也同步走低。对开发者来说，这意味着过去“调用一次要算半天账”的场景，正在变成可以放心跑量的日常操作。
这轮降价的直接推手是推理成本的系统性下降。以DeepSeek为代表的开源路线，通过MoE混合专家架构把每次推理实际激活的参数规模压到远低于总参数的水平，再叠加KV缓存复用、投机解码与量化推理等工程手段，单位token的算力开销被显著摊薄。智谱、月之暗面、阿里通义与字节豆包等团队也在各自模型上推进类似的推理优化，长上下文场景的内存占用和首token延迟都有明显改善，这为价格下调提供了真实空间，而不是单纯的补贴换市场。
从具体调整看，长文本是竞争最激烈的赛道。Kimi长期以超长上下文为卖点，本轮在长文档输入侧的定价进一步下探；通义千问在多个尺寸的模型上给出阶梯价格，小参数模型主打高并发低成本；豆包则延续了激进的定价策略，把轻量模型的调用门槛压到极低，吸引中小开发者和个人创作者。智谱清言背后的GLM系列则在推理模型上做差异化，强调复杂任务下的单位成本效率，而非单纯比拼标价。
降价带来的直接变化是应用形态的扩张。过去因为成本顾虑只能“抽样调用”的场景，比如全量客服对话质检、长视频逐段摘要、代码仓库级检索问答，现在可以做到常态化运行。一些开发者反馈，同一套RAG流程换成低价模型后，月度调用成本下降了一个数量级，才敢把产品从内测推向公开。对企业客户而言，模型选型也从“唯效果论”转向效果与成本的联合优化，混合调用多个模型、按任务难度分流正在成为常见做法。
但价格战也有隐忧。过低的价格会压缩厂商在数据、算力与人才上的再投入空间，长期看可能损害模型迭代速度；对开发者来说，迁移成本、稳定性和限流策略往往比标价更重要，频繁调价反而增加预算不确定性。真正健康的竞争，应该是推理效率提升带来的成本下降，而不是透支式的补贴。从目前的技术路线看，MoE、量化与推理加速仍有继续挖潜的余地，价格还有下探空间，但节奏会逐步放缓。
可以预见，下一阶段的竞争焦点将从“每百万tokens多少钱”转向“完成一个真实任务要多少钱”。谁能把多步推理、工具调用与长上下文处理的总成本降下来，谁就能在开发者生态里站稳脚跟。对普通用户来说，这场价格战最直观的礼物，就是那些曾经收费的AI功能，正在变得越来越便宜、越来越好用。
标签：大模型,API价格,DeepSeek,通义千问,Kimi,推理成本