OpenAI 与 Anthropic 大幅下调 LLM 价格 最高降幅达 80%

让我们快速回顾一下过去几个月 OpenAI 和 Anthropic 发布的主要 LLM 模型时间线。文中提供的所有价格数据格式均为 输入 MTok / 输出 MTok / 缓存读取 MTok。

2026 年 6 月 26 日#

OpenAI 宣布推出 GPT-5.6 Sol 和 Luna。Sol 是 GPT 5.5 的直接继任者，价格保持不变，为 $5 / $30 / $0.50；而 Luna 是一款专为低成本场景设计的小型模型，价格为 $1 / $6 / $0.10。他们还发布了一款介于两者之间的 Terra 模型，但几乎无人关注。

2026 年 6 月 30 日#

Anthropic 宣布推出 Claude Sonnet 5，声称其性能更接近自家的 Opus 系列模型，但用户反馈褒贬不一。值得注意的是，其发布时的定价为 $2 / $10 / $0.20，原本计划作为临时优惠，后续将上调。

2026 年 7 月 24 日#

Anthropic 宣布推出 Claude Opus 5。鉴于 Opus 4.5 对 智能体编程（agentic coding）兴起所产生的巨大影响，这是一次备受期待的大版本更新，定价为 $5 / $25 / $0.50（与 GPT-5.6 Sol 相似）。尽管部分公布的基准测试结果出人意料地超过了规模大得多的 Fable 5，但实际使用中的反馈依然毁誉参半。

2026 年 7 月 30 日#

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

GPT-5.6 Luna 大幅降价后的模型质量与单任务成本对比图。左上角代表更优表现；若 OpenAI 未进行此次 80% 的降价，该模型将在竞争中输给 DeepSeek V4 Pro。图片来源：OpenAI

2026 年 8 月 10 日#

Anthropic 宣布，为 Sonnet 5 发布推出的临时降价措施现已转为永久生效。

2026年8月21日#

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

2026年9月1日#

Anthropic 发布了 Fable 5.1，定价为 $10 / $50 / $0.25。除了在所有领域的基准测试性能均严格优于6月份发布的、定价为 $10 / $50 / $1 的 Fable 5 之外，其缓存读取成本还降低了 75%。

缓存读取成本

在使用智能体进行编码时，缓存读取成本占据了总 Token 支出的绝大部分（96% - 99%），因为每一轮对话中，缓存都包含了之前的完整对话历史。此外，缓存命中率通常高达 90% - 100%（具体取决于 LLM 推理提供商的基础设施）。综合来看，缓存读取成本降低 75% 意味着使用该模型的整体成本可降低 70-75%——即使缓存成本通常被视为次要因素，这一降幅依然十分显著！

2026年9月3日#

OpenAI 发布了 GPT-6 Astra，其规模与 Fable 5.1 相当，定价也相似，为 $10 / $50 / $1，但未提供较低的缓存读取成本。Astra 的模型性能确实与 Fable 相当。

2026年9月22日#

OpenAI 发布了 GPT-6 Sol，其价格令人震惊，仅为 $2 / $10 / $0.20，相比暂时打折后的 GPT-5.6 Sol，输入和输出价格直接减半！同时，他们还发布了 GPT-6 Luna，其输入和输出价格（$0.10 / $0.50 / $0.01）也较前一版本减半。

就在完全相同的一天，Anthropic 宣布推出 Claude Opus 5.5，并明确指出“Opus 5.5 的服务所需算力低于 Opus 5，其定价也反映了这一点”。其 $4 / $20 / $0.20 的总价格远低于 Opus 5，这得益于输入/输出成本降低了 20% 以及缓存读取成本的更大降幅，使得这款性能甚至优于 Fable 5.1 的模型总体成本降低了 40-60%（关于 Opus 5.5，我有很多话要说，但那留待另一篇文章讨论）。

2026 年 9 月 29 日#

事实证明，GPT-6 Sol 在性能上表现平平，因此一周后 OpenAI 宣布推出 GPT-6.1 Sol。令人惊讶的是，它的性能与 Astra 相当（经个人使用确认），但 OpenAI 随意地将缓存价格减半（$2 / $10 / $0.10），使其匹配 Anthropic 占输入成本 5% 的缓存读取费用，从而使该模型系列的累计成本降低了 75%。

总体而言，从 6 月份发布 GPT-5.6 系列模型至今，使用这些热门 LLM 的成本已大幅暴跌，这是一年前我无法预料到的。这些降价同样适用于通过 Codex 和 Claude Code 等订阅制智能体框架（agentic harnesses）进行的模型使用。更重要的是，这些模型似乎并未为了降低价格而在输出质量上偷工减料。

来自 Vercel AI 模型网关的数据支持了每 token 成本持续下降的趋势，目前已降至 2026 年 4 月成本的 43.3%。然而，由于模型性能提升的速度快于价格下降的速度，总体支出一直在增加

从上述时间线来看，Anthropic 和 OpenAI 之间存在着明显的针锋相对，可以合理假设 OpenAI 和 Anthropic 的这些特定降价是对彼此的反应。然而，除非存在某种外部性因素，否则没有人会降价 80%。那么，原因何在？

LLM 的行为经济学与竞争对手定价压力#

如果你一直在随着新 LLM 的发布而测试智能体（agents），那么除了主观感受之外，很难区分它们。自从去年十一月引发 agentic LLM 的爆发式增长以来，模型已逐渐成为一种大宗商品：在 OpenCode 和 Zed Agent 等工具中只需切换一个选项，或者通过 OpenRouter 更改 API 端点字符串，就能在你的代码库中轻松尝试新模型，因此几乎没有护城河。此外，还有众多竞争对手——不仅仅是像 Google 和 Meta 这样的大公司——他们提供的模型是充分替代品，从而带来了定价压力。

对于开放权重模型，让我们再来看看 DeepSeek Flash V4.1，它最近也发布了更新的 1017 变体。

目前，OpenRouter 是你获取开放权重模型的首选之地。检索日期：2026 年 10 月 24 日。

最初的 DeepSeek V4 Flash 0420 于 2026 年 4 月发布，定价为 $0.14 / $0.28 / $0.0028，并因此迅速走红，尤其是在当时 OpenAI 尚未推出适用于简单任务的小型模型的情况下。那 $0.0028 的价格成为了关键因素，因为其缓存读取比例仅为 2%，远低于上述 OpenAI 和 Anthropic 模型的 5%-10%，这使得实际成本比宣传的还要低。我猜测 7 月份 GPT-5.6 Luna 价格下调 80% 正是为了专门与这些较小的开放权重模型竞争。如今，新的 DeepSeek Flash V4.1 1017 模型在基准测试中的表现显著优于 DeepSeek Flash V4（在 Artificial Analysis 指数上得分为 45，而旧版为 24），且来自 DeepSeek 官方的成本保持在相似水平，为 $0.15 / $0.60 / $0.003。请注意“来自 DeepSeek”这一限定词的重要性。

在 OpenRouter 上，任何推理服务提供商都可以列出他们托管的模型，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，为了实现负载均衡，请求会路由到任意可用的模型，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，我就指出有 13 家不同的提供商在 OpenRouter 上托管 DeepSeek V4 Flash。对于更新后的 1017 变体，现在已有 29 家不同的提供商。

按缓存读取成本排序的 DeepSeek V4.1 Flash 1017 提供商。数据检索日期：2026 年 10 月 24 日。

然而，如果观察有效输入成本（即考虑缓存读取成本与缓存命中率之间的相互作用），许多不同的提供商在成本上非常接近。

各端点的有效成本，其中 Cloudflare 和 DeepInfra 的成本与 DeepSeek 相差在 10% 以内。尽管这些模型是最便宜的，但请注意，它们仅占总 token 份额的一小部分。数据检索于 2026 年 10 月 24 日。

OpenAI 和 Anthropic 必须通过更高质量的模型来与这些开放权重模型形成差异化——目前它们在 Opus 5.5 上做得相当出色——但它们需要持续保持这一优势，这也是为何数十亿美元被投入研发的原因。开放权重模型正在迅速追赶：就在几天前，Moonshot AI 发布了 Kimi K3.1 Pro，其性能与 Opus 5.5 相当（Kimi 为 55 vs. Opus 5.5 为 58），但输入/输出价格仅为后者的一半，且缓存读取成本相同（$2 / $10 / $0.20）。它与 Kimi K3 具有相同的规模和架构，而 Kimi K3 目前由超过 20 家不同的推理服务商托管：因此，一旦权重于 11 月 4 日发布，你可以预期大多数服务商将以大致相当的价格支持新的 Kimi K3.1 Pro 模型。值得注意的是，Moonshot AI 自身也加入了降价行列，将 Kimi K3.1 Pro 的定价定为低于原版 Kimi K3（$3 / $15 / $0.30）。

AI 批评者中反复出现的一种论调是：Token 价格被人为压低，目的是将用户锁定在 LLM 生态系统中；随后价格将上涨至“Token 的真实成本”，一旦免费午餐结束，AI 的鼓吹者就会陷入困境。这种理论认为，OpenAI 和 Anthropic 正在像 2010 年代 Uber 和 Lyft 对网约车行业所做的那样进行亏本引流（loss-leading）。但与当时不同的是，OpenAI 和 Anthropic 并非拥有生态系统定价权的垄断双头，且推理行业的进入壁垒并不高。只要众多推理提供商能够以与 OpenAI 和 Anthropic 相似的价格和质量提供服务，且切换成本微乎其微，那么价格可能会继续进一步下降。毫不奇怪，这两家公司正试图构建护城河以抵御这一趋势，例如专注于企业级承诺以及个人代理助手，如 OpenAI Dots 和 Claude Duet。

认为 Token 价格会突然飙升的想法更像是一种幻想，既不符合行为经济学原理，也与过去几个月实际发生的趋势相悖——随着模型性能的提升，LLM 的价格实际上在显著下降，且不仅限于 OpenAI 和 Anthropic。只要规模化服务商能以低于每 Token 收入的每 Token 成本进行定价，这些推理提供商就会为了相互竞争而降低 Token 成本，直至迫使 OpenAI/Anthropic 也不得不降价以维持竞争力。OpenRouter 上的 29 家独立提供商几乎没有动力去服务一个无利可图的模型（它们只会停止服务该模型，并将算力用于盈利模型），因此“Token 的真实成本”最终可能等于边际成本。

就此而言，OpenAI 和 Anthropic 确实接近 IPO，这引发了关于降价策略的更多疑问。

IPO 炒作#

这些降价的时间点颇为耐人寻味，因为据传 OpenAI 和 Anthropic 都即将启动 IPO——OpenAI 计划在 2027 年上市，而 Anthropic 则可能在几个月内完成。目前泄露的财务数据显示，OpenAI 和 Anthropic 均因研发和规模扩张而每年亏损数十亿美元，这并不令人意外。不过，这两份报告都没有计入过去几个月智能体 LLM（Agentic LLM）使用量的爆发式增长。投资者将会仔细审视这些巨大的负利润，并要求它们拿出扭转局面的计划。

那么，为什么它们要将主要收入来源的价格下调高达 80%？这与在 S-1 招股说明书中展现良好财务状况的做法恰恰相反！推理服务本身的利润率可能讲述了另一个故事，有报道称每 token 的利润空间“健康”程度可达 80%，尽管存在一些前提条件。经过如此大幅度的降价后，它们的利润率还剩多少？

就我个人而言，降价确实影响了我对 LLM 智能体的消费方式，但并非以 OpenAI/Anthropic 期望其典型客户那样去行为。当 GPT-5.6 Sol 还是顶级模型时，我订阅了每月 100 美元的 Codex（5x Pro 套餐），即便对随机重置用量配额感到恼火，我也设法完全用尽了订阅包含的所有额度。一旦 GPT-6.1 Sol 发布，我发现使用它的成本实际上降低了 75%，你猜我做了什么？

我将最大用量配额削减至原来的五分之一，因为同一模型的效率提高了四倍，最终结果大致持平，这也是显而易见的选择。

平心而论，鉴于 Claude Code 和 Codex 等订阅服务相对于其 API 用量所展现出的巨大价值，其利润率尚不明朗。若出现资金紧张的情况，我推测订阅服务的权益可能会先于模型基础价格被削减。例如，在宣布 GPT-6.1 Sol 的同时，OpenAI 将每月 200 美元档位的 Codex 使用额度削减了 50%，理由是“反映我们日益高效的模型”——这在技术上没错，但把这种说辞白纸黑字写出来确实令人忍俊不禁。

对于 Anthropic 即将公开的 IPO 招股书及其推理业务利润率，我将保持极度好奇。

我也质疑 OpenAI/Anthropic 故意让更昂贵的模型过时是否明智。Opus 5.5 发布一个月以来，关于 Fable 5.1 或 GPT-6 Astra 的讨论几乎为零，因为 Opus 5.5 的表现实在太出色了。

Top-and-left。via Anthropic

我完全预期 Fable 5.2/GPT-6.1 Astra 会在几周内发布并证明我是错的，届时我也会非常好奇它们将如何定价。

另一个不那么愤世嫉俗的因素可以解释降价现象：过去几个月里，LLM 基础设施确实有所改进——当 Anthropic 表示“Opus 5.5 提供服务所需的算力少于 Opus 5，其定价也反映了这一点”时，我选择相信。真正具有讽刺意味的结果可能是：如果这些模型的算力效率更高，就会减少对大规模数据中心建设的需求，进而可能引发连锁性的经济崩溃。不过，这种情况不太可能发生，因为推理只是算力组合的一部分，那些数据中心仍然需要服务于流程中的其他环节。

总体而言，这次降价很奇怪，但作为用户，我当然不会抱怨！开源权重模型（open-weight models）和二级推理提供商将继续对 LLM 的价格以及大型实验室可能搞出的其他商业花招起到经济制衡作用。即使 Anthropic 和 OpenAI 的 IPO 遭遇灾难性失败并导致两家公司倒闭，也不会突然致使 LLM 和智能体（agents）这一行业消亡。