大模型费用 战正在出现一个矛盾的场景：模型原厂提高官方API费用 ，同一份开源权重在第三方市场上的调用费用 却持续下降。
8月13日 ，DeepSeek在发布V4-Pro正式版的同时宣布调整API费用 ，并引入峰谷计费 。新费用 于北京时间8月17日零时生效，高峰时段输出费用 为27元/百万tokens ，缓存未命中费用 为9元/百万tokens ，缓存命中费用 为0.30元/百万tokens，分别为此前费用 的4.5倍 、3倍、12倍 。空闲时段费用 统一为高峰时段的一半。
智谱GLM Coding Plan新版订阅套餐Lite 、Pro 、Max 月费分别为 118 元、538 元和 1078 元 ，此前为49元 、149元 、469元 ，三档分别上涨约 141%、261% 和 130%。同时，计费方式由此前的请求次数限制 ，改为以Token消耗为基础的积分制 。非高峰时段则可享50%基础积分消耗的抵扣 。
但在主流聚合调用平台OpenRouter上 ，另一条费用 曲线正朝相反方向运动。
近来 ，同一款DeepSeek V4-Flash-0731由数十家服务商提供推理服务 ，Open Inference的报价低至0.05美元和0.16美元 ，Sail Research 、AkashML等服务商报价为0.065美元和0.18美元 。最低报价只有官方低谷费用 的约四分之一 。
GLM-5.3在AkashML 、Decart、io-net等服务商上的报价降幅为5%至16%；GLM-5.3 Flash在GMICloud 、NovitaAI 、DeepInfra等服务商上的报价降幅则达到50%。
“抬价的是原厂对自己端点的定价权，压价的是别人拿同一份权重做托管的边际成本 。 ”新加坡无限对齐创始人、Codex生态合作伙伴宋斐对记者表示 。
两条反向运动同时出现 ，意味着开源模型的权重 、推理服务和最终产品正在被拆分 ，原厂牌价不再等同于模型的市场服务费用 。
为什么市场价能继续下探？
实际上，原厂与第三方托管商出售的并不是完全相同的商品 。
DeepSeek需要承担模型训练 、后训练、安全评估、版本迭代以及官方API稳定性等成本，还要为高峰并发预留推理资源 。第三方托管商获得开放权重后 ，主要竞争的是如何更低成本地完成推理 ，可以通过不同芯片 、量化精度 、批处理、缓存和集群调度压缩边际成本。
此外，Agent的兴起还改变了官方API的负载结构 。
与普通问答相比 ，Coding Agent需要反复携带系统提示 、工具定义 、代码仓库信息和历史轨迹 ，大量请求具有相同或相似的前缀，因此高度依赖上下文缓存 。缓存可以减少重复计算 ，但对应的KV Cache仍会持续占用显存。在并发高峰期 ，长上下文、长输出的Agent任务可能明显挤占推理容量。
此前DeepSeek调价中，涨幅最大的正是Agent负载高度依赖的缓存命中输入 。以V4-Pro为例 ，缓存命中输入的低谷 、高峰费用 分别达到旧价的6倍和12倍；缓存未命中输入和输出费用 的涨幅相对较低 。
DeepSeek官方将峰谷定价解释为更合理地调配资源 、维持服务稳定 ，并未直接表示调价针对Agent流量。宋斐认为，从费用 结构看 ，其实际效果是提高高峰Agent负载的成本 ，引导可延后的批量任务转向低谷时段，从而缓解显存和推理容量压力 。
第三方托管商则面临另一套商业逻辑 。权重开放后，任何具备部署能力的云厂商都可以围绕同一模型提供服务。部分服务商使用低成本GPU或国产芯片 ，部分通过FP〖捌〗、 INT8等量化方式减少显存和计算消耗 ，也有厂商愿意用促销费用 换取利用率 、客户和流量 。
由此，研发模型的公司不再垄断模型的推理供给 。原厂可以决定官方API的费用 ，却无法阻止其他公司围绕同一份权重展开成本竞争。
OpenRouter等聚合平台进一步放大了这种分化 。同一模型的费用 、速度、可用率 、缓存政策和数据留存方式被放进同一张供应商列表 ，用户可以根据费用 或性能选取 路由 。原本分散的云服务由此成为一个可直接比较的市场。
不过，最低报价也不能简单等同于全市场成交价 。不同端点在量化精度 、工具调用效果、并发保障、数据留存和故障率上存在差异；一些折扣也可能是阶段性促销 。
原厂靠什么赚钱？
当开放权重的推理服务逐渐商品化 ，单纯出售token将越来越难以维持长期溢价。原厂必须将定价权转移到推理服务之外。而且原厂之间的竞争也日趋激烈 ，刚刚过去的两个月之内，国内大模型厂商旗舰模型密集发布 。
在万创投行董事总经理苏婉怡看来 ，头部模型之间在用户可感知层面的差距已经很小 ，缺的是“能力 + 成本 + 国产化适配 ”三者均衡的综合实力——推理成本控制能力 、工具调用能力 、Agent稳定性、企业场景的交付能力 。
苏婉怡认为，模型厂商真正的定价权来自两处：一是推理成本 ，谁能把每token的边际成本压下来 ，谁就有降价的空间；二是生态黏性，开发者把应用建在你的模型上，迁移成本高 ，这才是壁垒。
“行业正在从‘稀缺溢价’走向‘效率竞争’ ，下面 比拼的是算力结构和生态黏性 。”苏婉怡对记者表示 。
智谱近期围绕GLM模型 、ZCode和Coding Plan形成的组合，可以被视为原厂重建定价权的一种尝试。
8月 ，智谱发布GLM-5.3和GLM-5.3-Flash ，同步全量开放包括Lite 、Pro、Max和团队版本的GLM Coding Plan订阅，以订阅制交付编码智能体能力 。同月 ，ZCode宣布全面升级 ，推出Goal 、Subagents 、Remote Control以及闲时任务四大功能 。据智谱介绍，近来 ZCode用户数已突破100万。
智谱正在加快构建的这套“基础模型+Coding Harness+订阅服务”AI编程生态 ，瞄准的是推理服务之外的价值空间：模型调用越趋向商品化 ，单一模型的替代成本越低；但一旦模型嵌入开发环境和开发工作流，用户迁移所需要付出的代价就不仅是重新更换一个API ，更是重新适配整个工作环境 。
这也意味着 ，用户购买的不再只是某个模型的token，而是可接入主流编程工具的额度、模型能力和开发工作流 。即使底层API面临降价压力，产品订阅仍可能通过便利性 、稳定性和迁移成本保留溢价。
另一种夺回定价权的方式是把定价权写进许可条款和工程中 。
7月 ，月之暗面发布Kimi K3 ，随这款2.8万亿参数大模型的权重一同发布的是“Kimi K3 License ” 。Kimi放弃了此前宽松的MIT许可，规定任何企业及其关联方如果以MaaS方式直接向第三方提供推理或微调服务 ，且连续12个月收入超过2000万美元 ，必须与月之暗面另行达成商业协议。同时，对于月活超过1亿或月收入超过2000万美元的产品 ，必须在界面显著位置标注“Kimi K3 ”。
K3依然允许下载 、修改、微调和商业使用 ，对于绝大多数开发者和中小团队而言，这些条款并无实际影响；但对于云厂商 、模型聚合平台等大玩家而言 ，“免费午餐”结束了 。
DeepSeek和智谱的权重是全精度发布 ，第三方拿到之后可以自己量化 、换芯片、调批处理，成本压得比原厂低 。K3的做法把这条路堵了一半。
“K3权重发布时就是训练用的低精度 ，第三方拿到手 ，往上转精度没有收益，往下再压又要掉效果，量化这一档的成本空间基本没了 。推理这块月之暗面只开了模型执行的部分 ，生产环境里怎么调度、怎么排缓存 、哪些请求前缀热 ，这些都是在自家流量上跑出来的，第三方没有这份流量 ，同样的硬件跑不到同样的利用率 。所以K3和DeepSeek不一样 ，第三方在成本上占不到便宜，护城河从权重挪到了托管效率 ，再加许可条款兜底。 ”宋斐表示 。
中软世界 此前已公开宣布“商业层面采用Token分成机制 ，对基于Kimi大模型产生的Token消耗收益及其他合作衍生收入按约定比例分成 ” 。另据近日市场消息披露，月之暗面正与微软 、亚马逊和谷歌谈判 ，希望让K3进入Azure、AWS和Google Cloud ，并从相关服务获得的收入中拿走比较高 30%的分成。
此外，还值得注意的是 ，近日智谱又将Coding Plan搬上了天猫销售 。仅一天后 ，天猫又将阿里云 、DeepSeek 、Kimi、MiniMax等多家头部大模型厂商的订阅服务集中到“天猫AI空间站”上销售 。
大模型登上电商平台，意味着AI订阅开始从模型厂商官方网站 和托管商的销售渠道，走向第三方电商平台的标准化货架。原先主要面向开发者和企业客户的订阅服务 ，如今尝试向更多普通消费者敞开 。可以想象 ，未来AI订阅可能像买流量包一样被比价和促销 。
（文章来源：21世纪经济报道）
