OpenAI 与 Anthropic 数月内降价最高 80%，原因何在

我们来看一下过去几个月里 OpenAI 和 Anthropic 发布的主要 LLM 模型公告的简要时间线。所有提供的价格数字均为 input MTok / output MTok / cache read MTok。

2026年6月26日#

OpenAI 发布了 GPT-5.6 Sol 和 Luna。Sol 是 GPT 5.5 的直接继任者，价格相同，为 $5 / $30 / $0.50，而 Luna 是一款专为更便宜的使用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这两款模型之间的 Terra 模型，但很少有人关注它。

2026年6月30日#

Anthropic 发布了 Claude Sonnet 5，Anthropic 声称它更接近其 Opus 模型，但反馈褒贬不一。值得注意的是，其发布定价为 $2 / $10 / $0.20，最初本应是临时价格，但之后会上涨。

2026年7月24日#

Anthropic 发布了 Claude Opus 5，鉴于 Opus 4.5 对智能体编程兴起所产生的影响，这是一次备受期待的大版本更新，价格为 $5 / $25 / $0.50（与 GPT-5.6 Sol 相近）。尽管部分提供的基准测试结果出人意料地超过了规模大得多的 Fable 5，但现实世界的反馈则更为褒贬不一。

2026年7月30日#

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

2026年8月10日#

Anthropic 宣布 Sonnet 5 发布时的临时降价现已成为永久价格。

2026年8月21日#

OpenAI 宣布将在未来三个月内将 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，价格为 $10 / $50 / $0.25，除了在所有领域的基准测试表现均严格优于 6 月份价格为 $10 / $50 / $1 的 Fable 5 之外，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 token 总支出的绝大部分（96% - 99%），因为缓存包含了每一轮中整个先前的对话。此外，缓存的命中率通常在 90% - 100% 左右（因 LLM 推理提供商的基础设施而异）。综合来看，缓存读取成本降低 75% 相当于使用该模型的成本降低 70-75%——显然值得注意，即使缓存成本通常只是一个脚注！

2026年9月3日#

OpenAI 发布了 GPT-6 Astra，其规模与 Fable 5.1 相似，定价也相近，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。

2026年9月22日#

OpenAI 发布了 GPT-6 Sol，价格惊人，为 $2 / $10 / $0.20，相对于临时降价的 GPT-5.6 Sol，其输入和输出价格减半！他们同时发布了 GPT-6 Luna，其输入和输出价格也是上一版本的一半（$0.10 / $0.50 / $0.01）。

就在同一天，Anthropic 发布了 Claude Opus 5.5，其中明确表示“Opus 5.5 的服务计算需求低于 Opus 5，其定价也反映了这一点”。由于输入/输出成本降低 20%、缓存读取成本降幅更大，其总价 $4 / $20 / $0.20 远低于 Opus 5，使得一个甚至比 Fable 5.1 更强的模型总成本降低了 40-60%（关于 Opus 5.5 我有很多话要说，但那是另一篇文章的事了）。

2026 年 9 月 29 日#

结果 GPT-6 Sol 在性能上表现不佳，因此一周后 OpenAI 发布了 GPT-6.1 Sol，令人意外的是其性能与 Astra 相当（个人使用后可以确认），但 OpenAI 随手将缓存价格减半（$2 / $10 / $0.10），与 Anthropic 的输入缓存读取成本 5% 持平，使该模型系列累计便宜了 75%。

总体而言，从 6 月 GPT-5.6 模型系列发布至今，使用这些热门 LLM 的成本已大幅下降，这是一年前我未曾预料到的。这些降价同样适用于通过订阅制智能体框架（如 Codex 和 Claude Code）使用模型的情况。更重要的是，这些模型在实现降价的同时，似乎并未在输出质量上偷工减料。

从上面的时间线可以看出，Anthropic 和 OpenAI 之间存在明显的针锋相对，可以合理推测 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的定价压力#

如果你一直在新 LLM 发布时用它们测试智能体，那么除了主观感受之外，很难将它们区分开来。自去年 11 月智能体 LLM 迎来超高速增长以来，模型已越来越像一种商品——只需在 OpenCode 和 Zed Agent 这样的框架中切换一下，或通过 OpenRouter 换一个不同的 API 端点字符串，就能在你的代码库上轻松试用新模型，因此护城河很小。此外，竞争者众多——不仅是 Google 和 Meta 这样的大公司——它们都能提供充分替代的模型，从而形成定价压力。

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

最初的 DeepSeek V4 Flash 0420 于 2026 年 4 月发布，价格为 $0.14 / $0.28 / $0.0028，并因此迅速走红，尤其是在 OpenAI 当时还没有用于简单任务的小型模型的情况下。事实证明，$0.0028 才是关键，因为 2% 的缓存读取比例远低于上述 OpenAI 和 Anthropic 模型的 5%-10%，这使得实际成本甚至低于宣传的价格。我怀疑 7 月 GPT-5.6 Luna 降价 80% 就是为了专门与这些较小的开放权重模型竞争。现在，新的 DeepSeek Flash V4.1 1017 模型在基准测试上表现显著优于 DeepSeek Flash V4（在 Artificial Analysis 指数上为 45 对 24），而 DeepSeek 的成本仍保持在 $0.15 / $0.60 / $0.003 左右。请注意“来自 DeepSeek”这几个关键字。

在 OpenRouter 上，任何推理提供商都可以列出其托管的模型，当用户访问 OpenRouter API 时，请求会被路由到其中一个模型——默认情况下，为了负载均衡，请求会被路由到任何可用的模型，但开发者可以在 API 请求中指定偏好，例如“最低价格”。今年 5 月，我注意到 OpenRouter 上有 13 家不同的提供商托管 DeepSeek V4 Flash。对于更新后的 1017 变体，现在有 29 家不同的提供商。

然而，从有效输入成本（考虑了缓存读取成本与缓存命中率之间的相互作用）来看，许多不同提供商在成本上非常接近。

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——他们目前在这方面做得很好，尤其是 Opus 5.5——但他们需要继续这样做，这就是为什么数十亿美元被投入到研发中。开放权重模型正在快速追赶：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，Opus 5.5 为 58），输入/输出价格减半，缓存读取成本相同（$2 / $10 / $0.20）。它的规模和架构与 Kimi K3 相同，目前有超过 20 家不同的推理提供商托管该模型：因此，一旦权重在 11 月 4 日发布，你可以预期其中大多数提供商将以大致相同的价格支持新的 Kimi K3.1 Pro 模型。值得注意的是，Moonshot AI 自己也加入了降价行列，将 Kimi K3.1 Pro 的定价定得低于最初的 Kimi K3（$3 / $15 / $0.30）。

在那些直言不讳的AI批评者中，一个反复出现的论调是：token的价格一直被刻意压低，目的是把人们套进LLM生态，但之后价格会上涨到“token的真实成本”，一旦免费搭车结束，AI的鼓吹者们就要倒霉了。这套理论认为，OpenAI和Anthropic正在做亏本引流，就像Uber和Lyft在2010年代对网约车行业所做的那样；但与那时不同的是，OpenAI和Anthropic并非拥有生态内唯一定价权的双寡头，推理行业的进入门槛也没有那么高。只要这些众多的推理服务商能够以与OpenAI和Anthropic相近的价格和相近的质量持续提供模型服务，且切换成本可以忽略不计，那么价格可能会继续下降，而且降得更多。难怪两家公司都在试图构筑护城河来抵御这一趋势，比如聚焦企业承诺，以及像OpenAI Dots和Claude Duet这样的个人智能体助手。

token价格会突然上涨的想法更像是一种幻想，既得不到行为经济学的支持，也与LLM价格的实际趋势相悖——过去几个月里，更好的模型价格大幅下降，而且不只是OpenAI和Anthropic在降价。只要这些规模化服务商能把每token成本定得低于每token收入，这些推理服务商就会为了相互竞争而压低token成本，直到OpenAI/Anthropic也不得不降价竞争。OpenRouter上的29家不同服务商几乎没有动力去提供不盈利的模型（他们大可直接停止提供，把算力用于盈利的模型），而“token的真实成本”最终可能就落在价格等于边际成本之处。

说到这里，OpenAI和Anthropic确实都接近IPO，这让降价一事更添疑问。

IPO拉盘#

这些降价的时机值得注意，因为据传OpenAI和Anthropic都即将IPO——OpenAI在2027年，Anthropic则在几个月内。到目前为止，从OpenAI和Anthropic泄露的财务数据来看，不出所料，由于研发/规模化，两家都在亏损数十亿美元，尽管这两份报告都没有计入过去几个月智能体LLM使用的超高速扩张。投资者会审视这些巨额负利润，并要求它们拿出扭亏为盈的计划。

那么，他们为什么要把主要收入来源砍掉最多80%？这与你想要在S-1招股书上好看的做法恰恰相反！推理本身的利润率很可能讲述的是另一个故事，有报道称每token的利润 margins 高达80%，但附有前提条件。在这些大幅降价之后，他们还剩多少利润率？

就我个人而言，降价确实影响了我花在 LLM agent 上的钱，但并不是 OpenAI/Anthropic 希望他们的典型客户表现出的那种方式。当 GPT-5.6 Sol 还是顶级模型时，我每月花 100 美元订阅 Codex（5x Pro 套餐），尽管对随机重置用量感到恼火，我还是设法把订阅包含的用量全部用光了。后来 GPT-6.1 Sol 发布，我注意到使用它的成本实际上降低了 75%，你猜我做了什么？

在同一个模型的用量效率提升到 4 倍后，我把最大用量配额削减到了原来的 1/5，所以最终大致持平，这显然是合理的选择。

平心而论，Claude Code 和 Codex 这类订阅的利润率并不确定，因为相对于 API 用量而言它们价值巨大；如果出现资金紧张，我猜订阅价值会先于模型基础价格被削减。例如，在 GPT-6.1 Sol 发布的同时，OpenAI 以“反映我们日益高效的模型”为由，将 Codex 每月 200 美元档位的用量额度削减了 50%——这在技术上没错，但写出来还挺好笑。

我非常好奇想看看 Anthropic 的 IPO 招股书，以及它很快上市后的推理利润率。

我还怀疑，如果 OpenAI/Anthropic 有意让自己的更昂贵模型过时，这对他们是否有利。一个月前 Opus 5.5 发布后，就再也没有任何关于 Fable 5.1 或 GPT-6 Astra 的讨论了，因为 Opus 5.5 就是那么好。

我完全预计 Fable 5.2/GPT-6.1 Astra 会在几周内发布并证明我错了，我会非常好奇它的定价会是多少。

另一个不那么愤世嫉俗、可以解释降价的理由是，LLM 基础设施确实在过去几个月里有所改善——当 Anthropic 说“Opus 5.5 的服务算力需求低于 Opus 5，其定价反映了这一点”时，我相信它。一个真正具有讽刺意味的结果是，如果这些模型的算力效率更高，就会减少对这些大规模数据中心建设的需求，从而可能引发连锁的经济失败。不过，这很可能不会发生，因为推理只是算力组合的一部分，而那些数据中心仍然需要用于流水线的其他部分。

总的来说，这次降价很奇怪，但作为用户我当然不会抱怨！开放权重模型和第二梯队推理提供商将继续对 LLM 的价格以及大型实验室可能炮制的其他商业花招起到经济制衡作用。即使 Anthropic 和 OpenAI 的 IPO 是灾难性的，并导致两家公司倒闭，也不会突然让 LLM 和 agent 作为一个行业消亡。