AI 价格战开打：比「谁更聪明」更重要的，是「一件事多少钱」

10月19日韩媒报道称，全球人工智能市场竞争正从性能比拼转向价格竞争，中国企业以低至美国头部模型十分之一的使用费吸引开发者。数据显示，10月5日至11日期间，中国 AI 模型占全部 AI 任务请求量约 48%，超过 OpenAI、谷歌和 Anthropic 合计的 40.3%；其中 DeepSeek 以 24.5% 居首，智谱 AI 以 13.4% 居次，阿里通义千问占 5.4%。而智能体处理单一任务需多次调用模型，价格差异乘上调用次数，量级会完全不一样。

10 月为什么被叫做「拐点月」

一个关键事实是：2026年10月被行业记成「生成式 AI 从实验变成预算里一条固定科目的月份」。多家前沿实验室在 18 天内陆续发布重大更新，其中两家把 API 标价下调了双位数百分比，首批可信的 Fortune 500 部署也跨过了上线满 12 个月的生产线。这意味着，大多数企业任务的瓶颈已经不再是「模型够不够聪明」，而是另外三件事：一件事花多少钱、多快能上线、上线后能不能扛住真实用户的折腾。

能力不再是瓶颈，这句话要加一个例外：长程智能体工作（多步、长时、容易中途脱节）、高风险决策（金融、医疗、法务）、受监管领域，能力依然是硬约束，头部模型与中游模型之间的差距是实打实的。除此之外的场景，模型已经从「稀缺品」变成了「可替换的商品」。

别看标价，看「每个成功任务多少钱」

这是本轮价格战里最容易被忽略的一条：每百万 token 的标价是企业 AI 采购里最具误导性的指标。真正付出的是「每个成功任务的成本」，这个数字可以是朴素 token 计算的三到十倍。四个因素主导了实际支出——

第一是缓存。提示词缓存在重复性工作负载上可把输入成本砍掉 50% 到 90%，没做缓存的团队往往在严重超付。第二是重试。一个结构化输出失败率 15% 的模型，除了多付 15% 的钱，还要加上检测与重试的编排开销。第三是推理 token，推理型模型可能先「想」几千个 token，这常常是值得的，但必须被测量而不是被假设。第四是编排开销，多智能体与工具调用链路会成倍放大消耗，这是单次调用基准测试永远捕捉不到的。

一个具体的账，怎么算

拿最常见的文档抽取举例：2000 输入 token、500 输出 token，标价按每百万输入 3 美元、每百万输出 15 美元计算。朴素算法是 0.0135 美元一次调用。加上 15% 重试，变成 0.0155 美元一次成功任务。但如果不做缓存，每次调用都要重发完整的指令块——给 1500 token 的稳定前缀加上缓存后，同一个任务的成本降到约 0.006 美元一次成功任务。同样的模型、同样的标价，实际支付差 2.3 倍。这就是为什么「换模型」救不了成本，管道优化才能。

除了降价，10月还有几件事同期发生：MiniMax 发布 M3.1 Flash，宣称在线推理速度提升至多 3 倍、中位速度超过 170 TPS、agentic 任务成本较前代降低 70%；OpenAI 9月推出低成本模型 GPT-6 Luna，价格约每百万 token 0.10 美元；Anthropic 推出同价位区间的 Claude Haiku 5.5；谷歌把顶级模型临时以不到常规价一半的价格提供。10月19日前后，MCP 已发布的服务器数量突破 1200 个，工具互操作进入规模爬坡。

落到唐山企业：三个立刻能做的动作

第一，把成本口径从「token 价」改成「成功任务成本」，给每个业务动作记一笔账。第二，做一次路由分层——分类、抽取、简单生成这类活交给小模型，只有真正难的推理才上大模型，这是当前性价比最高的一次性改造。第三，把缓存和重试率写进验收指标，让优化有抓手，而不是等到月底看账单才发现超了。