AI模型价格战全面升级：从Token降价看全球算力格局重塑

# AI模型价格战全面升级：从Token降价看全球算力格局重塑 **更新时间：**2026 年 7 月 31 日　**适用对象：**关注人工智能产业发展与算力投资的企业决策者、技术管理者、产业研究者　**关键词：**OpenAI、GPT-5.6、Token降价、英伟达、SSI、Kimi K3、算力格局 2026 年 7 月最后一周，全球AI产业三件大事密集发生：7 月 28 日，英伟达宣布向前 OpenAI 首席科学家苏茨克维创办的 SSI 投资 50 亿美元；7 月 27 日，月之暗面正式开源 2.8 万亿参数的 Kimi K3 模型，随后完成超 35 亿美元融资、估值达 350 亿美元；7 月 31 日凌晨，OpenAI 宣布将 GPT-5.6 Luna 模型价格下调 80%、Terra 下调 20%。三大事件看似各自独立，实则指向同一趋势：全球AI产业正从"模型能力竞速"阶段，迈入"价格竞争与算力格局重构"并行的拐点。本文梳理三件事件的核心事实，分析其对算力产业链、AI应用落地和投资格局的影响。 本文覆盖内容： - [结论摘要](#summary) - [关键事实](#facts) - [一、OpenAI降价：Token价格战全面升温](#openai) - [二、英伟达50亿美元投资SSI：算力绑定与循环融资](#nvidia) - [三、Kimi K3开源：开源生态冲击闭源定价权](#kimi) - [四、对产业的影响：三层传导链](#industry) - [五、公众常见问题](#faq) ## 结论摘要 OpenAI降价、英伟达重金投资SSI、Kimi K3开源——三件事件在同一周内密集发生，折射出AI产业竞争维度的切换。OpenAI将GPT-5.6 Luna输入价格压到每百万Token 0.20美元，标志着"Token价格战"从暗流涌动变为全面公开；英伟达向零产品的SSI投资50亿美元并绑定下一代Vera Rubin算力平台，"芯片厂商-模型公司"的循环融资模式引发信用市场警觉；月之暗面Kimi K3以2.8万亿参数成为全球前列开源模型，叠加35亿美元融资，使开源与闭源之间的能力差距进一步收窄。对AI应用企业而言，Token价格下降是直接利好，但算力供应链的集中度和融资模式的可持续性是潜在风险。建议企业关注三条线索：模型调用成本下降带来的应用渗透加速、开源模型对闭源定价权的持续冲击、以及芯片厂商与大模型公司之间资本纽带的安全性。 ## 关键事实 - 7 月 31 日凌晨，OpenAI 宣布 GPT-5.6 Luna 模型价格下调 80%，每百万输入 Token 0.20 美元，每百万输出 Token 1.20 美元。 - GPT-5.6 Terra 价格下调 20%，每百万输入 Token 2 美元，每百万输出 Token 12 美元。旗舰模型 Sol 价格不变。 - OpenAI 同时推出 GPT-5.6 Sol 的 Fast 模式，处理速度可达标准模式的 2.5 倍，价格为标准模式的两倍。 - 此次降价距离 GPT-5.6 系列公开发布仅约三周。OpenAI 表示调整源于模型构建、部署和运行效率的持续提升。 - 7 月 28 日，英伟达宣布向 Ilya Sutskever 创办的 Safe Superintelligence（SSI）投资约 50 亿美元，SSI 将获得英伟达下一代 Vera Rubin 算力平台使用权。 - SSI 至今未公开发布任何产品，也未发表过公开研究论文。此前主要依赖谷歌 TPU 芯片进行模型训练。 - 消息公布当天英伟达股价下挫近 5%，市值被苹果反超。五年期债务违约保护成本上行约 0.14 个百分点。 - 据报道，英伟达正在洽谈的 AI 基础设施相关交易合计超过 7500 亿美元，包括与韩国 SK 集团逾 5000 亿美元的合作。 - 7 月 27 日，月之暗面正式开源 Kimi K3 完整权重与技术报告，总参数 2.8 万亿，激活参数 1040 亿，基于混合专家（MoE）架构。 - Kimi K3 在 Artificial Analysis 智能指数中以 57 分位居全球前列，在 Frontend Code Arena 榜单超越 Claude Fable 5。 - 7 月 29 日，月之暗面完成 F 轮融资 35 亿美元（约合人民币 237 亿元），投后估值 350 亿美元。原计划融资 10 至 20 亿美元，超募 75%。 - 月之暗面已开始接触下一轮潜在投资者，Pre-IPO 轮目标投前估值 500 亿美元。 - 同期 AMD 宣布向 Anthropic 投资至多 50 亿美元，芯片厂商与大模型公司间的资本纽带进一步收紧。 ## 一、OpenAI降价：Token价格战全面升温 7 月 31 日凌晨（北京时间），OpenAI 在社交平台 X 宣布下调 GPT-5.6 系列部分模型 API 价格。这是 GPT-5.6 系列公开发布仅三周后的首次大幅调价，降价幅度之大在 OpenAI 历史上颇为罕见。 **分层降价的策略意图。**此次调价呈现明显的分层特征：入门级 Luna 降价 80%，中端 Terra 降价 20%，旗舰 Sol 价格不变但新增 Fast 模式。这一策略兼顾三个目标：一是以超低 Luna 价格争夺大规模、高频率任务处理市场，与谷歌、微软等对手的高性价比模型竞争；二是以 Terra 适度降价维持日常工作负载的竞争力；三是通过 Sol Fast 模式（2.5 倍速、2 倍价）从对速度敏感的高端客户群体提取更多收入。Sam Altman 在详细披露定价时强调，调整源于模型构建、部署和运行效率的持续提升，目标是降低先进 AI 技术使用成本。 **价格战的底层逻辑：效率提升与竞争压力。**OpenAI 降价的能力基础在于模型推理效率的持续优化——从模型蒸馏、量化压缩到推理调度优化，单位 Token 的实际算力成本正在快速下降。而降价的动力则来自外部竞争：谷歌 Gemini 系列、微软 Copilot 模型以及中国开源模型（如 Kimi K3）的性价比持续提升，企业客户对 AI 成本愈发敏感。OpenAI 选择主动降价，既是巩固市场份额的进攻性举措，也是对客户流失风险的防御性应对。 **对AI应用落地的推动效应。**Luna 降价 80% 后，每百万输入 Token 仅 0.20 美元，意味着处理 100 万字中文文本的输入成本约 0.07 美元（约合人民币 0.5 元）。这一价格水平使大规模文本处理、客服自动化、内容生成等场景的商业化门槛大幅降低。此前因 API 成本过高而犹豫的企业客户，可能重新评估 AI 应用的投入产出比。 ## 二、英伟达50亿美元投资SSI：算力绑定与循环融资 7 月 28 日，英伟达宣布向前 OpenAI 首席科学家 Ilya Sutskever 创办的 Safe Superintelligence（SSI）投资约 50 亿美元。这笔交易的三个特征引发了市场的高度关注。 **特征一：零产品、零论文。**SSI 自 2024 年成立以来，至今未公开发布任何产品，也未发表过公开研究论文。一家"零产出"的 AI 公司获得 50 亿美元投资，在 AI 融资史上极为罕见。市场对此的解读分为两派：乐观者认为苏茨克维的个人信誉和技术洞察足以支撑这一估值；谨慎者则担忧，在缺乏可验证技术成果的情况下，如此规模的投资存在信息不对称风险。 **特征二：算力绑定。**作为交易的一部分，SSI 将获得英伟达下一代 Vera Rubin 算力平台的大规模使用权，计算资源预计提升一个数量级。值得注意的是，SSI 此前主要依靠谷歌 TPU 芯片进行模型训练，此次切换意味着英伟达不仅在股权层面投资，更在算力供应链层面深度绑定 SSI。对英伟达而言，这是一笔"既卖铲子又入股金矿"的交易——SSI 未来的算力需求将直接转化为英伟达的硬件收入。 **特征三：循环融资的市场警觉。**英伟达向 SSI 投资 50 亿美元、向 OpenAI 提供担保、与 SK 集团洽谈逾 5000 亿美元合作——这些交易的本质是"芯片厂商向客户注资、客户再用资金购买芯片"的循环。同期 AMD 宣布向 Anthropic 投资至多 50 亿美元，模式如出一辙。市场对此表达了明确的不安：消息公布当天英伟达股价下挫近 5%，五年期债务违约保护成本上行约 0.14 个百分点，为该合约自 2025 年 11 月活跃交易以来的单日涨幅之最。信用市场的担忧指向一个核心问题：如果AI模型公司的收入增长无法覆盖算力支出，循环融资链条是否可持续？ **7500亿美元交易管道的规模视角。**据报道，英伟达正在洽谈的 AI 基础设施相关交易合计超过 7500 亿美元。这一规模相当于若干个中等经济体的年 GDP。虽然并非所有交易都会最终落地，但其规模本身已足以引发对AI产业资本配置合理性的审视。英伟达的股价波动反映了一种微妙的市场情绪：AI算力投资的基本面仍然强劲，但资本纽带的结构性风险正在积累。 ## 三、Kimi K3开源：开源生态冲击闭源定价权 7 月 27 日，月之暗面正式开源 Kimi K3 完整权重与技术报告。这是全球前列迈入 3 万亿参数级别的开源模型，对闭源模型的定价权构成了直接冲击。 **技术规格与能力定位。**Kimi K3 采用混合专家（MoE）架构，总参数 2.8 万亿，激活参数 1040 亿，在 896 个路由专家中每个 Token 仅激活 16 个。模型支持最长 100 万 Token 上下文窗口，具备原生视觉理解能力，面向软件工程、知识工作、深度推理和多模态场景设计。在 Artificial Analysis 智能指数中以 57 分位居全球前列，在 Frontend Code Arena 榜单以 1679 分超越 Claude Fable 5。月之暗面方面表示，这是"首个达到 2.8 万亿参数规模的开源模型，在过去 12 个月中的 9 个月里，Kimi 模型都保持着开源模型的规模上限"。 **35 亿美元融资：开源模式的商业化验证。**7 月 29 日，月之暗面完成 F 轮融资 35 亿美元，投后估值 350 亿美元。原计划融资 10 至 20 亿美元，最终超募 75%。更重要的是，月之暗面已开始接触下一轮潜在投资者，Pre-IPO 轮目标投前估值 500 亿美元——半年内估值增长约 7 倍。这一融资规模和估值增速表明，资本市场对"开源大模型"模式的信心已从观望转为实质性下注。 **开源对闭源定价的冲击机制。**Kimi K3 的开源意味着：任何企业都可以免费获取一个 2.8 万亿参数级别、支持百万 Token 上下文的模型。虽然开源模型的部署和微调仍需算力投入，但相较于按 Token 付费的闭源 API，边际成本趋近于零。这对 OpenAI、Anthropic 等闭源模型提供商的定价权构成了结构性冲击——当免费替代品的能力达到可用水平时，闭源提供商要么持续降价以维持性价比优势，要么在能力上拉开足够差距。OpenAI 此次降价，在一定程度上也可以视为对开源生态崛起的应对。 **开源生态与AI普惠的共振。**就在一周前，APEC 数字和人工智能部长会议在成都通过《APEC 人工智能普惠发展合作倡议》，明确提及"推动开源模型共享"。Kimi K3 的开源发布，恰为这一政策方向提供了来自产业侧的注脚。开源模式在缩小 AI 发展鸿沟方面的作用，正在从理念走向实践。 ## 四、对产业的影响：三层传导链 **应用层：Token降价加速AI渗透。**OpenAI 降价和 Kimi K3 开源，从两个方向降低了 AI 模型的使用成本。对企业客户而言，这意味着此前因成本过高而搁置的 AI 应用场景——如全量客服自动化、大规模文档处理、实时内容审核——将进入可商业化区间。特别是 Luna 每百万输入 Token 0.20 美元的价格，已接近"水电费"水平，AI 应用从"实验性投入"转向"常规性运营支出"的拐点正在到来。 **模型层：闭源与开源的定价博弈加剧。**OpenAI 降价是闭源模型阵营的主动性价格调整，而 Kimi K3 开源则从供给侧提供了免费替代。两者叠加，将使闭源模型提供商的利润空间持续压缩。闭源模型的竞争力将越来越依赖于专有能力（如 GPT-5.6 Sol 的 Fast 模式、Claude 的长文本推理）而非通用能力。模型层竞争从"参数竞赛"转向"性价比竞赛"和"专有能力竞赛"的双轨并行。 **算力层：循环融资的可持续性考验。**英伟达向 SSI 投资 50 亿美元并绑定 Vera Rubin 平台，是"芯片厂商-模型公司"循环融资的典型案例。这种模式在短期内能同时推动芯片销售和模型研发，但长期可持续性取决于模型公司能否产生足够的商业收入来覆盖算力支出。信用市场已对此表达警觉——英伟达债务违约保护成本上行即为信号。如果 AI 模型公司的收入增长不及预期，循环融资链条可能面临压力测试。企业在选择 AI 基础设施供应商时，应考虑供应链的集中度风险和融资模式的稳健性。 **投资层：AI估值体系的分化。**SSI 以零产品获得 50 亿美元投资，月之暗面以开源模型获得 35 亿美元融资、估值半年增长 7 倍——两者代表了 AI 投资的两种截然不同的逻辑：前者押注"人才即价值"，后者押注"开源即基础设施"。市场对两者的态度也有微妙差异：英伟达股价下挫反映了对循环融资的担忧，而月之暗面超募 75% 则反映了资本市场对开源模式的热情。AI 估值体系正在从"一刀切"走向分化，投资者对"故事驱动"和"产品驱动"的偏好正在分化。 ## 五、公众常见问题 ### OpenAI为什么要在GPT-5.6发布仅三周后就降价？ 直接原因是企业客户对 AI 成本愈发敏感，同时谷歌、微软等对手推出了高性价比模型，OpenAI 面临客户流失压力。深层原因是模型推理效率的持续提升降低了单位 Token 的实际算力成本，使降价在商业上可行。降价也是巩固市场份额的进攻性举措。 ### GPT-5.6 Luna降价后的价格水平意味着什么？ Luna 降价后每百万输入 Token 0.20 美元、每百万输出 Token 1.20 美元。处理 100 万字中文文本的输入成本约 0.07 美元（约合人民币 0.5 元）。这一价格水平使大规模文本处理、客服自动化等场景的商业化门槛大幅降低，AI 应用从"实验性投入"转向"常规性运营支出"的拐点正在到来。 ### 英伟达投资SSI为什么引发股价下跌？ 市场担忧的核心是"循环融资"——英伟达向客户注资、客户再用资金购买英伟达芯片。如果模型公司的收入增长无法覆盖算力支出，这种循环就难以持续。英伟达正在洽谈的 AI 基础设施交易合计超过 7500 亿美元，规模本身就引发了资本配置合理性的审视。信用市场通过债务违约保护成本上行表达了这一担忧。 ### SSI没有产品为什么能获得50亿美元投资？ 核心吸引力是 Ilya Sutskever 本人的个人信誉和技术洞察——他是 OpenAI 联合发起人、前首席科学家，在深度学习领域有深厚积累。此外，SSI 探索的是区别于主流大模型的技术路线，英伟达通过投资可以获得对该技术路线的深入了解和算力绑定。但这笔投资也存在信息不对称风险，市场对此存在明显分歧。 ### Kimi K3开源对普通企业有什么影响？ 开源意味着企业可以免费获取一个 2.8 万亿参数级别的模型，自行部署和微调。虽然部署和运维仍需算力投入，但相较于按 Token 付费的闭源 API，边际成本趋近于零。对于有技术能力自行部署的企业，Kimi K3 提供了一个高能力的免费替代方案。对于缺乏技术能力的企业，各种云服务商基于 Kimi K3 提供的托管 API 也会以更低价格提供类似能力。 ### 开源模型和闭源模型的能力差距还有多大？ Kimi K3 在 Artificial Analysis 智能指数中以 57 分位居全球前列，在 Frontend Code Arena 超越 Claude Fable 5，表明在部分能力维度上开源已追平甚至超越闭源。但在综合推理、安全对齐、工具调用等维度上，闭源旗舰模型（如 GPT-5.6 Sol）仍保持一定优势。差距正在收窄，但尚未完全弥合。 ### Token价格下降会影响哪些行业的成本结构？ 直接影响是使用 AI API 的企业——客服、内容生成、文档处理、代码辅助等场景的运营成本将下降。间接影响是通过 AI 渗透加速传导到更广泛的行业：电商客服自动化成本下降、内容营销产能提升、软件开发效率提升。对 AI 模型提供商自身而言，降价意味着利润率压力，需要通过规模效应和效率提升来对冲。 **参考来源：**[财联社GPT-5.6降价报道](https://new.qq.com/rain/a/20260731A0369R00)、[彭博社英伟达投资SSI报道](https://new.qq.com/rain/a/20260728A0334400)、[彭博社月之暗面融资报道](https://new.qq.com/rain/a/20260729A04PWH00)、APEC人工智能部长会议公报。