企业现在能以远低于此前的每Token成本购买前沿AI技术，因为OpenAI和Anthropic周二双双下调了其最新模型的价格。
OpenAI发布了GPT-6 Sol和GPT-6 Luna，两款模型的每Token成本为其前代产品GPT-5.6的一半。
“这些模型通过推动成本效率的前沿发展，帮助更广泛地分享智能带来的益处，”OpenAI在关于此次发布的博客文章中表示。“缓存技术和推理能力的提升让我们能以更低成本提供这些模型，我们正将这些节省直接惠及用户……将Sol和Luna的API价格下调50%。”
与此同时，Anthropic发布了Claude Opus 5.5，其Token价格比Opus 5低20%，公司称结合该模型更低的算力需求和更少的Token使用量，能为企业带来额外的成本节省：“它在大多数工作中的表现与Claude Fable 5.1相当，但运行成本比Opus 5低40%，”该公司在Opus 5.5的网页上宣布。
与此前发布旗舰模型GPT 6 Astra和Claude Fable 5.1时大力宣传原始性能不同，两家公司这次更强调新模型的性价比。
但分析师表示，此举的意义不止于价格下降。
Forrester副总裁兼首席分析师Charlie Dai表示，AI供应商正日益围绕效率展开竞争。
“前沿AI正进入一场由推理效率提升、更优缓存机制和模型优化所驱动的长期性价比竞赛，而随着各家能力趋同，竞争压力也在加剧这一局面，”Dai说。
供应商降低成本是为了“扩大企业采用规模，刺激更大批量的生产性使用”。
更低的API成本改善了通过云平台使用AI的经济性，尤其是对于编程智能体和企业自动化等工作负载而言。
不过，Dai表示，私有化或混合部署仍有其存在的理由，原因包括数据主权、安全性和知识产权方面的要求。
“更低的推理成本改善了API使用的经济性，但并不会消除对私有和混合AI的需求，”他说，企业正通过混合架构和有选择性的基础设施自有化来“保留灵活选择权”。
Greyhound Research首席分析师Sanchit Vir Gogia表示，随着按使用量计费的成本下降，正在评估本地部署方案的企业需要审视使用率水平、数据要求和运营限制等因素。
他预计未来还会有更多降价举措。“这是一种持续性的价格压缩，将其称为传统意义上的价格战并未抓住重点。这实际上是一场争夺企业购买智能默认渠道的‘圈地运动’，”Gogia说。
尽管供应商都在强调更低的Token定价和基于基准测试的成本指标，但分析师表示，企业需要评估更广泛的衡量标准。
“CIO们应该评估每个业务成果的成本，而不是每个Token的成本，”Dai说，他指出可靠性、延迟和任务完成率等因素同样重要。
Gogia表示，定价应针对成功的结果进行评估，而非尝试次数。“唯一站得住脚的衡量标准是每个被接受、且符合政策要求的成果所对应的总成本，”他说。
两位分析师均表示，企业应使用自身的工作负载来验证供应商的宣传说法，而不是仅依赖基准测试对比。
他们还表示，此次价格调整也正影响着更广泛的AI生态系统，包括超大规模云服务商和基础设施提供商。
Dai表示，随着原始算力价格承压，超大规模云服务商可能需要转向编排、治理和AI平台等更高价值的服务。
Gogia补充说，这些变化表明的是“利润迁移而非利润崩溃”，每个Token收入的下降部分被更低的服务成本和更高的需求所抵消。
最新发布的产品也反映出前沿模型提供商之间日益激烈的竞争。
Gartner高级总监分析师Anushree Verma表示，企业正开始将通用型模型视为可互相替代的产品。
“模型正日益商品化，”Verma表示，并补充说供应商正“积极争夺市场份额”，其背后往往有超大规模基础设施和资本的支持。她说，这正导致直接的价格竞争，以及标准推理服务的“逐底竞争”。
对企业而言，这些变化既带来了机遇，也伴随着权衡取舍：更低的价格拓宽了AI的可及性，同时也增加了在不同供应商之间评估性能、成本和部署选项的必要性。
Q&A
Q1：OpenAI和Anthropic为什么要下调AI模型价格？
A：主要是因为推理效率提升、缓存技术改进和模型优化降低了服务成本，加上各家模型能力趋同带来竞争压力，供应商希望借此扩大企业采用规模，刺激更大批量的使用需求。
Q2：企业该如何评估这些降价后的AI模型是否划算？
A：分析师建议企业不应只看每Token的成本，而应评估每个业务成果的成本，综合考虑可靠性、延迟、任务完成率等因素，并用自身实际工作负载去验证供应商的宣传说法，而非单纯依赖基准测试对比。
Q3：AI模型降价会对超大规模云服务商产生什么影响？
A：随着原始算力价格承压，超大规模云服务商可能需要转向编排、治理和AI平台等更高价值的服务。分析师认为这属于“利润迁移而非利润崩溃”，收入下降部分会被更低的服务成本和更高需求所抵消。
