先进开源解读“词元经济”之三：词元为什么越来越便宜

过去几年，这个行业发生了一件看似矛盾的事：

模型能力越来越强，词元价格却越来越便宜。

GPT-4 级别性能的词元成本，从 2022 年底约 20 美元/百万词元，下降到 2026 年约 0.40 美元/百万词元，三年左右下降约 50 倍。

但奇怪的是：词元越来越便宜，企业的 AI 支出却不降反升。

OpenAI 的推理总支出在词元单价暴跌的同时，反而增长约 2.4 倍。Uber 今年前四个月就耗尽了全年 AI 预算。

更奇怪的是，2026 年上半年还在"降价潮"，下半年却突然迎来"涨价潮"——DeepSeek 在 8 月全面上调 API 价格，并引入高峰 / 空闲分时计价。

词元价格，到底遵循什么逻辑？

一、词元为什么越来越便宜？——价格背后的"降本三角"

先来看最直接的问题：

为什么今天的词元，比几年前便宜这么多？

答案并不只是"GPU 变便宜了"。

词元价格的背后，实际上存在一个由算力、能源和规模效应共同构成的"降本三角"。

第一，算力效率提高，是词元降价最直接的推动力。

Epoch AI 的研究显示，在知识、科学、推理等多个任务上，达到相同能力水平的大模型推理成本正以每年 9 到 900 倍的速度下降。2026 年发布的论文《Tiered Super-Moore's Law》系统研究了 2020 至 2026 年大模型推理市场的价格演变，发现经济型和中端模型价格分别以 1.10 年和 1.55 年的半衰期快速下降，降价速度甚至快于传统摩尔定律。

20 → 0.40 美元 / 百万词元

GPT-4 级别性能的词元成本，从 2022 年底到 2026 年，三年内下降约 50 倍。

背后发生的并不仅仅是芯片升级。量化技术可将运营成本降低 60% 至 70%；推测解码进一步提升了推理效率；MoE（混合专家）架构则让模型不必每次都激活全部参数。DeepSeek 通过 MoE 架构、多头潜在注意力、多词元预测等技术创新，将词元生产成本压缩至西方竞争对手的 1/10 到 1/100。

这些技术最终都指向一个指标：

       用同样的 GPU、同样的电，生产更多词元。

第二，规模效应正在进一步摊薄成本。

一座数据中心如果只有少量用户，那么 GPU、机房、网络和运维成本都需要由有限的词元调用承担。但当调用量达到数十亿、数万亿甚至更高时，固定成本就可以被大量词元摊薄。

于是形成一个非常典型的循环：

用户越多 → 调用量越大 → GPU 利用率越高 → 单位成本越低 → 可以继续降价 → 吸引更多用户。

       这也是为什么词元天然具有明显的规模经济。

第三，能源正在成为新的成本约束。

当 AI 推理规模不断扩大之后，词元生产开始越来越依赖持续、稳定、低成本的能源。

· IEA（2026 年 4 月）：AI 专用数据中心电力消耗在 2025 年达到 155 TWh，占全球电力消耗的 0.49%。

· Gartner（2026 年 6 月）：全球数据中心电力需求将在 2026 年增长 27%，达到 132 GW。

· Brookings Institution：数据中心电力消耗到 2026 年可能接近 1050 TWh——若将数据中心视为一个国家，其能源消耗将位居全球第五。

这意味着，词元价格的下降并不是没有底线。

芯片和算法负责把成本往下压，能源则可能成为价格的"地板"。

核心判断：词元价格快速下降的本质，是整个"智能生产系统"的效率提升；但随着算力成本持续下降，能源正在成为新的成本约束。

二、从 DeepSeek 到全球模型厂商：一场词元价格战正在打响

如果说技术进步决定了词元"可以卖多便宜"，那么市场竞争决定的就是：

厂商愿意把价格降到多低。

这几年，词元市场经历了一轮非常猛烈的价格竞争。

其中最具有标志性的事件，是 DeepSeek 带来的价格冲击。

2025 年 1 月，DeepSeek R1 以每百万输入词元约 0.55 美元的价格发布，达到 OpenAI o1 约 95% 的能力，价格仅为后者的 3%——这一 97% 的价格差距在 AI 行业引发了"Sputnik 时刻"式的震动，短暂冲击了美国科技股市场。

3% 的价格，达到 95% 的能力

DeepSeek R1 vs OpenAI o1。
       这一差距被形容为 AI 行业的"Sputnik 时刻"。

连锁反应随即展开：

短短几个月，全球大模型行业经历了一轮密集的价格重置。

部分国产大模型的价格已降至国外同类产品的十分之一。稀宇科技开放平台首席架构师冯雯表示："我们现在模型输入价格是百万词元 2.1 元，输出是每百万词元 8.4 元，是国际某些模型价格的不到十分之一。"

《财经》测算发现，在典型智能体场景下，DeepSeek-V4-Pro 1 亿 Token 综合使用成本约 17 元，比 DeepSeek-R1 的 124 元低 86%。

这种竞争与传统软件市场有一个很大的区别。

传统软件通常是：功能越多 → 产品越贵。
而 AI 正在出现另一种模式：能力越来越强 → 单位词元价格越来越低。

       这背后其实是一场效率革命。

如果一个模型能够用更少的计算完成同样复杂的任务，它就拥有降价空间。而一旦某家厂商降价，其他厂商就必须跟进。

于是形成：

技术进步 → 成本下降 → 降价 → 用户增长 → 调用量增长 → 规模扩大 → 成本进一步下降。

词元价格就这样不断向下。

但问题也随之出现：

如果大家都一直降价，谁来赚钱？

答案是：

价格从来都不是这场战争的最终目的。

核心判断：词元价格战表面上是在争夺"每百万词元多少钱"，实际上是在争夺用户、开发者和 AI 应用的入口。

三、免费词元：真正争夺的不是收入，而是生态

今天很多 AI 产品都提供免费额度。

从表面上看，这似乎意味着：

词元已经不值钱了。

但如果从商业模式来看，恰恰相反。

免费词元可能是 AI 企业最重要的"获客工具"之一。

这其实很像互联网时代的"免费模式"。

用户免费使用产品，平台真正争夺的是：

用户规模、开发者、应用、数据和生态。

词元经济里的逻辑则更加直接：

低价词元 → 吸引用户 → 吸引开发者 → 开发应用 → 形成生态 → 提高平台依赖 → 最终实现商业变现。

因此，今天一家 AI 企业愿意把词元价格压得非常低，并不意味着它认为词元没有价值。

它可能恰恰认为：

越便宜，越应该让更多人使用。

为什么？

因为一旦企业和开发者围绕某一个模型建立起应用，迁移成本就会越来越高。

一个开发者可能已经在某个平台上积累了：

API 接口 ·  Prompt 体系 ·  工作流 ·  微调数据 ·  工具调用 ·  用户数据 ·  应用逻辑

模型一旦成为整个应用的基础设施，换模型就不再只是"换一个 API"。

因此，词元价格战真正争夺的，是生态入口。

这就形成了一个非常典型的"剃刀与刀片"结构：

所以：

便宜的词元可能不是利润终点，而是生态入口。

这也是为什么 AI 行业愿意承受巨额基础设施投入，甚至在相当长时间内接受较低利润。

50 亿 美元 · OpenAI 2025 年推理成本

22.7 亿 美元 · 对应微软渠道收入

大规模词元生产在当前阶段仍处于"战略性亏损"状态。

核心判断：词元价格战本质上是一场以资本为弹药的生态圈地战。低价词元是"剃刀"，真正的利润来源是由此建立的开发者锁定、数据飞轮和平台依赖。

四、词元越便宜，为什么 AI 账单反而越高？——"杰文斯悖论"来了

到了这里，词元经济出现了一个非常有意思的悖论：

词元越来越便宜，为什么企业的 AI 支出却未必越来越低？

因为：

大家开始用更多词元了。

2026 年 6 月 22 日，《财富》杂志中文版发表了一篇文章，标题直指核心：《顶级经济学家警告：词元成本下降，企业 AI 支出却不降反升》。

文章引用了阿波罗全球管理公司首席经济学家托斯滕·斯洛克的观点。斯洛克认为，这正是"杰文斯悖论"的又一现实例证。

1865 年，英国经济学家威廉·斯坦利·杰文斯发现：瓦特蒸汽机提高了煤炭利用效率，减少了完成同样工作的煤炭消耗量，但煤炭总消耗量反而激增。因为效率提升降低了使用成本，反而释放了更多应用场景，导致总需求爆发。

       150 多年后的今天，这一幕在 AI 领域重演。

清华大学清新团队发布的《Token 经济学全景报告》揭示：过去两三年，前沿大模型单次调用成本暴跌至约原来的 1/280，但 OpenAI 的推理总支出却不降反增约 2.4 倍。

1 / 280 单次调用成本

2.4 倍 OpenAI 推理总支出

数据来源：清华大学清新团队《Token 经济学全景报告》

贝恩公司的数据印证了这一趋势：从 2024 年 12 月到 2025 年 12 月，词元成本下降了一半，但同期词元消耗量却增长了 450%。

450% 词元消耗量增长

同期词元成本下降 50%。
       吃掉预算的不是涨价，而是用量。

Gartner 今年 3 月的分析显示，智能体场景下 Token 耗用量是普通对话的 5 到 30 倍。智能体每完成一项任务要触发 10 到 20 次模型调用。

美国网约车巨头 Uber 的案例最具冲击力。由于越来越多地使用 Claude Code，公司在今年前四个月就耗尽了全年 AI 预算。Uber 如今已将员工每月 AI 支出上限设定为 1500 美元。

麦肯锡 2026 年 5 月的企业 AI FinOps 调查发现，93% 的企业目前超出 AI 预算。对 127 家企业实施的调研显示，73% 超出预算，部分项目超出初始预算的 2.4 倍。五分之一的企业已因运营成本过高而被迫限制 AI 使用。

93% 的企业超出 AI 预算

麦肯锡 2026 年 5 月企业 AI FinOps 调查。
贝恩将其称为"AI 的虚假效率曲线"——每个词元更便宜，但每项任务消耗更多词元，总账单顽固地居高不下。

过去的 AI 使用方式非常简单：

一个问题 → 一次回答。

现在则完全不同。

一个智能体接到任务之后，可能需要：

理解任务 → 搜索资料 → 阅读文件 → 调用工具 → 生成方案 → 检查结果 → 再次推理 → 修改答案。

一个任务可能触发几十次甚至更多模型调用。

于是出现了一个非常重要的变化：

AI 从"回答问题"开始变成"完成任务"。

而完成任务所消耗的词元，远远超过简单聊天。

这就像高速公路越来越便宜之后，大家开车的里程反而越来越长。
最终结果可能是：每公里更便宜，但一年跑得更多。
AI 也是一样：每个词元更便宜，但每项任务消耗更多词元。

这也是为什么未来企业评价 AI 成本，不能只看：

每百万词元多少钱？

而应该进一步看：

完成一次任务需要多少词元？

以及：

这些词元最终创造了多少价值？

企业的思维也会发生变化：

过去是："怎么少用一点词元？"
未来可能变成："怎么用更少的词元完成更有价值的任务？"

这意味着 AI 企业竞争的核心，也会从"词元最大化"（tokenmaxxing）转向：

结果最大化（outcomemaxxing）。

核心判断：词元价格下降，不等于智能成本下降。真正需要计算的，是完成一个完整任务需要多少词元，以及这些词元最终创造多少价值。

五、词元价格最终会降到哪里？——从"商品词元"到"溢价词元"的分化

那么，最后一个问题来了：

词元会不会最终便宜到接近免费？

从技术进步来看，答案似乎是：

会越来越便宜。

从市场需求来看，答案又是：

很难真正趋近于零。

因为词元价格同时受到两股力量影响。

一边是：技术通缩。

芯片性能提升、模型架构优化、量化、推测解码、MoE、基础设施规模化，都在不断降低单位词元成本。

另一边是：成本反弹与需求膨胀。

       2026 年的词元价格走势，本身就是一部浓缩的经济学教材。

一季度：词元"涨价潮"。

算力紧缺、需求爆发，多家大模型厂商接连取消优惠或涨价。清程极智联合创始人师天麾表示："去年各大模型厂商折扣力度较大，但今年明显收紧。今年有的厂商即便买很大的量都不打折，在紧缺的时候甚至要加价去买 Token。"供需关系失衡是根本原因——Token 需求量增长很快，但算力总量的增长远不及此。

二季度：词元"降价潮"。

DeepSeek 永久降价 75%，小米降价 99%，腾讯降价 97.5%，OpenAI 跟进。摩根大通预测，未来 12 个月内 Token 单位价格还会再降 40% 以上，普通模型接近"商品化"。

三季度：词元"分化"。

2026 年 8 月 17 日，DeepSeek 新版 API 定价正式生效——全面上调价格，并引入高峰、空闲分时计价。高峰时段为北京时间 9:00-12:00、14:00-18:00；其余 17 小时为空闲时段，价格更低。

如果只看价目表，涨幅相当惊人。DeepSeek-V4-Pro 的缓存命中价格，从每百万词元 0.025 元上涨至空闲时段 0.15 元、高峰时段 0.30 元，涨幅分别为 500% 和 1100%。

1100% 高峰时段涨幅

DeepSeek-V4-Pro 缓存命中价：0.025 元 → 空闲 0.15 元（+500%）→ 高峰 0.30 元（+1100%）。
       词元开始像电力一样，有了峰谷电价。

《财经》在涨价前后共跑了六次同样的测试——用开源智能体框架调用 DeepSeek API，反复执行同一个任务：从谷歌 24 个季度财报中提取 10 项财务指标，汇总成一张 Excel 表格。结果显示：DeepSeek-V4-Pro 的实际成本涨至原来的 2.9 倍到 5.8 倍。

但即便涨价后，DeepSeek-V4-Pro 依然是企业调用 API 时价格最低的主流模型。

这次涨价释放了两个信号：

第一，词元价格不会无限趋零，"赔本赚吆喝不可持续"。
第二，分时计价正在将词元从"统一定价"推向"精细化定价"——词元开始像电力一样，有了峰谷电价。

更长远来看，随着算法效率提升空间收窄、能源成本上升、高端推理芯片供应受限，词元价格通缩的速度预计将逐步放缓。

因此，未来词元价格很可能不会变成一个统一的数字，而会逐渐形成两条轨道。

第一条轨道：商品词元

文本分类、摘要、简单问答、翻译、代码补全等标准化任务，模型之间越来越容易替代。

这些词元的特点是：需求巨大、竞争激烈、价格敏感。

未来可能越来越像电力、带宽和云计算一样，成为一种基础数字商品。

第二条轨道：溢价词元

复杂科研推理、金融分析、法律审查、工业设计、医疗辅助以及重大决策支持等任务，对模型能力、数据质量和可靠性的要求更高。

这些场景真正购买的不是"词元数量"，而是：

高质量的智能结果。

长江证券 2026 年 6 月的一份研究报告系统梳理了词元定价的分层逻辑：

2026 年 3 月的一篇学术论文甚至提出了"标准推理 Token"（SIT）及配套期货合约方案，模拟显示 Token 期货可将企业算力成本波动降低 62% 至 78%。Token 正在被当作大宗商品来对待。

更有甚者，Bloomberg Law 2026 年 5 月报道，多国政府正在探索对 AI 词元征税的可能性，美国国会议员提出了"词元税"概念——这一监管趋势一旦落地，将进一步影响词元价格的长期走势。

核心判断：词元经济最终不是"所有词元越来越便宜"，而是"低价值词元越来越便宜，高价值词元越来越值钱"。

结语：从"词元价格战"到"智能价值战"

把前三篇连起来看，词元经济的逻辑已经逐渐清晰。

第一篇，我们讲：词元是什么？——它是 AI 处理和生成信息的基本计量单位。

第二篇，我们讲：词元从哪里来？——能源、芯片、算力、模型、数据和推理系统，共同构成了词元工厂。

第三篇，我们进一步追问：词元为什么越来越便宜？——因为技术在降低成本，模型在提高效率，规模在摊薄成本。

但价格战并不会简单地把所有词元都推向"零价格"。

因为在词元经济里，存在一个更加重要的变量：

价值。

未来可能出现这样的分化：

· 普通词元越来越像商品。

· 专业词元越来越像服务。

· 高价值词元越来越像生产资料。

所以，真正值得关注的已经不是：

"谁家的词元最便宜？"

而是：

"谁能用最低的成本，生产最高价值的智能？"

这也意味着，词元经济的竞争正在从：

比模型 → 比算力 → 比成本 → 比效率 → 比价值。

而当词元开始成为一种真正意义上的数字商品之后，一个更大的问题也随之出现：

如果词元可以被生产、定价和交易，那么，谁掌握词元的生产权、分发权和定价权？

芯片厂商？模型厂商？词元工厂？云平台？还是掌握大量数据和应用场景的企业？

下一场真正的竞争，或许不是"谁的模型最强"，而是谁能够成为词元经济的基础设施。

开源观察 · 深度分析　每周一个主题，用开源信息做完整分析，本期主题：《深度解读词元：AI 时代的新计量单位》。