中国大模型行业，打过一场持续两年多的价格战。2024年5月，DeepSeek-V2把输入价格压到每百万Token一元，字节、阿里、百度在一周内轮番跟进，价格的一再下探此后并没有停下来，2025年2月百度宣布对话产品文心一言自4月起全面免费，3月发布的文心4.5又把API价格打到 GPT-4.5 的百分之一。
据中国信通院监测，到2025年下半年，国内大模型词元服务的归一化均价落在6.8元。需要注意的是，这一均价按模型发布时的报价归一化统计，不是用户的实际账单均价。
今年十月，这一形势似乎见了分晓。10月中下旬，阶跃、DeepSeek、MiniMax、讯飞、月之暗面在十天内接连发布新模型，五场发布里没有出现新的价格战，客户账单的变化却比过去两年都大。这中间发生了什么，要从价格战是怎么收场的说起。
价格战是怎么收场的
均价落到6.8元这个低点之后，大模型API市场没有继续齐跌，而是按模型档次分开了。今年上半年，下探和涨价同时发生，5月，小米对MiMo-V2.5系列实施永久降价，最高降幅99%。6月还有多款通用对话模型降幅超过90%。但同口径的归一化均价升到了13.46元，涨幅约97.9%。
差价是被旗舰模型抬上来的，智谱年内三度提价，CEO张鹏说这是为了回归正常的商业价值；DeepSeek给V4系列引入峰谷计价，高峰时段输出价格从6元涨到27元。
7月，月之暗面发布K3，输出一步提到100元，成为最贵的国产大模型，这波提价没有引发任何长生跟进，据媒体报道，其ARR反而从6月的3亿美元涨到9月已接近10亿美元。普惠档的低价还在，旗舰档在集体向上，这意味着，靠单一低价抢客户的时代结束了。
刚刚过去的10月份，五份新模型把这个变化做实。10月15日到24日，阶跃、DeepSeek、MiniMax、讯飞、月之暗面接连发布，产品形态还是模型加API，五家里只有Kimi一家下调了报价，其余四家的定价都与各自上一代持平。
DeepSeek的单任务成本从0.40美元降到0.26美元，MiniMax把Agent成本压低七成，讯飞比的是数据不出本地，阶跃把单任务成本打到 Claude Opus 5 的八分之一，唯一降价的Kimi，Artificial Analysis 实测它的单任务成本几乎没有变化。各家较量的计量单位，已经从模型标价换成客户每完成一个任务实际花掉的钱。
价格战结束了，真正落到业务中的成本战，才刚开始。
DeepSeek：价格不动，账单减半
10月17日，DeepSeek 发布 V4.1 Flash-1017。官方发布说明称，这次更新在性能与成本上是一次帕累托改进。官方数据显示，它在软件工程评测 DeepSWE v1.1 上的成绩超过了 Claude Opus 5 和 GPT-6 Astra。不过这个成绩在 Terminal-Bench 4.0 等其他几项测试上，Opus 5 仍然领先。DeepSeek 的长处，从来不在于全面超越，而在于用很低的成本做到接近。
这次更新真正有意思的地方，是它针对的特定问题的优化。
9月版的 V4.1 Flash 有个明显的短板：话多。Artificial Analysis 的测试里，它完成一个智能指数任务平均要输出约8.9万个 Token，比上一代 V4 Pro 多了62%，一部分价格优势被写出的 Token 吃掉了。
1017版正是把“废话少说”，按 Artificial Analysis 最高推理档的测算，单任务成本从9月版的0.40美元降到1017版的0.26美元。算总账的话，K3.1 Pro 跑一个智能指数任务约2.11美元，DeepSeek 1017版只要0.26美元，差出8倍。
它不再只靠最便宜，而是在单价不变的前提下，靠工程优化压低客户的实际花费。
这套打法在交卷之后还在加码。10月20日，DeepSeek 开源了内部推理框架 DeepInfer，兼容英伟达和华为昇腾，基于这套框架已实现单一集群每天155万亿 Token 的服务吞吐，按谷价计算，每卡每小时收入38美元。
一周之后的10月31日晚间，DeepSeek Harness 团队又开源了 Super-agent 原型架构和一篇万字设计文档：常驻的 Router 层只做协调、绝不干活，Worker 层在独立上下文里并行执行任务。底层用事件驱动和存算分离来减少等待与重复搬运，另设一个外部监督程序盯着执行过程，哪个任务卡住或出错，就自动重启或接管，不需要人来接手。
初步实验里，一半的任务在12.4分钟内完成，95%在15.7分钟内完成，路由层的批处理把单次决策分摊的耗时从6.4秒压到1.6秒。这套东西还不是产品，实验也基于合成负载，但这次开源指向了成本构成里尚未被压缩的一项。Token 成本压下来之后，Agent 任务里剩下的大头是人，任务要靠人下发指令、人盯进度、人在出错后重新安排。Super-agent 的架构目标，就是减少 Agent 执行过程中对人工介入的依赖，把人从每个环节的等待和处置里解放出来。
压缩成本解决的是利润表的上半段，收入端同样要能放大，这门生意才成立。据媒体报道，DeepSeek 的年化营收已突破10亿美元，几个月前还不到5亿美元。但代价同样明显。在开发者常用的模型聚合平台 Vercel AI Gateway 上，9月经由该平台调用的全部 Token 里，DeepSeek 的模型占了58%，但这些调用产生的费用只占全平台调用收入的6.6%。调用量巨大，单位词元的收入贡献却很低。
反映到投融资市场，10月30日，DeepSeek 第二轮融资细节披露：1055亿元人民币，投后估值6155亿元，近30家机构参投，国资占比从首轮的2%升到27%，长鑫存储、中芯国际等算力产业链公司进入名单。加上8月下旬启动的科创板筹备（中信证券担任辅导券商，计划最快年底递表），这家公司的动作形成了一条完整链条：开源模型做大调用量，开源推理框架压低服务成本，千亿融资保证算力投入，三个环节都服务于同一个目标，让每一百万词元的推理成本继续下降。
MiniMax：降本、提速
MiniMax 的降本动力，比 DeepSeek 更直接，因为它是上市公司，利润表每季度公开披露。
10月19日，MiniMax 发布 M3.1 Flash，参数规模与上一代旗舰 M3 一致，改动集中在模型结构上，M3 里保留的几层全注意力层，在新模型里换成了稀疏注意力层。
MiniMax 称，新模型的线上推理速度提升近3倍，Agent 类任务的综合使用成本比前代降低70%。API 价格是每百万 Token 输入1元、输出4元。官方评测里，它在 OSWorld V2 电脑操作测试中拿下61.7分的国产最高分，BankerToolBench 与 Opus 5 并列第一。
值得注意的是 MiniMax 选择公布的测试项目，除了编程，它重点展示了跨 SaaS 系统的企业流程自动化、电脑操作，以及面向投行工作的 BankerToolBench。
速度的价值，在实际任务里会被放大。有行业媒体做过一次对比实测：同一个开发任务，MiniMax Code 加 M3.1 Flash 用了约55分钟，另一套方案用 OpenCode 搭配 DeepSeek V4.1 Flash，花了约121分钟，两边的模型费用都在6.5元左右。花钱一样，交付时间差了一倍多。
对 MiniMax 来说，降本不是锦上添花。它今年1月登陆港交所，发行价165港元，上市后交出的第一份中报显示，今年上半年收入1.17亿美元，同比增长283%，开放平台和企业服务已占到六成以上。但毛利率只有17.8%，经调整净亏损2.93亿美元，研发投入2.97亿美元。收入的高增长没有转化为盈利改善，亏损还在随研发投入扩大。
对 MiniMax 而言，降本是改善利润的必经之路。
讯飞：不比价格，卖“数据不出本地”
前面三家，都在同一个开发者市场里竞争，比谁的账算得更好。但接下来的两家，选择了另一种路径。
10月22日，科大讯飞发布星火 X2.6。这次发布的关键词是“端云一体”。
星火 X2.6 包括云端大模型，以及一个开源的端侧模型 X2.6-4B。讯飞给出的规划是：未来60%的应用在本地完成，30%由端云协同完成，只有10%需要交给云端大模型处理。
这组比例来自讯飞的客户结构。讯飞的大模型率先落地的是教育、医疗和法律：AI 备课和教研、医学影像和健康管理、覆盖办案全流程的法律助手。这些领域的机构在挑选模型时，数据能不能留在自己手里，往往比单价更要紧。
星火 X2.6 全程在全国产算力上完成训练。“只有真正在国产算力上训练出自己的模型，才是真的自主可控。”董事长刘庆峰说。
这条路线有它的工程代价，国产芯片在显存和带宽上有限制，讯飞为此做了专门的优化，超长上下文的训练效率提升约4倍，推理效率提升4.5倍。
这条路的成绩与代价，同步反映在讯飞的财报中。今年第三季度，讯飞营收65.64亿元，同比增长7.99%。其中智慧教育和智慧医疗业务都实现了20%以上的增长，G端业务则因主动收缩智慧城市业务而小幅下降。代价是研发投入：第三季度超过17亿元，占营收的四分之一以上，扣除非经常性损益后仍亏损1.26亿元。
组织上也有对应动作，今年6月，讯飞成立了全资子公司词元星火，专门负责通用大模型的研发和商业化，并明确提出要实现独立核算、清晰区分投入与收益。
这一调整意味着，大模型在讯飞的业务版图里从成本中心走向独立的利润中心，其投入产出将首次接受单独考核。
阶跃：开源换生态，押注终端
第四份答卷来自阶跃星辰，它与前三家的差异不在模型能力，而在变现路径。
DeepSeek、MiniMax 和月之暗面的主力收入都是 API，按词元向开发者收钱，比的是谁的调用更便宜、更快。讯飞面向学校、医院和法律机构卖行业解决方案。阶跃同样提供 API，但没有把开发者市场作为主战场，它的商业设想是把模型装进终端设备，从手机和汽车座舱的端侧部署获得收入，后面提到的股东名单，就是为这条路配置的。
Step 5 Preview 是阶跃的新一代旗舰基座模型，9月20日上线，10月15日正式开源。它的总参数为6000亿，每个 Token 激活约270亿，支持100万上下文，面向 AI 编程、软件工程、专业知识工作和金融等场景。
和动辄几万亿参数的旗舰相比，这个规模算是克制的。但阶跃在意的不是规模，而是性价比：官方测算，在智能水平相当的情况下，它的单任务成本只有 Claude Opus 5 的八分之一。上线后不久，它就进入了 Artificial Analysis 的全球开源模型前三，目前的智能指数为44分，开发者社区的试用反馈也集中在同一个方向：能力与 GLM-5.3、Kimi K3 在同一档，价格更低。需要说明的是，开发者口碑在这里不是收入来源，而是生态信号，终端厂商决定要不要把一个模型装进设备时，参考的正是这些公开评测和社区反馈。
10月15日开源权重时，华为昇腾、壁仞科技、沐曦股份、摩尔线程同时宣布提供首日支持。
一个模型一开源，就能在多种硬件上直接部署，这降低的是下游厂商的使用门槛。今年1月，阶跃完成超过50亿元的 B+ 轮融资，旷视联合创始人、千里科技董事长印奇出任董事长。5月，阶跃又被报道将完成近25亿美元的新一轮融资。
这轮融资的产业属性很强，除了财务投资人，还有手机 ODM 厂商华勤、龙旗，图像传感器厂商豪威，以及中兴通讯等终端产业链公司。腾讯云也与阶跃签署战略合作，双方要一起做汽车座舱里的 AI Agent。
其终端路线的配套环境，过去一周也在改善。10月31日，一家国产 AI 芯片企业发布了业界首个在手机端本地运行的方案，不联网就能跑130亿参数的模型，每秒输出30个 Token，多家手机厂商确认将在下一代旗舰机采用。端侧算力的供给正在跟上，这对押注终端的阶跃来说，是利好。
目前阶跃没有公开过收入数据，可评估的只有模型口碑、融资进展和产业合作。据报道，它已完成股改并拆除红筹架构，正在筹备赴港上市，收入与盈利数据需要等招股书披露。
Kimi：两道待解题
五家中最新发布的模型，来自月之暗面。Kimi K3.1 Pro 总参数2.8万亿、每次推理激活1040亿，支持100万上下文。它没有重新预训练，而是在7月发布的 K3 基础上，用大幅增加的算力做后训练。按官方说法，提升最明显的是代码、3D创作、金融研究和长程 Agent 任务。
官方公布的成绩相当亮眼，在终端操作评测 Terminal-Bench 4.0 上，K3.1 Pro 得分65.7%，高于 GPT-6 Astra 的58.2%，与 Claude Opus 5.5 的66.4%只差不到一个百分点。第三方评测机构 Artificial Analysis 给出的智能指数是55分，比 K3 高出11分，排名全球第四，也是排名最高的开源模型，而它的价格只有 GPT-6 Astra 的五分之一。
不过，这次发布更关键的变量不是跑分，而是价格。
K3.1 Pro 是 K3 的后训练升级版，定价沿用 K3 建立的高端路线，这条路线能否成立，取决于一个尚未充分验证的问题：谁在为最贵的国产模型持续付费。目前能给到的证据是，据媒体报道，其ARR从6月的3亿美元涨到9月已接近10亿美元，公司给年底定的目标，是20亿美元。
K3.1 Pro 的定位由此明确，守住高端定价，同时降低进入门槛。它的 API 价格是每百万 Token 输入13元、输出68元，比 K3 低了大约三分之一。高速版价格是标准版的两倍，输出速度快两到三倍。
Artificial Analysis 发现，K3.1 Pro 完成每个测试任务平均要输出约5.5万个 Token，比 K3 多了14%。单价降了三分之一，用量多了14%，落到单任务成本上几乎没变。K3.1 Pro 约2.11美元，K3 约2.00美元。对开发者来说，同样的钱买到了更强的能力，对期待“降价换收入增长”的市场来说，账单侧的变化需要更长时间才能体现。
对月之暗面自己来说，更直接的考验在资本市场。月之暗面最后一轮融资的估值约500亿美元，计划2027年一季度在香港上市，高端定位撑起的收入曲线，是这个估值的核心支撑。
K3.1 Pro 的完整权重承诺在11月4日前放出，比权重本身更值得留意的是官方提前说明的一个处理：在中期训练和强化学习两个阶段，从训练语料和强化学习环境里识别并移除了网络攻防相关的数据，漏洞发现与利用类的训练内容被移除，通用编程任务保留。在月之暗面自研的漏洞利用基准上，未做过滤的同源版本解决90.5%的任务，发布版降至81.0%，官方的原则是不放出会把网络攻击能力推到绝对前沿的开源权重。
这个做法的行业背景是，闭源厂商发现滥用时可以封禁API、更新过滤层，而开源权重一旦分发就无法召回，能力控制只能前移到训练环节。据媒体观察，在开源前主动剔除一类训练数据、接受可量化的能力损失，这在国产开源模型中没有先例。官方同时承认，通用编程能力提升后安全能力会部分泛化回来，并计划逐步提高开放权重中的网络能力，原因在于本地可审计的权重对防御方更有价值。
下一批底座和一种新范式
五家之外，阿里、字节和腾讯等这几家大厂也有对应动作，相比来说他们资源都投给了下一代底座。
腾讯在10月29日的全球数字生态大会上官宣，混元 Hy4 正式版即将推出，首次加入视觉理解能力。据行业媒体报道，阿里的 Qwen4 已进入发布冲刺并开放开发者测试，智谱的 GLM-5.5 进入后训练阶段，下一代视频生成模型仍按云栖大会公布的计划在11月亮相。字节方面，豆包2.2原计划8月上线，此前已确认推迟，Seed 团队把研发周期拉长，集中打磨编程和 Agent 能力。
另一类变化来自技术路线本身，10月28日，扩散智能发布开源模型 Clover，不走自回归逐 Token 生成的老路，而是扩散路线并行解码，总参数350亿、激活30亿，官方 Demo 里生成速度最高到同尺寸自回归模型的10倍。它暂时构不成威胁，但它说明在自回归路线之外，底座的技术路线还没有收敛。
同一周，海外也给出了参照。谷歌10月28日发布 Gemini 4 Carbon，在 Artificial Analysis 刚刚改版的新版智能指数中以59分登顶，超过 Claude Opus 5.5 和 GPT-6 Astra。而在改版前的旧版指数里，K3.1 Pro 以55分位列全球第四、开源第一，与当时榜首 Claude Opus 5.5 的差距是3分。两版榜单口径不同，分数不能直接对齐，但开源与闭源差距缩小的方向在两个版本里是一致的。
还能看到一个更进一步的动向，行业竞争的评估口径，正在从词元消耗量转向任务交付，DeepSeek 开源的 Super-agent 架构以任务完成为设计目标，Worker 并行执行，出错的任务由监督程序自动接管重启，减少了执行过程中的人工介入。
这一动向背后的商业逻辑是，现行的按词元计费，计量的是模型的使用过程，而客户采购的目标是获得交付结果，两种计量的错位意味着，现行的收费方式与客户的实际价值获取方式并不一致。定价模式的候选形态已经在海外出现。OpenAI 向部分大客户提供按任务完成付费的选项，Salesforce 旗下的 Fin 按智能体成功解决问题计费，Sierra 则只在 AI 无人工介入、独立完成任务时向客户收费，三家从过程计价转向结果计价的路径各不相同。
国内的探索以混合形式为主，百融云创的结果类平台同时提供按任务计价、按岗位和按价值创造分成三种模式。北大汇丰商学院的研究者将其概括为，为 AI 智能体创造的可验证业务价值增量付费，并提醒订阅、里程碑付款等过程计价与结果分成相结合，是当前更现实的主流方案。但落地难点在于，什么是可计费的结果，尚无行业公认的度量与审计标准，业务成果由多环节协同产生，价值难以归因到单次模型调用，结果验证依赖事后数据，与词元的即时结算存在周期错配。
有研究者预计，词元计费短期内不会退出，全面转向按结果付费需要三到五年，更可能的结构是两者分层并存。
对照这个进度，再看国内头部玩家的动作，把执行时间纳入核心指标，把面向任务的架构提前开源，可以视为向任务交付口径过渡的准备。如果这一趋势延续，大模型行业的定价基础，将从单一按词元计费，走向词元与结果并行的分层结构。
接下来两三个月，有两类节点会检验上述判断。
产品端是下一批底座，Kimi K3.1 Pro 的完整权重11月4日前放出，阿里的下一代视频模型计划11月发布，Qwen4 已进入发布冲刺，腾讯混元 Hy4 正式版已官宣在即。
资本市场则已经先行定价，智谱和 MiniMax 今年1月同月登陆港交所，2月市值双双突破3000亿港元，到10月末，MiniMax 市值跌至不足600亿港元，智谱股价较6月高点回撤逾八成。重新定价的依据，是 MiniMax 中报里17.8%的毛利率和2.93亿美元的经调整亏损。这轮回撤属于 AI 板块的整体估值消化，两家公司的基本面并未停下，智谱的 GLM-5.5 已进入后训练，MiniMax 的 M3.1 Flash 刚把 Agent 成本压低七成。
未上市的三家将面对同一套检验，月之暗面计划2027年一季度在港交所上市，DeepSeek 千亿融资已落地、科创板辅导推进中，阶跃在筹备赴港上市。招股书一旦递交，各家的收入结构、毛利率和亏损将首次完整披露。高价卖能力、低价卖规模、卖行业、卖终端，四条路线哪条跑得通，届时的财报会给出答案。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 郝敬钰）