BT财经

境内金融信息服务备案编号:

【京金信备(2021)5号】

2026年11月18日

注册 / 登录

OpenAI双模型“断崖定价”:5%的成本,谁扛不住?

北京时间11月18日,OpenAI正式推出GPT-6.2系列——面向复杂专业任务的Astra和面向日常工作的Sol两款模型,同步上线ChatGPT Work、Codex及API平台。这不是一次常规的迭代,而是人工智能底层经济结构的一次剧烈震荡。Astra的API标准定价为每百万Token输入8美元、缓存输入0.4美元、输出40美元;Sol延续上一代,输入每百万Token仅2美元。OpenAI宣称,在Agents‘ Last Exam一项基准测试中,完成相同任务的总成本约为Anthropic Claude Fable 5.2的5%。数字背后的含义是:基础大模型服务的价格竞争已进入新阶段。对下游应用开发者而言,这既是巨大的红利,也是一场严峻的压力测试。

“两条腿走路”的产品逻辑

GPT-6.2系列的发布并非单一产品升级,而是一条覆盖高低端的双产品线策略。Astra定位为旗舰,重点提升复杂推理、科学研究、专业文档制作和软件工程能力。其API价格较上代GPT-6 Astra下降约20%,缓存输入降幅达60%。Sol则专注于日常写作、编程和多步骤Agent工作流——它的能力与Astra相差不超过0.5分(FrontierCode 2.0),但成本只有Astra的五分之一。这种“旗舰做品牌、低价跑量”的组合拳,在通信和消费电子行业已有先例:高端机型树立技术标杆以获取利润,走量机型占领市场以确立生态地位。但对AI服务业态来说,意义更为直接——它将基础模型从单纯的“性能竞赛”推入了“效率与成本竞赛”。OpenAI通过Astra维持其在科研、金融工程和高端软件开发等领域的品牌形象,同时用Sol吸引大量对价格敏感的日常用户、个人开发者和中小企业。两者之间的基准差距被极度压缩,这意味着在非尖端场景下,未来的选择权将完全向成本倾斜。

5%的成本差与缓存技术的革命

“完成任务成本仅为对手5%”——这一说法需要放在具体语境里理解。它基于Agents’ Last Exam这一特定任务集的测算结果,未必能直接推广到所有应用场景。但即使限定于该任务集,这个比例的杀伤力依然惊人。更值得关注的是API层面的结构性变化,特别是Astra的输入价格降至8美元/百万Token,而缓存输入更是腰斩再腰斩至0.4美元。这对于以读取为主的应用场景(如企业知识库检索、长文档分析、法律合规审查)产生了颠覆性的成本优势。

缓存输入技术的持续降价不仅仅是价格下调,更是计费模式的创新。传统的API调用中,每次发送一条新消息,模型都要重新阅读并处理所有的历史记录,成本呈线性增长。缓存机制允许模型跳过重复Token的处理流程,这在多轮对话和固定指令(System Prompt)场景中极其高效。当缓存输入价格低到0.4美元时,开发者的设计思路会发生根本改变——他们可能会主动增加历史对话的长度以触发更多的缓存命中,从而换取极低的平均成本。Sol的定价(2美元/百万Token输入)则近乎在打“地板价”。对于那些不需要极致逻辑推理的任务——比如自动化客服回复、营销文案生成、简单数据清洗——Sol提供了一个比Claude Fable 5.2成本低得多且性能完全可接受的选择。

算力军备竞赛下的利润重分配

在大模型赛道,长期以来“高性能等于高成本”是行业共识。推理成本的居高不下,往往使得许多AI初创公司无法通过软件服务收回硬件和电力的投入。此次OpenAI的断崖式降价,实际上是大厂算力规模效应与训练算法优化的外溢。随着模型参数的稀疏化利用(如混合专家架构的普及)以及专用推理芯片产能的提升,头部厂商的单位算力成本正在快速衰减。这使得“低价高质”不再是空谈。

Claude Fable 5.2目前仍在多项基准测试中保持竞争力,但其定价相对于GPT-6.2 Sol已经显得缺乏吸引力。如果开发者可以以相近的性能获得低至2美元/百万Token的服务,很多原本选择中高端竞品的应用可能会向下迁移。这种压力不会瞬间传导到Anthropic身上,但边际效应是累积的。中小规模的垂直应用公司可能不会立刻切换底层供应商,但它们的新增项目一定会优先评估Sol的性价比。对于缺乏巨量资金补贴的中小模型厂商而言,如果它们无法在封闭场景的性能上拉开绝对差距,纯粹的价格劣势将逐步挤占其市场份额。

值得注意的是,OpenAI在此次发布的系统卡中披露,两款模型均达到其AI自我改进能力High级别——其中Astra是该指标首次对外发布即达标。这项能力衡量的是模型协助研究人员加速自身迭代进化的水平。这意味着OpenAI不仅在现在的价格战中占据便宜,在下一代的版本迭代速度上也握住了主动权,这构成了极高的竞争壁垒。

谁真正受益?谁的饭碗遭殃?

答案是分化且残酷的。下游应用开发者是目前最直接的获益方。 API调用成本的下降直接转化为毛利率的提升或终端订阅费用的降低。使用Astra或Sol构建智能体的创业公司可以用更低的试错成本打磨产品,从而降低获客门槛。然而,整个产业链的利润空间同样面临剧烈的压缩风险。 AI服务的商品化趋势一旦确立,行业的竞争焦点就会从“谁能用上最好的模型”转向“谁能以最低的成本交付服务”。那些单纯依靠API套壳来构建产品的中间层公司(Middle-layer SaaS)将面临极大的生存危机——它们很难再凭“我接入了全球最强的大模型”作为核心卖点去收取高昂的溢价。一旦底层模型变成类似水电一样的廉价公共资源,中间层的附加值就必须体现在不可替代的数据私有性或深度定制化上。投资端则需要高度警惕估值体系的重塑。 短期内,AI基础设施板块可能因需求结构的改变而出现波动(更多流量涌向低成本模型可能改变算力资源的配置逻辑);长期来看,掌握底层算力资源和顶级模型的头部厂商,其市场份额集中度将在这种价格绞肉机中进一步攀升,形成赢家通吃的局面。

接下来看什么?

判断这场价格战对AI产业的下沉程度有多深,投资者和开发者应该重点跟踪三个观察指标:第一,主要垂直应用的API调用迁移速率。 关注SaaS企业的技术博客和财报电话会,看多少公司宣布将底层模型切换为更便宜的Sol,以及在Q3/Q4财报中是否明确列出了“推理成本下降”带来的利润释放。第二,竞品是否被迫跟进降价。 Claude Fable 5.2的定价锚点是否能守住,以及国内主流云厂商(如阿里云、腾讯云)提供的国产大模型API是否会出台针对海外巨头的防御性降价措施。第三,新的生产力场景是否会涌现。 历史上,每当计算成本跌破一个临界值(如互联网接入资费下降),原本被认为“不值得算”的精细操作就会爆发。当单次推理成本低于当前阈值的两倍甚至五倍时,一些过去被认为太贵的实时代码审查、高频数据分析和超长文档记忆可能瞬间成为软件的标配功能。这场从8美元到2美元的断崖式下跌,或许正是下一个AI应用大爆发的序曲。



版权声明:本文版权归BT财经所有,未经允许任何单位或个人不得转载,复制或以任何其他方式使用本文全部或部分,侵权必究。
帮助中心
联系我们
联系我们

 

商务合作:

 

公司地址

北京市丰台区汉威国际广场一区一号楼629

 

 

商务合作

周先生

Tel: +86-17743514315

Email: info@btimes.com.cn

官方微信公众号

北京领讯时代信息技术有限公司 | Copyright ©️ 2026 财经时报 版权所有 京ICP备19043396号-7

京公网安备 11010602007380号 | 境内金融信息服务备案编号:京金信备(2021)5号

网信算备110106674807801230011号


声明:未经授权,不得复制、转载或以其他方式使用本网站的内容。BT财经尽最大努力确保数据准确,但不保证数据绝对正确。