跳至正文
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
GPT-6 Luna比DeepSeek还便宜,AI模型真正的价格战才刚开始
人工智能博客文章

GPT-6 Luna比DeepSeek还便宜,AI模型真正的价格战才刚开始

作者 Laoer
2026年9月23日 9 分钟阅读
0

GPT-6 Sol和Luna发布以后,我第一眼看的并不是Benchmark,而是价格。

GPT-6 Luna,100万输入Token 0.1美元,输出0.5美元。

我又回头看了一下两周前刚刚发布的DeepSeek V4.1 Flash。即使按照空闲时段计算,缓存未命中的输入也要0.15美元,输出0.6美元;高峰时段则分别是0.3美元和1.2美元。换成人民币,DeepSeek空闲时段是每百万输入Token 1元、输出4元,高峰时段是2元和8元。

也就是说,至少按照最普通的API价格计算,GPT-6 Luna已经比DeepSeek V4.1 Flash便宜了。

这个结果挺出乎我意料。

过去两年,中国开放权重模型与OpenAI、Anthropic这些美国闭源模型之间,已经形成了一个很容易理解的市场印象:最好的模型还是美国公司做,但如果你需要大量调用、特别在意成本,DeepSeek、Kimi、GLM这一类中国模型会便宜很多。

现在OpenAI自己把这个价格差打掉了。

但我后来仔细算了一下,发现事情又没有“OpenAI终于比DeepSeek便宜”这么简单。因为当AI开始从聊天工具变成可以连续工作几个小时的Agent以后,我们以前习惯用来比较模型价格的“每百万Token多少钱”,可能已经不太够用了。

GPT-6这次最值得看的,其实是价格

9月22日,OpenAI发布GPT-6 Sol和Luna。Sol的API价格降到每百万输入Token 2美元、输出10美元;Luna则是0.1美元和0.5美元。OpenAI把这次调整概括为相比GPT-5.6促销价格大约降低一半,并明确提到,缓存和推理基础设施效率改善,让它可以把成本下降传递给用户。

这与过去几次新模型发布给我的感觉不太一样。

通常新一代模型出来,大家首先讨论的是又提高了多少Benchmark、数学题提高多少、代码能力超过谁。但GPT-6 Sol和Luna这一次,至少从第三方测试看,能力并没有出现与价格变化同等幅度的跃迁。

Artificial Analysis的测试中,GPT-6 Luna在Coding Agent Index上得到41分,比GPT-5.6 Luna还低2分;但它完成同一套测试的任务成本下降了大约60%。Artificial Analysis因此把这次发布最明显的变化总结为成本效率,而不是智能指标全面跃升。

这并不是说GPT-6没有进步。OpenAI自己的DeepSWE v1.1测试里,Luna在max effort下达到66.6%,Sol达到68.8%,已经是很能干的Coding Agent模型。

只是我更在意另一件事情:OpenAI开始主动把一个能力相当不错的模型,卖到了过去只有中国低价模型才会出现的价格区间。

这意味着“美国模型贵、中国模型便宜”这个过去相当好用的判断,已经开始失效。

0.1美元是真的,但“更便宜”没那么简单

如果只看官网价格表,Luna确实赢了。

GPT-6 Luna普通输入是0.1美元,DeepSeek V4.1 Flash空闲时段是0.15美元;输出则是0.5美元对0.6美元。到了DeepSeek高峰时段,差距还会扩大到0.1美元对0.3美元、0.5美元对1.2美元。

但Agent最有意思的地方,恰恰是大量输入并不是第一次出现。

比如一个Coding Agent工作时,会不断读取项目代码、系统提示词、工具定义、AGENTS.md、之前的对话和执行结果。这些内容下一轮往往还要继续使用,所以Prompt Cache,也就是把已经处理过的上下文缓存起来重复利用,会越来越重要。

这时候DeepSeek的优势又回来了。

GPT-6 Luna缓存读取的价格是每百万Token 0.01美元,而DeepSeek V4.1 Flash空闲时只有0.003美元,高峰也只有0.006美元。OpenAI还对第一次写入缓存收取普通输入价格的1.25倍,也就是Luna每百万Token 0.125美元。

长上下文也一样。GPT-6 Luna虽然提供105万Token上下文,但输入一旦超过272K Token,整个请求的输入和缓存价格都会变成两倍,输出价格则提高50%。

举一个很简单的例子。假设一个长任务需要100万输入Token,再生成10万Token,而且完全没有缓存命中,那么GPT-6 Luna大约需要0.275美元;DeepSeek V4.1 Flash空闲时大约0.21美元,高峰时则是0.42美元。

于是一个看似很简单的“谁便宜”,突然有了三个答案。

短任务可能Luna便宜;大规模长上下文任务,DeepSeek空闲时可能更便宜;到了高峰时段,结果又反过来。

这也是我觉得这次价格变化真正有意思的地方。以后再拿两个模型比较,只看官网上那两个醒目的input/output数字,很可能会越来越不准确。

Agent正在改变“模型价格”这件事

我现在日常开发里,95%以上的代码已经交给AI完成。之前做DoseLoop的时候,甚至做到了100%由AI生成代码,我自己没有手写。

这种使用方式和在ChatGPT里问一个问题差别很大。Coding Agent会自己读文件、搜索代码、调用工具、修改、运行测试,失败以后再回去检查,然后继续修改。一个任务跑几十轮并不奇怪。

所以我现在看模型价格,越来越少问“100万Token多少钱”,而是会问另一个问题:

这件事情让它做完,到底多少钱?

OpenAI这次发布GPT-6时公布了一个很能说明问题的数据:按照API价格折算,它内部研究人员使用Coding Agent产生的每日Token消费,中位数已经超过600美元,90分位超过7000美元。这里当然不是说OpenAI真的每天向员工收7000美元,而是用公开API价格衡量内部消耗量。它真正说明的是,当Agent开始持续工作后,单个用户能够消耗的Token规模和聊天时代完全不是一个数量级。

DeepSeek显然也看到了同一个问题。

V4.1 Flash用了552B参数的MoE架构,但输入阶段每个Token只激活约8B参数,输出阶段约16B;更关键的是,它把KV Cache对HBM的需求压到上一代的1/4,对SSD的需求压到1/8。DeepSeek自己解释得很直接:Agent场景中,缓存命中的费用往往占比较高,所以压缩KV Cache就是在降低Agent长期运行的成本。

两家公司走的技术路线不同,但最后解决的其实是同一道商业问题:怎样让AI持续工作变得足够便宜。

过去模型调用更接近买一次答案,现在越来越像租一名按计算量收费的数字员工。它可能连续干几个小时,中间不停读取上下文、调用工具和尝试解决问题。到了这一步,模型公司即使把每个Token的价格降一半,只要Token消费量扩大几倍,整个市场反而可能更大。

所以我并不认为OpenAI这次降价只是简单的价格竞争。它更像是在为Agent时代提前重新定价。

当“便宜”不再属于DeepSeek,开放权重反而要重新证明自己的价值

这件事情对DeepSeek也提出了一个挺有意思的问题。

如果以后OpenAI、Google这些公司都能把低成本模型做到每百万Token几毛钱甚至更低,那么开放权重模型还能靠什么竞争?

DeepSeek V4.1 Flash是一个552B参数、支持100万Token上下文的开放权重模型,采用MIT许可证,可以下载、自行部署和修改。

当然,这里也不能把“开放权重”理解成普通公司下载以后找几张GPU就能跑。552B参数仍然是一个很大的模型,DeepSeek自己在谈大规模部署时,甚至举过“2000张GPU加存储集群”的例子。

但开放的意义本来也不应该只等同于便宜。

它意味着企业可以决定模型运行在哪里,数据留在哪里,选择什么推理框架,怎样优化自己的Harness,以及未来要不要从某一家云和API服务商迁走。

过去这些价值很容易被“DeepSeek便宜十倍”这个更简单的故事盖住。现在如果闭源模型的Token价格也被压下来,开放权重真正的价值反而会变得更清楚。

API价格是最容易复制的竞争优势之一。今天DeepSeek降价,明天OpenAI可以降;OpenAI降完以后,Google也可以继续跟。

但控制权没这么容易复制。

下一轮价格战,要算的是“完成一件事多少钱”

所以GPT-6 Luna出来以后,我越来越觉得,AI模型接下来的价格比较需要换一个单位。

以后企业选模型,至少要同时看Token价格、一个任务需要多少Token、缓存命中率、长上下文收费、推理强度,以及最终任务成功率。

一个模型每百万Token只要0.1美元,如果它需要尝试五次才能把程序改对,未必比一个0.3美元、一次完成的模型便宜。反过来也一样,一个旗舰模型能力可能强10%,但价格高20倍,如果任务只是批量改代码、整理文档或者执行已经拆解好的步骤,这10%的能力未必值得。

这其实也是我自己使用AI Coding越来越明显的感受。我并不需要所有任务都交给最强模型。真正复杂的架构、判断和任务拆解可以用更强的模型,大量执行工作完全可以交给Luna、DeepSeek Flash这一类便宜得多的模型。模型越来越多以后,“选一个最好的模型”本身可能就是个错误问题,更现实的方式是按照任务动态分配。

回到最开始那个0.1美元。

GPT-6 Luna确实已经比DeepSeek V4.1 Flash普通Token的牌价更低,这件事情放在一年前,我大概很难想到。

但看完缓存、长上下文和Agent的实际消耗以后,我反而觉得,“OpenAI比DeepSeek便宜了”并不是这次变化最重要的结论。

它更像一个信号:当每百万Token的价格开始被压到足够低以后,单纯卖便宜Token会越来越难成为一家模型公司的长期优势。

接下来真正要比的,是同样花一块钱,谁能让AI完成更多真实工作。

如果这个变化继续下去,AI模型的价格战确实才刚刚开始。只是下一轮的价格标签,可能不会再简单写着“每百万Token多少钱”。

标签:

AIDeepSeekGPTOpenAI
作者

Laoer

1999年开始做互联网,做过开发、技术管理,也创过几次业。 现在依然在一线做产品、写代码、折腾AI。 关注AI如何重新改变软件、公司和人的工作方式。 公众号:Laoer杂谈。

关注我
其他文章
看完Anthropic那份154页威胁情报报告,Claude你还敢用吗?
上一个

看完Anthropic那份154页威胁情报报告,Claude你还敢用吗?

我把DeepSeek Harness接进生产环境后,发现AI运维真正改变的不是查日志
下一个

我把DeepSeek Harness接进生产环境后,发现AI运维真正改变的不是查日志

暂无评论!成为第一个。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

微信订阅

欢迎订阅微信公众号--“Laoer杂谈”,搜索微信号:laoertalk,“Laoer杂谈”是关于技术、创业、生活的杂谈与随笔,希望与大家多多交流。

用药有数·DoseLoop

用药有数·DoseLoop 一款不会响完就消失的用药提醒。每次计划用药持续追踪,直到有明确结果。支持慢病、老人、ADHD 等各种用药场景。

标签

AI AI Agent AI Coding Anthropic ChatGPT Claude Claude Code Codex DeepMind DeepSeek DeepSeek Harness Gemini Google GPT iOS iPhone Java JavaScript jQuery Kimi Kohana Linux LLM Mac Meta Mysql Nginx OpenAI Oracle PHP RSA Sam Altman SNS Struts Tomcat Web2.0 互联网 人工智能 创业 大模型 字节跳动 工作 旅游 生活 管理

日历

2026 年 11 月
日 一 二 三 四 五 六
1234567
891011121314
15161718192021
22232425262728
2930  
« 10 月    

近期评论

  • 黄仁勋卸任:1158亿财报后,英伟达由盛转衰? - i@laoer.com 发表在《当OpenAI们开始自己造芯片,英伟达为什么要花140亿美元买Hugging Face?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《跑分破纪录、内部重写百万行代码,为什么程序员实测 Gemini 4 还是觉得不如 Claude?》
  • AI Coding 已经不稀奇了:从1个插件看软件开发成本的变化 - 技术、生活、感悟 - Laoer的博客 发表在《从瀑布到敏捷,再到AI原生:软件工程正在进入第三个时代》
  • AI Agent跨App困局:20年平台围墙与Palantir解法 - i@laoer.com 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾28周年讲话与过去的成功 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾的AI焦虑与过去的成功 发表在《红果短剧月活4.1亿,为什么AI更容易做成流量生意?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《Gemini 4 Argon已经开始赢跑分了,但真正的考试还没开始》
  • AI Coding 文档管理:写代码越来越快,文档却更重要了 发表在《AI写代码已经不稀奇了,真正的变化是很多东西突然值得做了》
  • 大模型商业化:中国AI模型越来越强,为什么反而更难赚钱? 发表在《DeepSeek V4涨价后,真正的问题不是谁在用,而是谁在赚钱》
  • Laoer 发表在《AI 有没有意识还没定论,Anthropic 为什么先限制虐待它?》

分类

  • iOS
  • Java
  • JavaScript
  • Linux
  • Mac
  • PHP
  • Web2.0
  • 互联网
  • 人工智能
  • 创业
  • 博客文章
  • 商业观察
  • 工作
  • 数据库
  • 构架设计
  • 生活

归档

  • 2026 年 11 月
  • 2026 年 10 月
  • 2026 年 9 月
  • 2026 年 8 月
  • 2026 年 7 月
  • 2026 年 6 月
  • 2026 年 1 月
  • 2024 年 12 月
  • 2024 年 10 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2023 年 12 月
  • 2023 年 1 月
  • 2022 年 8 月
  • 2021 年 12 月
  • 2021 年 10 月
  • 2020 年 12 月
  • 2020 年 1 月
  • 2018 年 12 月
  • 2018 年 8 月
  • 2018 年 4 月
  • 2017 年 12 月
  • 2016 年 12 月
  • 2016 年 8 月
  • 2016 年 2 月
  • 2015 年 12 月
  • 2015 年 1 月
  • 2013 年 6 月
  • 2013 年 5 月
  • 2012 年 11 月
  • 2012 年 7 月
  • 2012 年 6 月
  • 2012 年 5 月
  • 2012 年 3 月
  • 2012 年 1 月
  • 2011 年 12 月
  • 2011 年 11 月
  • 2011 年 10 月
  • 2011 年 9 月
  • 2011 年 8 月
  • 2010 年 11 月
  • 2010 年 2 月
  • 2010 年 1 月
  • 2009 年 12 月
  • 2009 年 11 月
  • 2009 年 9 月
  • 2009 年 7 月
  • 2009 年 6 月
  • 2009 年 5 月
  • 2009 年 4 月
  • 2009 年 3 月
  • 2009 年 2 月

其他操作

  • 登录
  • 条目 feed
  • 评论 feed
  • WordPress.org
Copyright 2026 — i@laoer.com. All rights reserved. Blogsy WordPress Theme