2024年以來，大模型的價格出現(xiàn)了顯著的下降趨勢，并且是全球性的。

海外AI巨頭，OpenAI和谷歌都在五月的新品發(fā)布會上，下調(diào)了模型調(diào)用價格。

OpenAI的GPT-4o支持免費試用，調(diào)用API的價格也比GPT-4-turbo降低了一半，為5 美元/百萬tokens。谷歌的當(dāng)家王牌Gemini大模型系列，Gemini 1.5 Flash 的價格為0.35美元/百萬tokens，比GPT-4o 便宜得多。

同樣的“價格戰(zhàn)”，也在國內(nèi)開打。

5月13日智譜AI上線了新的價格體系，入門級產(chǎn)品GLM-3 Turbo模型，調(diào)用價格從5 元/百萬tokens，降至1元/百萬tokens。緊隨其后的字節(jié)跳動，正式發(fā)布豆包大模型家族，其中的豆包通用模型Pro 32k模型，定價為0.0008元/千tokens。

當(dāng)一串代表價格的數(shù)字，成為各家發(fā)布會上最顯眼的一頁、最廣為傳播的信息，其他廠商為了不失去曝光度，不流失現(xiàn)有用戶，當(dāng)然也要有所表示，被動跟進，加入“價格戰(zhàn)”。

就在今天，5月21日，阿里云也拋出重磅炸彈，宣布通義千問主力模型Qwen-Long，API輸入價格降至0.0005元/千tokens。

大模型價格正在競底，但究其本質(zhì)，向下競底是不具備“向上定價”的條件。將“降價”而非“賣貴”作為核心競爭力的大模型，是走不長遠的。

降價的本質(zhì)，是無法“向上定價”

大模型百萬tokens價格一再跳水，OpenAI說是為了“造福世界”，谷歌說是為了擴大AI用戶，國產(chǎn)大模型廠商也紛紛表示要讓利個人和企業(yè)開發(fā)者。

那為什么ChatGPT、Gemini剛問世的時候，就敢于強勢向開發(fā)者收錢呢？那時怎么不踐行“造福世界”的初心呢？

我們越過那些官方的宣傳辭藻，來看幾組行業(yè)數(shù)據(jù)，就會發(fā)現(xiàn)：降價是一種必然。

第一，模型能力正在趨同，OpenAI/谷歌也沒有護城河。

數(shù)據(jù)顯示，自GPT-4發(fā)布以來，多個模型在GPT-4水平性能上的巨大收斂，然而并沒有明顯領(lǐng)先的模型。

就是大家都在向GPT-4看齊，但誰都沒有突出優(yōu)勢。能力趨同的前提下，不得不放棄收費，靠降價/免費來爭奪用戶，保住地盤。

第二，大模型的邊際收益正在持續(xù)走低。

Gary Marcus 博士在“Evidence that LLMs are reaching a point of diminishing returns — and what that might mean”《LLMs正達到收益遞減的證據(jù)——及其可能意味著什么》一文中提到，從GPT-2到GPT-4甚至GPT-4 Turbo的性能變化，已經(jīng)出現(xiàn)了性能遞減的跡象。

在收益遞減的背景下，意味著處理相同的任務(wù)，開發(fā)者的實際成本是在上升的。在AI創(chuàng)新商業(yè)化前景還不明朗的市場環(huán)境下，為了保住現(xiàn)有用戶，大模型廠商必須給出有吸引力的對策。包括提供更小的模型，比如谷歌推出的Gemini 1.5 Flash，通過“蒸餾”實現(xiàn)了與Gemini 1.5 Pro性能接近、成本更低。另一個手段就是直接降價。

綜上，大模型降價的本質(zhì)，是因同質(zhì)化競爭+投入產(chǎn)出比降低，而無法賣貴、不敢賣貴的必然選擇。

向下競底的前途，是沒有前途

論跡不論心，只要大模型廠商的降價行動，能夠切實惠及企業(yè)和開發(fā)者，當(dāng)然是受市場歡迎的。

問題就在這里，企業(yè)和開發(fā)者能從中獲得多大收益呢？

有人說，降低成本能推動大模型的“價值創(chuàng)造”，是錯誤的因果歸因。大模型的“價值創(chuàng)造”，是以大模型本身為錨點，而非價格。

最直接的例子，ChatGPT問世即付費，當(dāng)時很多從業(yè)者都很開心，認為市場終于重返工程師主導(dǎo)的文化，技術(shù)為王，代碼競爭，“沒有那些精心設(shè)計的流量游戲或者運營技巧，沒人會動砍一刀送1000個token的心思”。說明明碼標價、為好東西付費的模式，才是開發(fā)者心中的良性商業(yè)模式。

差的商業(yè)模式是什么？是模型能力不行，企業(yè)和個人開發(fā)者投入了大量時間、精力，結(jié)果無法建立競爭力，無法從應(yīng)用創(chuàng)新中獲得商業(yè)回報。

有一個SaaS開發(fā)者直言：“我們折騰了一年（做基于LLM的產(chǎn)品），也有不少用戶提出了付費需求，但我們感覺做不到SLA，全部婉拒了?！彼^SLA，是指一定開銷下，服務(wù)商與用戶之間的一種協(xié)定，來保障服務(wù)的性能和可靠性。

開發(fā)者和ISV服務(wù)商，如果被低價吸引，但底座模型的能力卻不行，不能解決用戶的問題，賺不到錢，還投入了大量研發(fā)資金和工程團隊，那最后實際的沉沒成本，可比調(diào)用省下的仨瓜倆棗大多了。

正如微軟所強調(diào)的那樣，大模型“仍將是解決眾多復(fù)雜任務(wù)的黃金標準”。所以，良性的商業(yè)模式，是大模型能力持續(xù)提升，商業(yè)化版本上同時兼顧普惠。

以下圖來說，逐步進入到低價高質(zhì)的綠色區(qū)域，也是“最具吸引力象限”。

從圖中不難看到，GPT-4o是目前質(zhì)量最高、價格相對降低的位置。

而放眼國內(nèi)的廠商，模型能力如果達不到OpenAI的水平，一味拼價格并不是一個好策略。

可以推演一下，打價格戰(zhàn)，會發(fā)生三種情況：

最樂觀、最好的結(jié)果，是大模型廠商靠低價吸引用戶，用戶數(shù)量和使用量的規(guī)模化增加，能夠低效甚至超過降價的虧損，實現(xiàn)盈利。而即使是最好的情況，大模型企業(yè)也會在短期內(nèi)，利潤受到擠壓，財務(wù)表現(xiàn)可能會受到來自資本市場或投資人的壓力。

至少目前來看，可能性很小。降價或許能夠吸引不少用戶嘗鮮、試用，但最終模型能力才是沉淀下來的主因，留存率并不一定理想。

用戶增長不確定，大模型投資成本卻在節(jié)節(jié)攀升，意味著大模型廠商的風(fēng)險敞口不斷擴大，由此帶來打價格戰(zhàn)的一種最壞情況：國內(nèi)大模型廠商被迫跟進價格戰(zhàn)，不斷壓縮本就不大的盈利空間。

Anthropic的CEO曾向媒體透露，目前正在訓(xùn)練的模型成本已接近10億美元，到2025年和2026年，將飆升至50億或100億美元。

這意味著，一旦大模型企業(yè)為了“價格戰(zhàn)”，現(xiàn)金流會持續(xù)承壓，缺乏充足的資金投入到招募AI人才、升級基礎(chǔ)設(shè)施、部署數(shù)據(jù)中心、升級網(wǎng)絡(luò)等投資中去，模型進化與迭代也會受到影響，從而讓國產(chǎn)基座模型進入發(fā)展瓶頸期，與世界一流水平的差距越拉越大。

需要注意的是，社會各界用戶早已在各個模型廠商的宣傳布道中，拔高了對大模型的期望值。一味推廣低質(zhì)低價的使用體驗，讓人們對AI失去信心，覺得大模型不夠萬能、啥都干不好，對這一輪大模型主導(dǎo)的AI熱潮，將是極大的負面影響。

當(dāng)然，也不必過于焦慮。最壞情況和最好情況一樣，發(fā)生的概率不大。現(xiàn)實中最有可能的，是大模型行業(yè)在最佳和最壞情況之間震蕩。

一部分模型性能領(lǐng)先、商業(yè)模式向好、客情關(guān)系良好、現(xiàn)金流相對充裕的廠商，能夠在跟進降價的同時，保持對底層創(chuàng)新的持續(xù)投資，但長期可以攤薄研發(fā)成本，靠規(guī)模增長來實現(xiàn)收入上漲。而注定也有一部分企業(yè)會在價格戰(zhàn)與現(xiàn)金流壓力下，被震蕩出局。

一個AI公司創(chuàng)始人就表示：其實挺期待AGI到來的，雖然能秒滅我們這種小團隊，但至少大家都解脫了。

說到底，一味打價格戰(zhàn)，AI巨頭有沒有前途，不一定，但創(chuàng)新型小公司，一定危險。

降價的前提，是有“向上定價”的實力

有必要疊個甲，我們不反對大模型降價，鼓勵大模型廠商為個人和企業(yè)開發(fā)者減輕負擔(dān)。

只不過，當(dāng)輿論各方都關(guān)注“低價”的時候，當(dāng)一場大模型發(fā)布會的亮點是百萬token價格小數(shù)點后有幾位，當(dāng)大模型的商業(yè)模式從技術(shù)為王，變成“羊毛出在豬身上”、把用戶當(dāng)成流量商品……有必要再重申一下：新技術(shù)，是大模型產(chǎn)業(yè)的“震中”。

高科技領(lǐng)域，新技術(shù)層出不窮。企業(yè)要在一波又一波技術(shù)浪潮中，同時扮演“顛覆者”和“防御者”。拿大模型來說，廠商必須有至少兩個梯隊來參與競爭。

一個梯隊負責(zé)進攻，孵化全新的模型和產(chǎn)品，追逐技術(shù)上的顛覆式創(chuàng)新；另一個梯隊負責(zé)防御，通過低價、生態(tài)等守住現(xiàn)有業(yè)務(wù)和用戶，抵御對手的襲擊。

而當(dāng)前，大模型廠商的更優(yōu)先事務(wù)，不是“向下降價”，而是塑造“向上定價”的可能性。

將自家大模型矩陣中的某一些特定模型，做一個極致低價，是很容易操作和吸引眼球的。能把大模型賣出去，向上定價，向價格段的上游遷移，才是AI實力的體現(xiàn)，才能讓企業(yè)保有更長的生命力。

舉個例子，GPT-4o雖然免費，但免費版本只提供有限的次數(shù)，而天花板級別的語音交互能力又帶來了極強的付費潛力。此外，GPT-5也早就被曝已經(jīng)做出來了，只是OpenAI沒決定好何時推向市場。谷歌也采用類似的策略，更低價格、更低成本的模型，與高性能的付費模型，以及龐大的軟硬件生態(tài)來讓AI落地，共同構(gòu)成商業(yè)版圖。

當(dāng)前國產(chǎn)大模型亟待完成的，是能力突破的技術(shù)進擊。

從我們了解的大模型使用情況來看，企業(yè)和個人開發(fā)者最在意的商業(yè)化問題，仍然要靠模型本身的進化來解決，比如說：

目前階段，很多任務(wù)場景，大模型連兜底的效果都還沒有搞定，距離SLA級別的收費標準差距很大，無法達到商用；

精調(diào)雖然可以滿足一部分場景，但難以泛化。有些場景的大模型精調(diào)效果，還不如用傳統(tǒng)的小模型。這不是大模型“夠不夠便宜”的問題，是“為什么要用”的問題；

最終用戶愿意付費的AI應(yīng)用，必須真正做到降本增效，學(xué)習(xí)成本高一點都不會用。這就需要服務(wù)商和開發(fā)者詳細地拆解任務(wù)流程，不忽視任何微小的業(yè)務(wù)細節(jié)，量身定制，降低整個開發(fā)過程的周期和難度，或許比降價更有吸引力。

其實，大模型質(zhì)價比的“最具吸引力象限”，已經(jīng)說明了，質(zhì)量做高的前提下，實現(xiàn)價格更優(yōu)，才是大模型商業(yè)化的可持續(xù)之路。

向下競底只是權(quán)宜之計，能夠“向上定價”的大模型才有未來。