AI 行业观察：用模型越来越便宜，造模型越来越贵

10 月 26 日，周一，同一天出现了两份文件。

一份是 OpenAI 发布 GPT-6.1 Terra 时给出的价格：每百万输入 token 1 美元，输出 5 美元，比上一代 GPT-5.6 Terra 和自家更强的 GPT-6.1 Sol 便宜一半。OpenAI 还称，在一项评测上它能追平旗舰 GPT-6 Astra，每个 token 的价格只有后者的十分之一。

另一份是 Anthropic 向美国证监会公开提交的 S-1，计划以 ANT 为代码在纳斯达克上市。文件列出，它对 Google、亚马逊和微软三家云厂商的长期算力承诺合计约 2690 亿美元，并写明这些钱“无论使用多少”都要付。

一份说用模型越来越便宜，一份说造模型越来越贵。两件事并不矛盾，它们来自同一个结构。

价格为什么一路往下走

token 降价，表面上是竞争，底下有三股力量。

一是蒸馏和架构改进。前沿模型做出来以后，同等能力可以被压进更小、更快的模型里，Terra 这样的中档模型，本质上是把上一代旗舰的能力批量生产。二是推理侧的工程。缓存、批处理、专用芯片，让每个 token 的边际成本持续下降。Terra 的缓存输入价格是每百万 0.05 美元，只有普通输入的 5%，这个折扣本身就说明了成本结构：重复的上下文几乎不花钱。三是开源权重给价格设了上限。

10 月 29 日，Mistral 把 Large 4 的权重放上 Hugging Face，总参数约 1.05 万亿，每个 token 激活约 520 亿。它的托管 API 定价是每百万输入 0.7 美元、输出 2.1 美元；更重要的是，有一台八卡 B200 级别服务器的机构就可以自己部署。只要市场上存在一个能力接近、可以自己跑的选项，闭源模型在中档区间就很难维持高价。

所以中档以下的模型，价格越来越接近推理成本加上一点利润。这一层在通缩。

招股书里的另一本账

Anthropic 的 S-1，是第一次有前沿实验室把完整的账摊开给公众看。

收入增长很快：2026 年上半年 163 亿美元，去年同期只有 12 亿。但真正决定这家公司形状的是成本一侧。文件写明，收入成本“几乎全部”与算力和基础设施相关；固定或最低保证的算力承诺约 2656 亿美元，期限 1 到 20 年；把设备租赁和尚未定价的远期产能算进去，总承诺在 5420 亿到 5670 亿美元之间。

这里有一个期限错配。收入按 token 一笔一笔收，客户随时可以换模型、降用量；成本按年份签下，签了就要付。收入端的弹性和成本端的刚性放在同一张报表里，利润率就会随着新算力到位的节奏上下波动，招股书自己也是这么写的。

更值得留意的是承诺的用途。外界能看到算力占收入的比重在下降，却看不到这些承诺里有多少用于训练下一代模型、多少用于服务现有客户。服务客户的算力会被收入摊薄；训练用的算力是在为下一轮竞争提前付费，不产生当期收入。

训练暂停为什么写进风险因素

S-1 的风险因素部分有一段披露：Anthropic 曾把下一代前沿基础模型的预训练暂停一个多月，原因是要加强对模型权重和知识产权被盗的防护。文件同时提醒，类似的暂停可能推迟收入，让公司落后于对手。

放在成本结构里看，这件事的含义很具体。算力是按年签的，训练暂停的一个多月里，算力不会停止计费，可以挪去服务客户，但下一代模型的时间表往后推了。在一个靠每一代模型维持定价的行业里，代际时间就是现金流的时间。

同一周 Google 发布的 Gemini 4 Carbon 是另一个角度的例子。它是 Google 目前最强的模型，却先只开放给一部分网络安全防御方，等护栏迭代之后再向开发者和企业放开。公布的入门价是每百万输入 2 美元、输出 10 美元。最前沿的那一层，发布节奏开始受安全约束，而不只是受竞争驱动。安全投入成了建造成本的一部分，也直接影响收入从哪天开始确认。

一方的承诺，是另一方的资本开支

Anthropic 欠三家云厂商的 2690 亿美元，在云厂商那里是积压订单，也是它们扩建数据中心的依据。这一季，Alphabet 和亚马逊的自由现金流都转成了负数，Meta 稍早公布的季报也一样。

把这条链连起来看：模型公司向云厂商承诺长期采购，云厂商据此加大资本开支，资本开支先吃掉自己的经营现金流，再靠模型公司的付款慢慢收回；模型公司的付款，最终又来自每百万 1 美元、5 美元这样的 token 收入。链条末端在降价，前端在加码，中间每一环都押注同一件事：用量增长得比单价下降得更快。

用量能不能接上，目前的证据并不一致。同一周，DoorDash CEO 徐迅在财报电话会上说，来自第三方 AI 代理的订单“总共大概几百单”，而 DoorDash 仅三季度就处理了 9.93 亿单。代理被认为是最消耗 token 的用法，Anthropic 的招股书也写到，代理类产品在结构上更耗算力。可落到具体的消费场景，代理带来的真实交易还非常少。

价值落在哪一层

两头放在一起，大致能看出利润会往哪里流。

中档模型在通缩，开源权重设了上限，这一层的利润会越来越薄，留给能把单位成本压到最低的玩家。最前沿的一层还能定价，但要承担越来越高的训练成本、越来越长的安全周期，还要用长期承诺提前锁定算力。握着算力和客户预算入口的云厂商，在承诺期内收到的是相对确定的现金，代价是先把自己的现金流掏空。

IPO 披露的意义在这里。过去这些账藏在私募条款和合作协议里，现在其中一家把成本结构、承诺期限和风险写进了要对公众投资者负责的文件。接下来市场给这些公司定价，会更多参照这本账，而不只是收入曲线的斜率。