AnswersPublished22 sources
Китайська цінова війна в ШІ здешевила токени до менш ніж $1, але попит лише зріс
1 вересня 2026 року індекс Silicon Data для LLM інференсу знизився до рекордних $0,97 за мільйон токенів — менш ніж половини літнього максимуму. Низькі ціни китайських API, зокрема $0,14 за мільйон вхідних токенів DeepSeek V4 Flash, посилили перехід частини навантажень на дешевші моделі.
ОпублікувавВідредаговано за допомогою GPT-5.6 TerraЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- 1 вересня 2026 року індекс Silicon Data для LLM інференсу знизився до рекордних $0,97 за мільйон токенів — менш ніж половини літнього максимуму.
- Низькі ціни китайських API, зокрема $0,14 за мільйон вхідних токенів DeepSeek V4 Flash, посилили перехід частини навантажень на дешевші моделі.
- Падіння ціни за токен не означає падіння рахунків: дешевший ШІ робить вигідними нові сценарії, агентів, автоматизацію та генерацію коду.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How has the Chinese AI-lab price war—marked by June 2026 international API cuts of 50–99% by DeepSeek, Alibaba Cloud, ByteDance, Moonshot AI. Article summary: China’s price war appears to have reset the marginal market price of LLM inference rather than reduced demand. Aggressive low-cost Chinese APIs pulled customers toward cheaper models and altered the usage mix, helping dr. Topic tags: general, general web, user generated, education, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
Інтенсивна конкуренція китайських лабораторій ШІ за ціною API змінила уявлення ринку про вартість звичайного інференсу великих мовних моделей (LLM). 1 вересня 2026 року індекс LLM Token Expenditure Index від Silicon Data досяг $0,97 за мільйон токенів — це рекордно низький показник і менш ніж половина літнього піку. 2
4
Але це не свідчить про спад попиту на ШІ. Індекс відображає не весь обсяг спожитих токенів і не всі витрати бізнесу на ШІ, а ефективну середню ціну за мільйон токенів, зважену на фактичне використання моделей. Тобто він показує, скільки ринок у середньому платить за інференс з урахуванням того, які моделі обирають користувачі. 2
4
Що означають $0,97 за мільйон токенів
Токен — це невелика одиниця тексту або іншого вмісту, який модель обробляє чи генерує. API-провайдери зазвичай виставляють ціни саме за мільйон вхідних і вихідних токенів.
SDLLMTK — це не універсальний прайс-лист для кожної моделі. Silicon Data поєднує ціни провайдерів із даними про фактичне споживання у визначеному наборі моделей, отримуючи змішану ринкову ціну LLM-інференсу. 2
4
Відтак індекс може знижуватися навіть за одночасного зростання загального обсягу токенів і загальних витрат. Достатньо, щоб більша частка завдань переходила на дешевші моделі. Це показник ціни та структури навантажень, а не виручки всього ринку ШІ.
Як китайські API вплинули на цінову структуру
Цінова конкуренція дала бізнесу дуже дешеві альтернативи для задач, яким не обов'язково потрібна найдорожча передова модель. Наприклад, DeepSeek V4-Flash пропонувалася за $0,14 за мільйон вхідних токенів і $0,28 за мільйон вихідних токенів. 49
У травні 2026 року DeepSeek також знизила ціни на V4-Pro на 75%, що в повідомленнях ЗМІ описували як чергове загострення конкуренції між китайськими розробниками моделей. 58 Додатковий тиск створювали й інші дешеві пропозиції та зниження тарифів у китайській екосистемі ШІ.
4
52
Ці факти вказують на сильний зв'язок між конкурентним середовищем і падінням змішаної ціни токенів. Водночас вони не дозволяють точно визначити, яку частку зниження спричинила конкретна лабораторія чи окреме рішення про зміну тарифів. На індекс також впливають ефективність моделей, доступність обчислювальних потужностей і маршрутизація запитів самими клієнтами.
Чому дешевші токени не скорочують витрати на ШІ
Логіка тут проста:
сукупні витрати на токени = ефективна ціна токена × обсяг токенів
Коли одиниця обчислення дешевшає, економічно виправданими стають сценарії, які раніше коштували надто дорого. Компанії можуть автоматизувати більше процесів, використовувати довші контексти в запитах, генерувати більше коду або запускати більше агентних систем.
Якщо обсяг токенів зростає швидше, ніж падає ціна за токен, підсумкові витрати збільшуються. Це узгоджується з даними про падіння ціни токена більш ніж на 90% від 2023 року при приблизному подвоєнні витрат на використання LLM із кінця 2025 року. 41
43
Отже, дешевий інференс не «знищує» попит — він розширює коло задач, для яких автоматизація має економічний сенс.
Китай показує масштаб відповіді попиту
За прогнозами китайських державних структур, на які посилалося Reuters, до березня 2026 року щоденне споживання ШІ-токенів у Китаї перевищило 140 трлн. Для порівняння: наприкінці 2025 року йшлося про 100 трлн токенів на день. 18
Корпоративні дані рухаються в тому ж напрямку. China Merchants Bank повідомив, що його середньодобовий обсяг обробки токенів зріс більш ніж на 78% у річному вимірі. Окремі повідомлення оцінювали щоденне споживання банку приблизно у 33 млрд токенів наприкінці травня. 19
29 Також повідомлялося про значно вищі темпи зростання середньодобового використання токенів в окремих китайських банках.
20
Ці показники не вимірюють безпосередньо виручку API-провайдерів і не доводять, що кожен ШІ-запит створює економічну цінність. Проте вони показують, що нижча ціна інференсу швидко перетворюється на значно більший обсяг використання.
Найскладніше питання — для постачальників моделей
Для покупців ШІ зниження тарифів вигідне. Для розробників моделей ситуація складніша: дохід на один токен зменшується, тоді як витрати на чипи, дата-центри, навчання моделей і розробку залишаються великими.
Тому ключове питання вже не в тому, чи користуватимуться клієнти дешевими токенами. Дані свідчать, що користуватимуться. Важливіше, чи зможуть вищі обсяги, преміальні моделі та корпоративні продукти забезпечити стабільну виручку й вимірюваний приріст продуктивності достатньо швидко, щоб виправдати подальші інвестиції в інфраструктуру. Падіння індексу загострює ризик втрати цінової сили постачальниками моделей. 4
36
На що варто стежити далі
Самої лише ціни конкретної моделі недостатньо. Корисніше відстежувати чотири показники:
- Змішану ефективну ціну токенів — наприклад, SDLLMTK, що показує, куди на практиці спрямовуються навантаження.
2
- Обсяг токенів, який дає відповідь, чи розширює дешевший ШІ попит.
- Виручку й маржинальність постачальників, що визначають життєздатність їхньої бізнес-моделі.
- Якість і результативність сценаріїв використання, адже велике споживання токенів саме по собі не є доказом бізнес-цінності.
Головний висновок: конкуренція дешевих китайських API допомогла знизити змішану ринкову ціну LLM-інференсу нижче $1 за мільйон токенів. Проте дешевизна стимулює ширше використання — тож обсяги токенів і сукупні витрати на ШІ можуть зростати одночасно. 2
4
41
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Китайська цінова війна в ШІ здешевила токени до менш ніж $1, але попит лише зріс"?
1 вересня 2026 року індекс Silicon Data для LLM інференсу знизився до рекордних $0,97 за мільйон токенів — менш ніж половини літнього максимуму.
What are the key points to validate first?
1 вересня 2026 року індекс Silicon Data для LLM інференсу знизився до рекордних $0,97 за мільйон токенів — менш ніж половини літнього максимуму. Низькі ціни китайських API, зокрема $0,14 за мільйон вхідних токенів DeepSeek V4 Flash, посилили перехід частини навантажень на дешевші моделі.
What should I do next in practice?
Падіння ціни за токен не означає падіння рахунків: дешевший ШІ робить вигідними нові сценарії, агентів, автоматизацію та генерацію коду.