换句话说,DeepSeek的成本优势被削弱了,但并没有消失。
假设某个开发者每月生成1000万枚V4-Pro输出Token,仅计算输出费用:
因此,开发者每月需要增加约11.10至30.90美元的输出费用,具体取决于任务执行时间。上述计算不包括输入Token、缓存命中费用、税费及其他平台费用。
对于生产环境中的应用,真正需要关注的可能不是输出Token本身,而是整体工作负载结构。长提示词、较低的缓存复用率,以及集中在高峰时段的流量,都可能让实际账单增长得更多。新的价格机制下,批处理任务是否能够安排在非高峰时段,以及系统的缓存命中率有多高,将变得更加重要。
OpenAI采取了另一条路线。该公司宣布,GPT-5.6 Luna将成为ChatGPT Free和Go用户的默认模型,同时向这些用户提供不限量文本聊天,并加入用于处理复杂问题的Think按钮。
不过,“不限量”需要准确理解:它适用于文本聊天,并不代表所有ChatGPT功能都没有限制。文件上传、图片、语音、图像生成和其他工具仍可能受到额度限制,相关服务也受滥用防护措施约束。
这是一项消费端分发策略,而不是API降价。OpenAI希望降低普通用户持续使用ChatGPT的门槛,把更强的模型直接放进默认聊天体验中。据TechCrunch报道,ChatGPT的周活跃用户近期已经超过10亿,这一用户规模为OpenAI扩大免费入口提供了强大的分发基础。
低Token价格曾帮助中国AI模型迅速获得开发者流量。Vercel AI Gateway的一项统计显示,2026年6月,中国开发的开放权重模型处理了该平台生产环境中29%的Token,高于4月约九分之一的水平;但这些模型占总支出的比例不到4%。
这一数据反映的是特定网关上的流量,并不等于整个全球AI市场的份额。Token占比能够说明有多少计算任务经过某个模型,却不能单独证明收入、利润、客户忠诚度或持久的市场控制力。
开发者可以在多个供应商之间动态路由任务,价格敏感型流量尤其容易随着费率变化而迁移。因此,高Token份额不必然等同于高议价能力。
DeepSeek的新计费表明,争取使用量已经不再是唯一目标。按时间分层定价,可以帮助公司在需求集中的时段调配算力,并在高需求时段收取更高费用。其官方文档将这次调整描述为更合理地分配资源,同时鼓励用户根据实际使用情况安排任务。
这并不能证明DeepSeek或其他中国AI公司已经实现盈利,但至少说明一个现实:通过低价建立的市场份额,最终必须转化为每个Token带来的收入、持续性合同,或其他能够支撑模型训练和推理成本的商业模式。
OpenAI免费开放Luna,重点不在于提供最低API价格,而在于巩固ChatGPT的消费端入口。通过让用户可以持续进行文本对话,并提供明显的Think控制,OpenAI试图把ChatGPT变成一种稳定的日常使用习惯,同时把更昂贵的文件、图片、语音和其他功能保留在更严格的额度体系中。
两家公司的战略差异可以概括为:
这两种策略完全可以并存。同一个开发者可能用DeepSeek处理高并发、低成本任务,也可能使用ChatGPT完成通用问答、写作和日常办公。但两家公司都在努力提高生态的替代成本:DeepSeek依靠成本性能和开发者路由,OpenAI则依靠产品熟悉度和消费者覆盖面。
涨价之后,DeepSeek仍然是低成本选项,但“最便宜的模型”已经不足以描述它。开发者需要按照缓存命中输入、缓存未命中输入、输出量以及高峰时段流量占比,计算真实的综合成本。
实际部署时,可以重点评估以下问题:
DeepSeek的涨价,是对中国AI公司的一次考验:它们能否把成本性能优势转化为可持续的单位经济效益。OpenAI的免费Luna扩容,则是在测试美国AI巨头能否把庞大的消费端分发能力转化为长期的生态控制力。
因此,中美AI竞争正在告别单一的“价格战”。中国模型已经凭借低价和开放权重获取了相当大的全球Token流量,但开发者也可能因价格变化迅速迁移;美国公司则拥有强大的产品入口和用户规模,却必须持续承担高昂的推理与算力支出。
最终的关键问题只有一个:如何把海量使用量变成能够持续支付前沿模型计算成本的业务。