企業AI推理成本跌至2026年新低：價格戰與開源模型崛起全面解析

企業AI推理成本在2026年8月初跌至年度新低，平均每百萬token（即模型處理的數據單位）的價格落在1.16至1.18美元之間，相較於5月31日的2.04美元，短短十週內大幅下降了約43%。根據投資銀行Jefferies的最新研究報告，以及矽谷數據公司Silicon Data的指數顯示，此現象是由全球日益激烈的價格戰、OpenAI的大幅降價，以及以DeepSeek為首、價格極具競爭力的中國開源模型快速崛起所共同驅動 。

價格崩跌的具體數據

Jefferies研究 — 這家投資銀行於2026年8月10日發布報告，指出企業AI推理價格已跌至今年迄今的最低點。報告引用Silicon Data的數據顯示，8月6日至8日期間，平均推理價格為1.16至1.18美元/每百萬token 。與5月31日記錄的2.04美元相比，跌幅約為43% 。

Silicon Data的LLM Token Expenditure Index — 此指數追蹤市場整體趨勢，顯示從6月初的每百萬token超過2美元，到8月第一週已降至1.20美元，兩個月內跌幅約40% 。7月27日的指數快照為1.43美元，證實了價格的持續下跌趨勢 。Silicon Data直接點名中國的開源權重模型是拉低指數均值的主要因素 。

驅動降價的關鍵競爭行動

OpenAI的GPT-5.6降價（2026年7月30日）

OpenAI將API價格調降最高達80%，並歸因於基礎設施效率的提升。此舉直接壓縮了市場平均價格；CNBC與Forbes等媒體均將此舉形容為AI價格戰的升溫 。

• GPT-5.6 Luna（輕量級模型）：輸入token價格從1.00美元降至0.20美元/每百萬token，輸出token價格則從6.00美元降至1.20美元/每百萬token 。
• GPT-5.6 Terra：價格調降20%，調整後為輸入2美元/輸出12美元，每百萬token 。
• GPT-5.6 Sol（旗艦級模型）：價格維持在輸入5美元/輸出30美元，但新增了更快的模式 。

OpenAI表示，這些降價得益於內部的優化，包括核心程式碼重寫和推測解碼技術，在推理工作負載中實現了20%至35%的效率提升 。

DeepSeek V4-Flash-0731（2026年7月31日）

2026年7月31日，DeepSeek發布了V4-Flash-0731公開測試版，其定價極具破壞力：

• 每百萬未命中快取輸入token：0.14美元
• 每百萬輸出token：0.28美元
• 每百萬命中快取輸入token：0.0028美元（相當於97%至98%的快取折扣）。

這個價格大約是高階模型的十分之一，DeepSeek V4 Flash因此成為市場的價格地板，迫使整個市場價格進一步壓縮。根據評測機構Artificial Analysis的估計，V4 Flash執行單一任務的平均成本大約僅需3美分 。該模型在所有DeepSeek發布的代理任務基準測試中，表現甚至超越了自己的V4 Pro預覽版，而價格僅為其三分之一 。

Anthropic的Claude Opus 5（2026年7月24日推出）

Opus 5以每百萬輸入token 5美元和每百萬輸出token 25美元的價格進入市場——與其前輩Opus 4.8完全相同。其快速模式（Fast mode）價格為基礎價格的兩倍（輸入10美元/輸出50美元）。雖然Opus 5本身沒有降價，但它以極具競爭力的「接近前沿」等級（以一半的價格提供接近Fable 5的智慧水準）推出，此舉對競爭對手形成了壓力，並為企業提供了更多低成本選擇 。

綜合效應

OpenAI的80%降價（7月30日）、DeepSeek低於30美分的Flash定價（7月31日）、Anthropic極具競爭力的Opus 5推出（7月24日），以及企業對低成本中國開源模型的大量採用，共同將市場指數從5月底的2.04美元，壓縮至8月初的1.16至1.18美元——十週內跌幅高達43% 。

由Thomas Chong領銜的Jefferies分析師團隊將此下跌歸因於「日益激烈的全球價格戰」以及「價格親民的中國開源權重模型採用率激增」。市場反應不僅體現在價格上：Jefferies也認為，不斷下降的token成本可能會刺激AI需求並帶動基礎設施投資 。

數據備註

Silicon Data的公開指數在7月27日顯示為1.43美元，而報導中8月初的數字為1.20美元，這暗示了7月底至8月初，在OpenAI和DeepSeek的公告推動下，價格出現了急遽下跌 。值得注意的是，該指數混合了價格和使用量數據，因此指數的下跌可能同時反映了標價下降，或市場需求向更便宜模型轉移的現象——Silicon Data本身也曾警告，不應將該指數單純解讀為「價格標籤」。