人工智能调用成本还在继续下降。跟踪大模型实际市场价格的指标显示，LLM Token 支出指数周一下探至 0.97 美元，创下新低，较今年夏季早些时候的高点已回落逾一半。

这一下行趋势与近期 AI 行业的价格竞争同步出现。随着更便宜的开源和开放权重模型进入市场，企业在 OpenAI、Anthropic 和 Google 之外有了更多选择。来自中国开发者的模型被认为是推动价格下探的重要因素之一，Moonshot AI 的 Kimi 系列也在其中。

OpenAI 此前也下调了 GPT-5.6 部分产品线价格，进一步加大了市场下行压力。模型能力持续提升的同时，单位调用价格却在下降，正在改变 AI 行业的收入结构。

企业部署成本下降

对开发者和企业用户来说，价格下行带来更直接的利好。推理成本降低后，AI 代理、编程助手、客服系统和企业自动化工具的部署门槛随之下降，大规模使用 AI 的经济性也更强。

这意味着更多公司可以把 AI 功能嵌入现有产品，而不必承担此前那样高的调用成本。对于依赖 API 的软件公司和创业团队而言，成本下降也有助于扩大试用和商业化范围。

前沿模型厂商利润承压

但对投入巨额资金训练前沿模型的公司而言，情况并不轻松。OpenAI、Anthropic 等厂商持续加码算力、数据中心和基础设施建设，而它们能够向客户收取的单次 Token 费用却在下降。

如果使用量增长不足以抵消单价下滑，模型提供商的利润空间就会被压缩。Anthropic 近来也在通过大型基础设施协议扩充长期算力，以维持与 OpenAI、Google 等公司的竞争。

竞争焦点或转向生态

文章显示，如果多数模型都能完成日常任务，单纯依靠“模型更强”可能不再足以形成明显差异。届时，厂商之间的竞争重点可能转向分发渠道、企业集成、专有数据、长期记忆、AI 代理能力以及更完整的软件生态。

这一变化也可能影响更上游的科技公司。Nvidia、Microsoft 等企业此前已围绕数据中心、芯片和云基础设施投入大量资金，押注长期 AI 需求持续增长。

眼下市场关注的一个核心问题是，AI 需求能否以足够快的速度扩张，从而覆盖“智能价格”持续下跌带来的收入压力。