这六个月内，同一个级别的AI干活能力，价格跌了98.5%
内容提要
2026年2月至7月，Opus级AI模型价格暴跌98.5%，从每百万tokens 3.85美元降至0.058美元，降幅达66倍。原因包括混合专家模型、开源竞争、缓存定价和战略降价。实际任务成本受模型输出长度影响，需关注总花费。价格下降使AI从旗舰专属变为基础设施，未来AI团队应混编不同模型，以性价比最优完成工作。
延伸解读
单价降了，总花费未必同步降
文章提醒，不能只看每百万tokens的单价，因为不同模型的输出长度差异很大。例如GLM-5.2虽然单价远低于GPT-5.5，但完成同一任务时输出token数更多，导致总成本只便宜约一半。因此，评估成本时应以完成特定任务的总花费为准，而非单纯比较单价。
价格暴跌的四大推手
价格崩盘并非单一原因，而是技术、竞争、定价策略共同作用的结果。混合专家模型（MoE）通过只激活部分参数降低推理成本；开源模型权重公开加剧了云厂商的价格竞争；缓存定价使重复读取固定信息的边际成本趋近于零；战略降价（如OpenAI三周内降价80%）则是应对开源压力的直接反应。
便宜带来的质量红利
价格下降不仅省钱，还可能提升任务质量。文章指出，当每步成本很高时，用户会倾向于减少模型思考步骤；而成本极低时，可以放心让模型多尝试、多检查，从而可能获得更优结果。这种“便宜到可以浪费”的用法，是价格暴跌带来的额外价值。
选模型不能只看价格
文章强调，模型能否胜任真实工作取决于推理能力、代码库级编程、工具调用、长上下文连贯性等，而非价格。便宜模型可能在某些任务上表现不佳，因此建议采用混编策略：简单任务用小型模型，日常任务用经济型模型，复杂任务升级到更强模型，关键决策由最贵模型或人工审核。
Q&A
2026年2月至7月，Opus级AI模型的价格下跌了多少？
价格从每百万tokens 3.85美元降至0.058美元，跌幅达98.5%，相当于66倍。
为什么AI模型的价格会暴跌？
原因包括混合专家模型（MoE）降低推理成本、开源模型竞争、缓存定价策略以及战略降价（如OpenAI被迫降价）。
为什么不能只看token单价来评估AI任务成本？
因为不同模型输出长度差异大，话多的模型即使单价便宜，总花费也可能更高。例如GLM-5.2单价低但输出token多，总成本只比GPT-5.5便宜一半。
如何评估一个AI模型是否适合实际工作？
需要考察推理能力、代码库级编程能力、工具调用可靠性、长上下文连贯性以及经济可行性，而不仅仅是价格。
未来的AI团队应该如何配置模型？
应采用混编策略：简单任务用小型模型，日常自主工作用经济型模型，复杂任务升级到更强模型，关键决策由最贵模型或人工审核，以最低成本获得可靠结果。
价格下降对AI应用有什么实际影响？
价格下降使AI从旗舰专属变为基础设施，企业可以负担得起让AI持续运行、反复尝试，从而提升工作质量，并可能改变企业预算调整速度。
