过去一周，随着 Grok 4.5、GPT-5.6 以及 Claude Sonnet 5 的相继问世，大模型领域的叙事焦点发生了显著偏移。与发布节奏相比，更值得玩味的是各家厂商对模型价值的重新定义。
这一转向在马斯克介绍 Grok 4.5 时表现得尤为明显：他几乎不再强调“xAI 最强”，而是反复强调其“Opus 级”的能力，但具备更快的速度、更低的 token 消耗和成本优势。OpenAI 将 GPT-5.6 的目标定义为“让每个 token 产出更多有用工作”，Sam Altman 直言企业客户更看重 AI 支出的实际回报；Anthropic 则指出，Sonnet 5 能完成的智能体任务，在几个月前还需要更昂贵、更大的模型才能实现。
当“更便宜”成为行业默认动作，真正的竞争便不再是单纯的“降价幅度”，而是“同样的价格，谁能干更多、更难的任务”。性价比，正逐渐成为竞争的核心变量。
**一、性价比之争：重构能力、成本与场景**
这一变化首先体现在模型产品的形态上。厂商开始打破单一模型“全能”的设定，通过组合不同能力、成本和调用方式来满足多元需求。
OpenAI 的 GPT-5.6 是这一趋势的典型代表。其命名体系从过去的“旗舰+mini/nano”演变为“Sol / Terra / Luna”，逻辑从“按强弱排序”变为“按场景分工”。Sol 承担复杂推理、编程和 Agent 等高难任务，价格却对标旗舰；Terra 综合表现接近旗舰，却落入中端价格区间；Luna 则主打高并发、低延迟的走量场景。
这套分层逻辑的核心在于“能力跟随场景走，成本跟随任务变”。OpenAI 今年 3 月推出的 Standard/Batch/Flex/Priority 定价机制，进一步将这一思路延伸至调用层面：能批处理、可等待的请求更便宜，而追求低延迟、高确定性的请求更贵。这意味着，价格不再只取决于模型能力，也取决于任务对时间和稳定性的要求。Anthropic 的 Claude Sonnet 5 引入了“effort”机制，允许开发者根据任务复杂度动态调节推理强度，打破了“选定模型就锁定成本”的旧逻辑。
Grok 4.5 则将性价比前置到了训练阶段：先锁定高频场景（如编程），再围绕场景定义模型能力和成本结构。作为 xAI 首个专门针对编程和智能体任务训练的模型，它与 Cursor 联合训练，使用了大量真实交互数据。这种做法解决了编程和 Agent 任务中上下文长、调用频繁、链路复杂且容易触发重试的成本痛点。
综上，大模型竞争已从“追求能力最大化”转向“追求有效能力的成本最优化”。
**二、经济账的算计：从“Token 单价”到“单任务成本”**
不同于传统互联网应用，AI 调用每一次都对应真实的推理成本。使用越多，价值越大，成本压力也越真实。随着模型竞争进入应用阶段，性价比问题已从单纯的价格问题，延伸为商业模式问题。
当模型真正进入真实任务场景，决定商业可持续性的，不再是模型单价，而是模型在高频调用中完成任务的综合成本。一个真实任务的成本，通常由一整条任务链路共同决定：输入输出 token 数、调用轮次、上下文长度、工具调用次数、推理强度、失败重试率等，都会被计入最终账本。
这引出一个反直觉的结论：定价便宜的模型未必真的划算。如果单次 token 价格低，却需要更多轮对话、更长上下文、更高重试率，那么单位任务成本未必低。反之，一个看似更贵的模型，如果能用更少轮次完成任务，减少返工和失败率，最终反而可能更经济。
因此，模型性价比的衡量单位正在发生变化——不只看 token 单价，还有完成单个任务所需的成本。
近期国产大模型集体押注 MoE（混合专家）架构，正是为了在这一框架下优化成本。DeepSeek-V4-Flash 是 284B 总参数、每 token 激活 13B；Qwen3-235B-A22B 是 235B 总参数、22B 激活；腾讯混元 Hy3 正式版拥有 295B 总参数，但仅激活 21B 参数。MoE 的关键价值在于：让模型拥有接近超大规模模型的能力边界，同时让每次调用不必承担全量参数的计算开销。
总参数决定模型的能力池大小，激活参数决定一次推理真正要支付的计算成本。这意味着，性价比已经前置到模型架构设计阶段，而不再只是模型发布后的定价策略。
**三、默认调用之争：大模型迎来“杰文斯时刻”**
当性价比的衡量单位转向“单任务成本”，模型竞争的重心也随之改变。企业和开发者真正关心的，正在从“哪个模型最强”，转向“哪个模型能被长期、稳定、低成本地默认调用”。
所谓“默认调用”，指的是模型在办公、知识管理、Agent、客服、代码等高频场景中，成为系统优先调用的底层能力。它未必总被用户看见，却会持续承接大量真实任务。
这一趋势正在被云平台和开发者工具产品化。Amazon Bedrock 推出的 Intelligent Prompt Routing、微软 Azure AI Foundry 上线的 Model Router，本质上都在将模型调用从“手动选择”推进到“统一调度”：系统根据任务复杂度、成本、延迟和性能，自动将请求路由到最合适的模型。
开发者生态中的 OpenRouter、LiteLLM、Dify 等工具，也在承担类似角色。统一 API、多模型路由、预算控制，正在把模型嵌入更上层的应用框架和企业 AI 网关。这会重塑模型市场的竞争方式：未来很多调用未必由终端用户直接决定，而会由云平台、AI 网关提前分配。
谁能进入这些系统的默认配置，谁就能获得更高比例的真实调用。默认调用的第一重价值是规模，它能形成更扎实的商业基本盘；第二重价值是反馈，真实任务中的失败率、重试率、用户修正等数据，能帮助模型和系统持续优化；第三重价值是生态绑定，一旦开发者围绕某个模型调好了提示词、工具调用、RAG 流程，这个模型就会从一个可替换的 API，变成应用架构的一部分。
由此，“性价比”形成了一个新的竞争飞轮：更低单任务成本 -> 更多默认调用 -> 更多反馈 -> 进一步降低成本。腾讯混元 Hy3 与企业办公工具 WorkBuddy 的结合便是例证。Hy3 通过这一高频入口进入真实工作流，日均 token 消耗从 preview 阶段增长了 20 倍，任务成功率从 72% 提升至 90%，平均耗时缩短约 34%。这表明，只有进入真实任务链路，模型才能获得持续优化的土壤。
类似协同优化已成为行业共识。Google 将 Gemini 深度嵌入 Gmail、Docs 等工作场景，Adobe Firefly 嵌入 Photoshop 等创意工作流，都是为了围绕真实任务迭代模型。
因此，性价比竞争已经超出降价竞赛本身。它真正改变的，是需求边界。19 世纪经济学家杰文斯观察到的“蒸汽机效率越高，煤炭消耗反而越多”的现象，正在大模型领域重演。大模型正在接近自己的“杰文斯时刻”。性价比竞争的结果，未必是 AI 总成本下降，而是 AI 使用密度上升。模型调用会从少数高价值任务，扩展到大量日常任务，最终让 AI 变得更实用，也更普惠。