最近这一个月，硅谷 AI 领域可谓动作频频，GPT-5.6、Fable 5、Grok-4.5 等顶尖模型相继发布，瞬间点燃了国内开发者与程序员的热情，关于这些前沿模型的讨论与测评层出不穷。虽然 Kimi-K3 等国产新锐模型也在同期问世，但从整体趋势来看，国产大模型在一线开发者群体中，依然面临着“叫好不叫座”的尴尬局面。
根据 OpenRouter 的数据，6月22日至28日，中国模型的周调用量高达20.39万亿 Token，连续九周领先美国模型（4.25万亿）。然而，这一亮眼的数据与国内“AI 六小龙”的营收表现形成了鲜明反差。公开财报显示，智谱2025年营收7.24亿元，亏损却超过30亿元；MiniMax营收约5.7亿元；月之暗面等其余四家尚未披露完整年营收。即便是头部企业，收入也多停留在数亿元量级。相比之下，Anthropic 的ARR已达约600至700亿美元，主要驱动力来自B2B API及AI编程场景。这不禁让人深思：为何号称“便宜”、“调用量大”的国产模型，在AI编程等高价值场景中，依然难以与国外顶尖模型正面抗衡？
最近，笔者与多位一线开发者深入探讨后，发现了一个反直觉的事实：国产大模型，在某种程度上其实非常“贵”。正是这种“贵”，掩盖了部分国产模型在性能上的突破。
首先，关于“低价”的印象，其实是一个长久的误区。单看Token单价，国产模型确实比GPT-5.6、Fable 5等有优势。例如 GLM-5.2 输入/输出单价为1.4/4.4 美元，DeepSeek-V4-Pro 为0.435/0.87 美元；而 GPT-5.6 Sol 为5/30 美元，Claude Fable 5 为10/50 美元。但在高强度编程场景下，国产模型的单价不仅没有优势，甚至比有套餐的 GPT、Claude 贵出好几倍。
科研工作者李光（化名）每天在 AI 编程场景下消耗几十亿 Token。他在交谈当天消耗了近40亿 Token，若使用 GLM-5.2，成本将高达约7800元人民币（按1美元兑7.2元估算）。而之所以能如此“敞开”使用，是因为他购买了 GPT 的 CodeX 套餐。CodeX 套餐将编程场景纳入订阅，Pro 版100美元/月起，额度是 Plus 版的5到20倍，用完后可购买 Credits。同样地，Claude Code 也有类似机制。
对于重度开发者小刘来说，使用 Codex 一周花费约300元人民币（在公司未报销的情况下），这让他觉得非常便宜。而同样的300元，在国产模型上根本买不到同等数量的 Token。虽然 Codex 并非真正无限量（最高档200美元/月约20亿额度），但通过“中转站”等渠道，部分开发者能以更低价格购买到更多 Token。相比之下，国产模型的套餐虽然存在，但限额严格，高峰期限流严重，使得高强度的开发者体验大打折扣。
国产大模型的定价现状，正如一句调侃所说：“你以为进的是自助餐，最后发现商家还是按斤计费。”以 Kimi Code 和 GLM-5.2 为例，Kimi 分为49、99、199、699元四档，按周刷新；GLM Coding Plan 的 Lite、Pro、Max 档位限制严格，高峰期甚至按3倍扣额。阿里云的 Qoder 也曾是国内优秀的 AI IDE，但因新定价调整导致至少二三十家客户放弃续费。一位运维朋友阿迷（化名）透露，Qoder 企业版199元的套餐，按重度开发者的用法，3天就耗尽了，甚至一天都不够。同样，GLM-5.2 的套餐常被开发者吐槽“约等于没有”，高峰期限流严重，甚至存在“背刺”用户的现象（如智谱曾因算力紧张将每日售罄量砍至20%）。
这种“吝啬”的背后，本质是算力不足的窘迫。数据显示，中国数据中心仅449个，总算力1053 EFLOPS，远低于美国的5427个和2400 EFLOPS。且中国算力中大量是国产芯片（如昇腾、寒武纪），与H100存在代差。为应对需求，2026年3月起，智谱、阿里云等集体涨价。OpenAI 和 Anthropic 通过高净值企业客户（如Cursor、GitHub）获得高收入，摊薄了成本。而国内云厂商利润微薄（阿里云EBITA Margin仅7.5%），且传统云可以超卖CPU，但大模型推理是实时的，无法超卖，用户若24小时高强度使用，成本瞬间击穿。
除了价格，性能也是开发者选择的关键。国产模型在性能上虽有进步，GLM-5.2 被公认为首个达到 Opus 级别的国产模型，Kimi-K3 在智力指数和编程榜上表现优异，但在复杂的异步任务上仍不及 GPT、Claude。开发者小张曾用国产模型做复杂的多级比对项目，只有 GPT 跑通了。Kimi 2.7 和豆包 2.1 Pro 虽属第二梯队，但总体弱于 Claude Sonnet 4.6。
目前，国产模型在“性能—价格—稳定性”的黄金三角中，仅勉强拿下了性能这一项。Kimi-K3 虽参数巨大、分数高，但 API 价格不低（2/20/100元/百万Token），且存在断连问题。总体而言，国内开发者并非不愿付费，而是国产模型因算力紧、成本高，开不起像 Codex 那样有性价比的套餐，只能提供看似自助餐实则限量的大众点评套餐。这种体验的不稳定和性价比模糊，导致用户留存困难。这本质上是在算力底座成本高企下的理性选择。国产模型在追赶 GPT、Claude 的过程中，不能只强调性能，还需等待算力基座大规模量产，在技术、价格、稳定性上形成合力。