很长一段时间里，OpenAI与Anthropic一直置身于AI价格战之外。在中国市场，模型调用价格不断下探，而硅谷巨头们仍将竞争焦点锁定在模型能力上，高昂的价格反而被视为前沿技术的象征。然而，今年夏天，风向陡变。据《华尔街日报》报道，OpenAI正考虑大幅下调Token价格，旨在从Anthropic手中争夺客户。值得注意的是，OpenAI提前酝酿降价，正是为了应对Anthropic可能采取的类似动作。从这轮「地表最强」模型的博弈来看，价格战已然初露端倪。
01、当白月光遇上价格屠刀
7月24日，Anthropic发布自家最昂贵的公开模型——Claude Opus 5，每百万Token输入5美元、输出25美元，恰好是此前Fable 5价格的一半。更微妙的是，降价未损性能，Anthropic强调Opus 5能以一半价格逼近Fable 5的前沿智能。测试数据显示，在编程基准CursorBench 3.2上，两者成绩仅差0.5%，Opus 5的成本却低了一半；在OSWorld 2.0上，它甚至只用三分之一成本便超越了Fable 5的最佳成绩。
此前，Fable 5是Anthropic捧出的「白月光」，性能领先且价格昂贵。为推广它，Anthropic曾将其放入订阅套餐。但几天后，OpenAI发起了性价比反击。7月9日，OpenAI发布GPT-5.6，旗舰模型Sol的价格与上一代持平，但在Fable 5面前，其输入价低一半，输出价低四成。OpenAI将Fable 5作为标尺，反复计算单位任务的Token、时间和金钱成本。
价目表之外，竞争也烧到了订阅套餐。OpenAI几乎每新增100万用户便重置一次使用额度，还宣布重置额度可以存起来用；Anthropic则顶着算力压力继续延长Fable 5的套餐权益。Anthropic随后拿出Opus 5，第一轮正面交锋由此成形。
02、为何优等生也卷性价比？
价格突然成为主角，是因为大模型的购买逻辑变了。当Agent进入工作流，模型需要连续执行任务，Token消耗直接转化为企业的生产成本。随着「Token竞赛」告一段落，企业们开始重新审视不断膨胀的AI支出，并发现很难将成本与实际回报对应起来。
广告巨头WPP的CEO辛迪·罗斯表示，公司拥有的Agent已经多于员工，许多Token开支根本没有进入原来的预算。Uber CTO普拉文·尼帕利·纳加曾披露，公司在四个月内烧光了全年AI预算。企业选择模型的标准，也因此从「谁的跑分最高」，转向「谁能以更低成本完成同一项任务」。
OpenAI在GPT-5.6发布前后反复强调「Useful Intelligence per Dollar」，即每一美元，究竟买到了多少有用的工作。这当然带有厂商为自己定价辩护的色彩，却也点出了Agent时代更现实的指标：成功任务单位成本。
与此同时，头部模型之间的差距，也越来越难支撑长期溢价。对大量日常编程、资料处理和办公任务而言，市场上已经同时存在多款「足够好」的模型。a16z曾在2025年时调查100名企业CIO，其中37%的受访企业已经同时使用五款以上模型，高于前一年的29%。可见，模型已经成为一种可以被拆分、混用和比价的生产要素，单一模型的性能优势，越来越难转化成客户忠诚度。
模型公司的焦虑也由此而来：接入之前，用户的切换成本很低；接入之后，迁移成本才会迅速升高。一旦模型进入企业代码库、数据接口、评测和权限系统，更换模型便不只是修改一个API地址，还要迁移提示词、安全规则和内部流程。谁能在市场尚未固化时，以更低价格抢到用户，谁就更可能成为未来的默认入口。
所以，这场价格战实际争夺的是工作流。过去，OpenAI依靠ChatGPT占据消费者市场，Anthropic更擅长服务企业和开发者；Claude Code走红后，两家公司已经挤进同一条赛道。Ramp数据显示，今年6月，Anthropic的企业付费采用率达到42.4%，OpenAI为39.5%。此外，中国大模型也在不断压低硅谷的价格锚点。例如最近爆火的Kimi K3，其在代码、数学推理等任务上的表现已经进入全球前沿模型竞争范围，API价格仅为输入每百万Token约3美元、输出约15美元，远低于OpenAI和Anthropic旗舰模型的定价。
当然价格战能够发生，还有一个更底层的条件：模型推理本身变便宜了。据斯坦福AI Index统计，达到GPT-3.5水平的模型推理成本，在2022年11月至2024年10月间下降了超过280倍；同期，AI硬件成本平均每年下降约30%。模型架构、芯片利用率、量化、缓存和批处理的进步，都在释放新的降价空间。
不过，推理降本仅为厂商提供了开战的弹药，并没有让成本消失。价目表上被抹去的那部分，最终仍要有人买单。
03、降价的AI，昂贵的战争
毫无疑问，价格战最直接的受益者是用户。单看每百万Token几美元的价差似乎不起眼，但当消耗累计到数百亿Token后，便会变成一笔真实成本。对预算有限的创业公司和个人开发者，它甚至可能决定一个产品能否成立。当同样的预算可以买到更多Token，应用公司便可以让昂贵模型处理复杂任务，让便宜模型承担日常工作，也可以允许Agent进行更多轮尝试。过去因推理成本过高而被搁置的客服、编程、研究和自动化场景，也开始重新具备商业可行性。
因此，价格战带给应用层的并不只是省钱，还有更大的试错空间。模型这种「原料」越便宜，能够建立在它之上的产品就越多。
但价目表上消失的成本，并没有真正消失，只是被模型公司接到了自己的账上。据《The Information》报道，OpenAI的推理成本在2025年增长了四倍，调整后毛利率从40%降至33%；另据《华尔街日报》报道，OpenAI将截至2030年的预计算力支出上调至近7500亿美元。这意味着，模型价格每下降一轮，企业都要面对一次更严苛的规模经济考验：只有调用量增长得比价格下降更快，同时推理效率持续提高，降价才有可能被更大的收入消化。
短期来看，OpenAI和Anthropic呈现攻守之势。在GPT-5.6的带动下，Codex和ChatGPT Work的活跃用户合计已经突破了一千万。如果模型进入企业代码库、数据接口、权限系统和内部流程，低价吸引来的用户便可能沉淀为长期客户。但这笔交易未必划算。如果用户缺乏忠诚度、边际毛利又不足，新增调用量便可能主要放大算力支出，而难以沉淀为长期收益。价格战由此变成了一场资本耐力赛。
这也是价格战更深的一层影响：它降低了使用智能的价格，却提高了生产前沿智能的门槛。与此同时，越来越多的通用能力将走向基础设施化。前沿模型仍能凭借复杂编程、长时任务和高难度推理获得溢价，只是这种溢价会越来越短暂：一种能力刚被训练出来，很快便会进入更便宜的模型，或者被竞争对手追上。近期流传的DeepSeek投资者交流纪要中，梁文锋也提出过一假设：不同公司的模型能力不会长期保持巨大差距，竞争最终会落在成本、迭代时间和用户体验上；随着基础模型利润率下降，牌桌也会从目前的群雄混战，收敛到少数几家公司。那么对模型公司而言，留在牌桌上的每一天，只会越来越昂贵。