最近，OpenAI和谷歌接连宣布API降价或降低Token价格，就连Anthropic也冻结了原有的涨价计划。反观中国，Kimi K3较上一代已事实上涨价，DeepSeek也预告近期将大幅涨价。曾经，OpenAI、谷歌、Anthropic凭借先发优势和算力垄断，高投入坐享高溢价。而中国的AI大模型，没有H100集群堆砌，靠MoE架构、缓存命中和工程打磨，不豪华却管用，有开发者戏称这是“土法炼钢”。如今，随着两种模式比拼技艺，价格的堡垒也开始松动了。
价格“剪刀差”出现。8月21日，OpenAI宣布将GPT-5.6 Sol的API价格下调20%以上。输入从每百万token 5美元降至4美元，输出从30美元降至20美元，调整后的价格三个月有效。而在更早的三周前，OpenAI已经对旗下轻量级模型Luna砍下80%的价格，输入从1美元降至0.2美元，输出从6美元降至1.2美元。此外，中端Terra也同步降价20%。谷歌也没“错过”这次降价潮。8月13日发布的Gemini 3.7 Flash，定价仅为每百万输入token 0.75美元，输出3.75美元，相当于在上一个版本基础上直接打5折。这一“打折价”将持续到2027年1月1日。就连一直最“硬气”的Anthropic，也似乎扛不住了。原定于9月1日对Claude Sonnet 5中端主力模型涨价50%的计划，被直接取消，2美元输入/10美元输出的首发价将作为长期价格保留。虽然这三家各有各自的“降价理由”，比如OpenAI的官方口径是，模型优化带来了效率提升，使得推理成本下降。Anthropic取消涨价、永久维持首发价的目的是，为已基于Sonnet 5开发的企业提供长期稳定的成本预期。但舆论普遍认为，这是为了应对来自中国平价AI模型，如DeepSeek、Kimi等的竞争，以及美国内部各模型的竞争。华尔街将此称为“Kimi时刻”。
反观中国，曾经靠“性价比”打天下的中国AI们，却在“逆势涨价”。早在7月17日，月之暗面发布Kimi K3时，2.8万亿参数的MoE架构模型，输出定价升至每百万token 100元人民币（约15美元）。较上一代K2.6的27元相比，涨幅超过3.5倍。8月11日，DeepSeek预告，API定价“近期将整体涨价，预计涨幅较大”。如果进行对比，K3定价与Claude Sonnet 5优惠期结束后的标准价格完全一致；较Sonnet 5当前优惠价高50%，但较Anthropic旗舰Fable 5低70%。相当于，中国AI把价格涨到了美国“中高端”水平，但距离美国“旗舰”仍有距离。不过，月之暗面官方在发布Kimi K3时强调，借助Mooncake分离式推理架构，在编程场景下，系统缓存命中率可超过90%。这意味着，对于高频调用编程类任务的用户，实际Token消耗中有相当一部分可由缓存直接响应，企业实际使用成本可能远低于标价。
两种发展模式价格一升一降之间，表面上看，是竞争活络了，曾经高企的价格开始松动，为民造福，这符合所有产业的正常走向。但背后，其实是两种发展模式在比拼。有人做了一个贴切的比喻。在大洋彼岸，AI被做成了“石油”，是一种昂贵的战略资源。在中国，AI被做成了“自来水”，是要润泽万物、各行各业。石油是一个高资金、高技术、周期性高暴利行业。换在AI发展上，美国的逻辑是，通过上万亿美元的巨额投入，持续突破技术上限，维持全球领先地位。而后再将技术领先，转化成市场主导权、规则塑造权和战略优势。科技巨头、顶尖高校、叠加风险资本，形成“准联盟”耦合关系，推动AI不断向着最强模型、最高算力、更大投资集中。这让AI带上了强烈的资本属性，变成了一种稀缺资源。但中国受主客观条件影响，走上了一条别的路。它强调开源开放，推动AI与实体产业融合，让AI成为一种可普及、可嵌入、可扩散的通用能力。与大洋彼岸的高成本投入相比，中国的AI模型具有显著的成本结构优势。仅拿“训练成本”和“推理效率”来说，据瑞银证券分析，中国头部模型的训练成本可能仅为海外龙头的十分之一。这背后是模型架构设计、GPU使用效率上的大量算法层创新。美国同行做了很多前沿探索，花了大量研发成本做实验，而中国厂商更看重性能提升与成本效率的平衡。在推理效率上，中国主流MoE模型设计的激活参数比例普遍为个位数到10%，而美国模型预估为15%—30%，这使得中国模型在推理阶段对算力的需求更低。在工程调度层面，行业整体GPU利用效率约为40%—50%，而中国最领先的玩家可达70%以上。更便宜的电力、更低的数据中心成本，进一步拉大了差距。
有市场研究机构指出，中国模型的定价，并非基于激进补贴或疯狂让利，在API业务上也能实现20%—40%的毛利。这意味着，中国的“低价”是可持续的，并非短期的饮鸩止渴。Token ROI此前，中国虽然便宜，但模型能力被认为仍然相对落后，但随着“Kimi时刻”到来，中国模型的步步紧逼，已经开始让硅谷和华尔街担心：美国AI的投资效率是否太低了。“Tokenmaxxing”，这是Uber首席运营官创造的一个新词。他说的是，仅2026年前四个月，Uber就耗尽了全年Token预算，员工们为刷使用量而执行无价值任务。客户关系管理技术公司Salesforce也称，预计全年付给Anthropic的费用将达约3亿美元。看上去，AI成本如果不加控制，会成为企业一项较重的成本负担，但产出价值却一般。企业数据平台Entelligence.AI于今年5月汇总2444家企业数据后发现：每投入1美元的AI Token费用，仅有18美分产生了触达用户的实际价值；44美分用于修复AI自身引入的Bug，27美分流向返工。Token ROI的严峻问题，正在动摇美国AI高投入模式的根基。另一方面，斯坦福大学《2025年人工智能指数报告》显示，中美最顶尖大模型的能力差距已由17.5%快速缩小至0.3%。而这反映的还是2024年的实况，如今已经2026年。当中美两国性能差距趋近于零，但成本差距却十足悬殊。事实上，瑞银分析师已指出，Kimi K3定价位于国产模型高端，说明优质模型能力具备溢价权。而开源模型的强劲势头，“正在倒逼全球领先玩家降低实际Token定价”。过去，美国靠“技术垄断”建壁垒，中国靠“开源生态+成本优势”打持久战。本来一个是天花板，一个甘愿当地板。但两个无限接近，自然拥有成本优势的那一方，会掌握更多竞争力。继“DeepSeek时刻”后，“Kimi时刻”带给华尔街和硅谷的冲击，正在进一步深化。
涨价背后，阿里腾讯们开启了“卖家产”模式中国模型集体涨价的另一面，也有巨大的算力压力。Kimi K3上线之初，用户请求量就曾一度逼近集群承载极限，被迫暂停C端新用户订阅。算力饥渴，正驱动中国科技巨头开启一场规模空前的资本开支竞赛。近期，阿里、腾讯、字节各大厂，纷纷开启了“卖家产”模式，以养AI。阿里巴巴2026年二季度资本开支达676.8亿元，同比增长75%。巨额投入直接导致自由现金流净流出扩大。阿里巴巴宣布并迅速完成了800亿港元（约合102亿美元）的新股配售，所得款项将全部用于投资全栈AI能力和AI基础设施建设。同时，阿里在8月同意将游戏业务“灵犀互娱”的全部股权转让，为AI建设腾出资金。腾讯二季度资本开支527.8亿元，同比增长176%，是上年同期191亿元的近三倍。财报说明主要受大额算力设备预付款扰动。7月，腾讯通过场外大宗交易出售了2.73亿股快手B类股份，套现资金接近120亿港元（约合104亿元人民币）。在减持快手的同时，腾讯却参与了快手旗下AI视频大模型“可灵AI”的融资，赛道选择倾向十分明显。而据第一财经等媒体报道称，字节跳动正在内部讨论将2026年资本支出最高提升至700亿美元。算力资源的紧张，解释了中国AI需要涨价。因为当跑马圈地的阶段结束，进入“可持续发展”的阶段后，定价需要反映真实成本。
综合来看，中国AI的开源以及质价比，有望进一步激活全球竞争。当然，大洋两岸也都面临共同的课题——如何解决巨额资本开支对利润表的侵蚀。AI商业化能否健康、可持续地兑现，仍然是个问号。