近一个月来，硅谷AI界捷报频传，GPT-5.6、Fable 5、Grok 4.5等前沿模型相继问世。国内开发者与程序员群体因此沸腾，关于这些模型的讨论与测评层出不穷。尽管本月也有Kimi-K3等国产新锐模型问世，但从整体来看，国产大模型在一线开发者群体中仍处于“叫好不叫座”的状态。根据最新数据，OpenRouter 6月22日至28日的统计显示，中国模型周调用量达到20.39万亿Token，美国模型仅为4.25万亿，前者已连续九周领先。然而，与之形成鲜明反差的是，国内“AI六小龙”的营收表现却不尽如人意：智谱2025年营收7.24亿元，亏损却高达30亿元以上；MiniMax营收7900万美元（约5.7亿元）；月之暗面等其他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作为AI头部企业，ARR已达到约600亿至700亿美元，主要驱动力为B2B API及AI Coding场景。这不禁引出一个尖锐的问题：为何号称“便宜”、“调用量大”的国产模型，至今仍然叫好不叫座，在AI Coding等高价值场景上难以与国外顶尖模型正面抗衡？
近期，通过与多位一线开发者的深入探讨，笔者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”。也正是因为这种“贵”，让某些性能上有所突破的国产模型难以真正展现其价值。
一、“低价”的误区
提起国产大模型，很多人首先想到的是DeepSeek、Kimi、智谱等代表，与之关联最紧密的标签便是“低价、便宜”。若仅从Token单价上看，国产模型与GPT-5.6、Fable 5等顶尖模型相比，确实存在优势。以GLM-5.2与DeepSeek V4为例：GLM-5.2每百万Token输入/输出为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则为10/50美元。
但实际上，这种“低价”印象是圈外人长久的误区。尤其是在高强度编程场景下，国产大模型的单价不仅没有优势，反而比有套餐的GPT、Claude贵出几倍。
李光是AI领域的一位科研工作者，因工作需要，每天在AI Coding场景下消耗几十亿Token。在这样的消耗量下，若使用国产模型，例如GLM-5.2，整体成本会变得非常恐怖。李光晒出的Token账单显示，交谈当天消耗的Token已接近40亿。换算如下：若使用GLM-5.2，成本约为（8639万普通输入×1.4美元＋33.80亿缓存输入×0.26美元＋1906万输出及推理×4.4美元），总计约1084美元，按1美元兑7.2元估算，约合人民币7800元。而李光之所以能如此放开手脚烧Token，是因为他开通了GPT的CodeX套餐。简单来说，CodeX是针对编程场景推出的套餐：Plus为20美元/月，Pro从100美元/月起，额度约为Plus的5倍或20倍；触顶后可购买Credits继续使用。同样地，Anthropic的Claude Code也有类似套餐：Claude Pro为20美元/月，Max 5x和Max 20x分别为100、200美元/月；Claude网页端与Claude Code共享每5小时及每周额度，触顶后可按API价格续用。
在这些套餐的兜底下，巨大的Token成本被抹平。对于国内开发者而言，在高强度AI Coding场景下，每天消耗几十亿甚至上百亿Token是常态。小刘是一位AI Coding重度开发者，他在CodeX上实际一周花费约300元人民币，即便是在没有公司报销的情况下。但即使是这样的成本，对比国产模型，依然显得“便宜”很多，因为同样300元，根本买不来GLM 5.2同等数量的Token。小刘的Token账单表明，在国内开发者眼中，GPT的CodeX套餐是目前能买到的最便宜的token，比智谱、Kimi便宜好几倍。这可能反直觉，但事实就是国产模型在高强度的Coding场景下，性价比完全无法与之对比。
需要说明的是，CodeX并非真正意义的不限量套餐，如果按最高档200美元算，一周大概有20亿额度。但由于部分开发者通过“中转站”等手段使用模型，某些模型的实际成本会比官方渠道低很多，这才有了300块能买120亿Token的现象。实际上，国产模型并非没有推出过类似套餐，但如果细究起来，其限额方面相比CodeX存在很大限制。
二、国产定价之痛
国产大模型在定价方面的现状，可以用一句话来形容：“你以为你进的是自助餐的场子，但最后发现，商家还是按斤计费。”
以套餐为例，国内的Kimi、GLM-5.2：Kimi Code分为49、99、199、699元四档，额度按周刷新；GLM Coding Plan的Lite、Pro、Max每5小时分别约80、400、1600次Prompt，每周约400、2000、8000次，且GLM-5.2高峰期按3倍扣额。以阿里的Qoder为例，根据笔者一位从事B端客户运维的朋友阿迷介绍：“Qoder曾经是国内最好用的AI IDE，可惜它自己的新定价把优势搞没了。”在套餐方面，Qoder CN个人Pro、Pro+分别为59、169元/月，含2000、6000 Credits；Teams与VPC版分别为99、199元/席位·月，均含3000 Credits，后者50席起售。“今年他们合并灵码调了定价后，就我知道的，至少都有二三十家放弃续费了。”阿迷后来介绍道。根据阿迷的测试，Qoder企业版199的套餐，按他的用法，3天就没了，如果按重度开发者的用法，估计一天就没了。
同样地，在套餐方面，令国内用户感到五味杂陈的还有GLM-5.2。按照开发者小薇的说法：“GLM-5.2的套餐约等于没有，就算有套餐高峰期仍然限流，并且还存在‘背刺’用户的现象。”此前，GLM-5.2的套餐比演唱会门票还难抢，每天早上十点钟准时刷新，能不能买到全凭手速。2026年1月，智谱发公告说因为算力紧张，把每日可销售量直接砍到原来的20%，每天早上10点放一点额度，几分钟就售罄。
说到底，国产模型在套餐、价格上的“吝啬”，本质上是算力不足造成的窘迫。根据2025年中国信通院、工信部的数据，中国现存的数据中心是449个，而美国则是5427个；在总算力方面，中国为1053 EFLOPS，美国则是2400。但关键在于，美国那2400 EFLOPS里高端GPU占比极高；中国的算力里，大量是华为昇腾、寒武纪等国产芯片，单卡性能与H100仍有代差。为应对高涨的算力需求，2026年3月开始，智谱、阿里云、腾讯云、百度在Token价格上集体涨价，涨幅从5%到460%不等。
说白了，国产模型的“低价”、“价格战”早已成为过去式。不是国产模型不想搞“自助餐”，是因为算过账：以现在的算力成本和亏损状态，搞包月等于拿固定月费去赌用户不会刷爆，而按照国内开发者、程序员动辄一天烧几十亿、甚至上百亿Token的用法，这样的商业模式很快会被击穿成本线。而OpenAI和Anthropic的编程套餐，卖的是高净值企业客户——Cursor、GitHub Copilot这种大客户一年能给Anthropic贡献14亿美元收入。在高算力的加持下，这套商业模式本质是用“固定月费”换“长期锁客”，客户质量高，ARPU也相对较高，摊得平成本。相比之下，国内虽然有阿里这样的云巨头，但问题是：阿里云FY2026调整后EBITA Margin只有7.5%，云智能集团虽然收入增长快，但利润并不丰厚。并且，传统云厂商敢卖“不限量云服务器”，是因为用户不是24小时满负载。一台ECS，实际CPU利用率可能只有10%，云厂商可以把一台物理机超卖给十个人。但大模型推理不一样：来一个token，就要实打实烧一次GPU算力。用户如果24小时不间断刷，云厂商的HBM显存、GPU核心、电费全是刚性支出，没有任何超卖空间。
三、模型的“黄金三角”
除了价格因素外，对国内开发者来说，选择CodeX、Claude Code的原因无疑是其强大的编程性能。然而，在性能方面，国产模型也并非像某些刻板印象中想的那样。在与多个开发者交谈后，笔者发现一个较为普遍的观点是：国产大模型，尤其是GLM-5.2等最新模型，已经可以承接一些辅助性、次要的任务，例如做测试和修改Bug。但在较为复杂的、长时间的异步任务上，国产模型目前与GPT、Claude等顶尖模型仍有较大差距。
开发者小张今年3月份用过一次国产模型编程，用GLM、Qwen和GPT对比同样的任务，只有GPT跑完了，且符合页面要求，那是一个多级、多列内容比对和结果生成的项目。而另一个开发者小薇则表示，根据她的体验，Kimi 2.7和豆包2.1 Pro性能也尚可，但总体而言要弱一档（属于第二梯队），但总体而言也超过了Claude Sonnet 4.6。目前，开发者群体中的普遍共识是：GLM-5.2是第一个达到了Opus级别的国产模型。它在执行真实的、复杂的、长时间的异步任务中是可用的，占据了一席之地。尽管在很多维度，例如世界知识上，其与真正的Opus模型仍有较大差距，但这不妨碍其成为国产模型的新高度。但现实是，这刚刚崭露头角的少数“尖子生”，却被与性能无关的其他因素拖累了。具体来说，这些因素包括缓存效率不高、高峰期仍然会限流等等，让开发者的实际体验很糟糕。
这就引出了当下模型对比中的另一个维度：稳定性。在一线开发者、程序员的体验中，模型的选择早已不是简单的性能对比，而是——性能、价格、稳定性的“黄金三角”。在这三个维度中，国产模型只勉强拿下了第一维度的部分指标。
近期，国内的Kimi发布了其最新的旗舰模型K3：这是一款拥有2.8万亿参数、原生多模态和100万Token上下文的开放权重旗舰模型，主攻长程编程、知识工作与深度推理。在众多测评中，其在Artificial Analysis上的智力指数是57分、位列全球第三；Arena前端编程榜以1679分登顶，甚至有传言称其性能已经能比肩Claude Fable 5。然而，在耀眼的分数与排名背后，开发者关切最多的，仍然是一个词：性价比。在K3发布后，很多开发者表示，现在Kimi仍然很贵，与CodeX相比没有性价比，且额度不够用。单看API价格，K3也谈不上“白菜价”：每百万Token缓存/输入/输出分别为2/20/100元；GPT-5.6 Sol为0.5/5/30美元，K3虽低于Sol，却明显高于GPT-5.6 Luna的0.1/1/6美元。且在使用K3的过程中，开发者表示还出现了API断连，甚至断了一上午的情况。
就目前的情况来看，国内开发者不是不愿意为国产模型付费，而是国产模型目前因算力紧、成本高，开不起CodeX这样具有性价比的套餐，只能开看似自助餐、实则限量的“大众点评套餐”（类似智谱的Coding Plan）。而套餐的体验不稳定、性价比模糊，导致用户使用过难以留存。这本质上，是在目前算力底座成本高的情况下，用户的理性选择。
以上这些，并非我们要长他人志气，灭自己威风，只是想提示一种风险。目前，国产模型在追赶GPT、Claude的路途中，非常喜欢强调性能，但国产大模型从研发到应用，需要攀登的，远不止性能这一座高山。我们需要的是等待，等到国产算力基座大规模量产了，在技术、价格、稳定性方面，形成合力了，我们的产品就能撑起用户的期待。