国产大模型的价格已经卷出网约车大战和百亿补贴的味儿了

登录就送500w tokens！1块钱 100w tokens！一降再降！！仅需0.0008元/千tokens！

没错，互联网价格战熟悉的“味”，已经悄无声息的打到了大模型的战场。

技术狂飙了一年，大模型公司们早就按捺不住要搅弄商业风云的心，5月份，多家大模型产品宣布了密集的降价策略。

严格来说，是堪称为大模型界“拼多多”的DeepSeek，率先点燃了价格战的引线。

5月6日，DeepSeek官网推出了“高性价比”的大模型，将旗下的大模型DeepSeek-V2的价格降到了每百万token输入1元、输出2元（32K上下文），能力对标GPT-4、llama 3-70B，价格仅为GPT-4的近1%。开发者登录 DeepSeek 开放平台送 500万 tokens。

智谱第一个不服。5月11日，智谱AI调整了旗下入门级大模型GLM-3-Turbo（上下文长度128k）的价格，从0.005元 / 千tokens降低到0.001元 / 千tokens。此外，开放平台新注册用户获赠从500万tokens提升至2500万tokens（包含2000万GLM3-Turbo和500万GLM4）。而GLM-3 Turbo Batch批处理API还将进一步便宜50%——0.0005/千 tokens，也就是1元200万tokens。

5月15日，火山引擎原力大会上，豆包高调的将本来在水面下的价格战，赤裸的搬到了台面上。

会上火山引擎总裁谭待宣布豆包主力模型在企业市场的定价只有0.0008元/千 tokens，0.8厘就能处理1,500多个汉字，比行业便宜99.3%。

现场观众的激动程度堪比听到大主播在直播间大吼：“家人们，我们把大模型的价格打下来了！”

在DeepSeek发起，几个核心厂商跟进的局面下，也彻底拉开了大模型商业竞争进入了“卷价格”的新赛段。

有意思的是，大家比价归比价，都拿百度文心和阿里通义当靶子。

无论是DeepSeek、智谱还是豆包，都以文心和通义为标尺进行比价。当然，这也侧面反映了，这两个模型确实在中国大模型中，占据了很重要的位置，甚至是参照物。

虽然不谈性能只谈价格的方式无异于“耍流氓”，但对于价格敏感型的客户而言，价格基本上就是唯一的决定性因素。

智谱在公布新大模型时，做了直观的比价图，GLM-3-Turbo的价格是阿里qwen-turbo的八分之一，是百度ERNIR 3.5的十二分之一。当然对比ChatGPT的时候，就不能抛开性能，只比价格了。

同样，豆包在发布豆包通用模型pro的价格时，也拉来了百度和阿里的对标模型作为价格对比。基本上，行业价格等于ERNIE和Qwen的平均价格。

还有卷的更狠的，直接拉国内外的主流模型们进行集体比价。

而针对被当活靶子以及是否参与价格战的问题，百度在豆包宣布全面降价的下午便回复道：“文心大模型日均处理Tokens文本已达2490亿，并强调使用大模型不应只看价格，更要看综合效果。”

为了能够让客户更了解低价的现实意义，各家大模型厂商都在努力“接地气”。

1块钱在现实世界可能连个包子都买不到，但是在智谱，你能写1万条小红书（以350字计算）；在豆包，你能读三本《三国演义》；在DeepSeek，一位普通开发者充50块钱能用好几年。

不仅卖，他们还免费送。

开发者登录 DeepSeek 开放平台就送 500 万 tokens，而智谱似乎就是要跟DeepSeek硬刚，随即宣布新注册开放平台用户赠送额度提升500%。开放平台新注册用户获赠从500 万tokens提升至2500万tokens（包含2000万入门级额度和500万企业级额度）。

有开发者表示：“如果只是自己开发测试根本用不完，热闹都是他们的，我们就负责占便宜。”

面壁智能直接喊出了“不降价，0元不限量”的活动。不过这是因为模型本身免费开源，且部署在端侧，利用终端设备算力，无需调用云端API。

有开发者向硅星人表达了自身感受：“以前薅服务器和存储空间，现在薅tokens，不出意外的话，后续几家主流的模型厂商都会跟进，我们未来3年可能都不用买tokens了。”

那么问题来，到底谁是最便宜的大模型？

硅星人根据各家厂商的官方信息，汇总整理了部分大模型API的价格，直观的对比了价格，话不多说，直接上图（这可能是市面上最全的比价图了）：

从图表中整理的情况来看，如果按照绝对值计算，豆包pro32k是目前市场价格最低大模型，但DeepSeek-V2的上下文文本长度为128k，对比下来，可以说是性价比最高的大模型了。

价格战对于每一代的互联网人而言，都并不陌生，降价策略通常被视为吸引更多用户、增强用户黏性和市场份额的一种有效手段，但同时，也常常逃不开“拿钱换增长”的恶性循环。

谭待讲道：“用亏损换收入是不可持续的，所以我们从来不走这条路”。

DeepSeek v2版本发布时，其员工也表示：基本纯靠模型结构创新（MLA+DeepSeekMoE）+ 超强Infra，且“目前就是大规模服务的价格，不亏本，利润率超50%”。

价格低还有利润？是怎么做到的？

影响大模型推理价格的降低的因素有很多，比如技术进步和优化就是一个直接的原因，不少开发者惊叹于幻方是怎么兼顾模型效果和成本的。

首先源于DeepSeek本身的硬实力，就是我们俗称的“有卡”。根据幻方官方信息，其幻方 AI 智能超算集群配备了 1 万张英伟达高性能的 A100 计算卡，硬件和计算资源可能也是DeepSeek能够保持低价的原因。它也是国内为数不多非大厂拥有万卡的公司。

其次是来自于架构和算法上的创新。这一点和豆包能低价是相同的。

谭待介绍道：“火山引擎在技术上有非常多优化手段，可以降低大模型成本，此外在工程上可以通过分布式推理的形式将底层算力使用得更好；另外，在混合调度方面，可以把不同负载作为混合调度，这样的成本也大幅下降。”

我们都知道，当一个行业进入了价格战阶段，就意味着产品走向了同质化。在大模型发展的早期技术的差异性还未清晰，但低价确实能够带来更广泛的渗透，于国内大模型而言，这是福还是祸？

客观上来看，大模型API价格战和推理价格的下降，有可能推动AI应用的广泛普及和创新，因为更低的成本使得更多的企业和开发者能够负担得起这项技术，也有更多的尝试空间。不过，降价能否帮助大模型厂商带来更多新增用户和付费用户，仍值得商榷。

虽然价格的降低可以短期内吸引更多用户尝试和采用AI大模型，但长期而言，技术能力的提升和创新是确保大模型应用普及和持续发展的根本。从互联网技术的发展历程中，我们可以明确看到技术创新和提升为行业带来的深远影响，这对大模型的发展同样适用。

正如移动互联网的普及并不只是因为手机价格的降低，一个重要原因是苹果推出了iPhone，将多点触控等技术引入手机，带来了新的人机交互方式，让iPhone软件生态的建立成为了可能。

价格战打到最后，受益的大概率只是少数头部企业。如果不能有效控制成本的企业若盲目加入价格竞争，无疑会丧失自身优势，陷入他人设定的竞争节奏，最后又是一轮行业洗牌。

不只要“卷”价格，更要“卷”技术，“卷”产品，全方位的“卷”，才能找到新出路。