徽声在线6月12日讯（编辑 晨曦）在人工智能领域，一场围绕Token的“价格战”已然拉开帷幕……

随着人工智能应用成本的不断攀升，全球范围内的知名企业与初创公司正纷纷将目光投向价格更为亲民的人工智能模型工具，其中不乏众多来自中国的优秀大模型。这一趋势正给美国行业领军者OpenAI和Anthropic带来巨大的降价压力。有行业观察者担忧，这一局面可能会严重阻碍它们成长为盈利性企业的步伐。

这些新兴的成本节约型工具，通过智能地在第三方AI模型与基于免费开源模型构建的内部AI系统之间切换，助力企业有效降低AI使用成本。

在这一创新生态系统的支撑下，自主AI系统（即智能体）在处理大多数常规任务时，能够直接调用性价比更高的模型，如阿里巴巴和DeepSeek等中国公司研发的模型产品；仅在处理更为复杂、特定的任务时，智能体才会临时调用OpenAI ChatGPT或Anthropic Claude的顶级版本。

据率先采用这些工具的企业高管透露，这种灵活的模式最高可将AI辅助工作的成本削减高达95%。

AI定价变革是否已至关键转折点？

漏洞检测初创公司Detail的创始人Dan Robinson表示：“一旦我们发现某种工作流程运行顺畅且深受工程师青睐，我们就会不遗余力地优化其成本效益。说实话，现在开源实验室里涌现出的优秀成果，简直让人应接不暇。”

Robinson已将Detail高达90%的工作负载从Claude和谷歌的Gemini转移到了自建模型以及中国智谱开发的GLM模型系列上。

Citadel Securities在本周发布的一份报告中指出，转向更经济的模型，或许是近期备受关注的Silicon Data LLM Token支出指数下滑的原因之一。该指数用于衡量全市场每百万LLM Token的支付价格。

“即便是最尖端的技术，也必须面对成本曲线、容量限制和边际收益等现实约束，”报告中如是写道。

徽声在线本周四曾报道，据知情人士透露，OpenAI正考虑大幅降低向AI用户收取的Token费用，此举是在预计Anthropic也将采取类似降价措施之前做出的。OpenAI认为，由于过去一年投入巨资以远低于当前市场价格的成本锁定了计算资源，因此自己在这场价格战中具有优势。

OpenAI首席执行官奥尔特曼在最近的一次公司内部活动中坦言，成本问题已突然间变得“极为棘手”。

而这场愈演愈烈的价格战，极有可能导致OpenAI和Anthropic的亏损进一步加剧。为了支付构建和运营尖端AI系统所需的巨额算力费用，这两家巨头目前每年已耗资数十亿美元。值得注意的是，双方均已在筹备潜在的首次公开募股(IPO)，并已提交了秘密申请文件。

中国模型“极致性价比”优势愈发显著？

AI核心资产Token定价所承受的巨大压力，也为科技界长期存在的一场大辩论增添了新的火药味——未来几年，低成本的竞争对手究竟是会将AI模型彻底推向“商品化”（即白菜价化），还是头部巨头能够凭借快速的迭代速度始终保持领先地位？

对此，OpenAI和Anthropic其实也在做着两手准备。他们近年来也都在积极推广旗下的低端模型，试图以此缓解客户的成本焦虑。

哥伦比亚大学工程学院主管计算与AI的副院长Vishal Misra一针见血地指出：“人们有时并不需要一个精通‘量子引力学’的模型来处理简单任务。当下的开源模型已经非常强大，AI躺着赚取高额溢价的时代即将结束。”

面对这一趋势，美国本土公司也在积极跟进这股廉价AI模型的浪潮。微软上周刚刚发布了一套轻量级AI模型，宣称其运行效率远超前沿旗舰模型；芯片巨头英伟达则推出了正在迅速抢占市场份额的低成本模型家族Nemotron，同时还投入巨资资助了开源AI初创公司Reflection。

无论如何，在这场变革中，来自中国的开源模型在美国企业界的受欢迎程度正呈爆发式增长。据初创公司Vercel披露，在其平台上，DeepSeek的AI使用份额已从4月份的仅1%飙升至5月份的17%。

在另一家处理AI查询的初创公司OpenRouter平台上，自5月中旬以来，DeepSeek已稳居最常用AI模型厂商的首位。

OpenRouter表示，在支出最高的客户群体中，2025年秋季至2026年春季期间，开源模型的Token使用量增长速度是闭源模型的四倍。该公司还观察到，已有超过500家组织从专有模型转向了开源模型。

AI执行助理初创公司Lindy的创始人Flo Crivello表示，该公司两个月前开始探索DeepSeek的V4模型。他和他的25人团队构建了全面的内部工具，以测试这款中国开源模型能否胜任Lindy的收件箱和日历管理、起草邮件以及会议记录等任务。

他们发现，DeepSeek处理这些任务的效果与Anthropic的Sonnet相当，尤其在邮件分类方面表现出色。而其成本仅为后者的十分之一。

Crivello表示，公司目前仍使用更先进的Anthropic模型进行内部编码工作，但总体而言，部分任务的转变已为公司节省了数百万美元。