国产大模型API价格分化：低价竞争与新模型均价回升

10月23日，中国信通院人工智能研究所等联合发布《大模型词元服务性能监测报告（2026年）》。报告显示，2026年1月至8月，国内原厂模型发布时的归一化均价由2025年下半年的6.8元升至13.46元。“原厂模型”是模型开发商直接发布的模型。“归一化均价”是按统一输入输出比例折算后的平均报价。每百万Token涨幅约98%。这并不意味着国内大模型告别低价竞争，而是表明API价格已经分化：部分产品继续降价，新发布模型的样本均价却在回升，单一Token报价也越来越难代表一项任务的真实成本。2026年6月国内日均消耗约500万亿Token，已接近2025年12月的4倍，调用规模迅速扩大，使这种价差更快反映到账单和模型选择中。

价格分化的一部分来自统计对象不同。2026年5月至6月，部分模型原厂和云平台确实下调了API价格；报告里的均价则按不同时间发布的模型统计，反映监测样本中新模型的发布报价。它不能直接证明同款模型普遍涨价，更不能推出客户账单翻倍。前者回答哪些具体产品在降价，后者呈现新发布模型处于什么价位，两种变化可以同时发生。

使用方式也会改变同一个Token的价格。报告以（3×输入单价＋输出单价）÷4计算每百万Token的归一化价格，相当于用3∶1的输入输出比例构造可比口径。真实业务的输入输出比例、缓存命中、服务时段和合同折扣并不固定。“缓存命中”是指系统发现重复输入后，直接复用已保存的计算结果，通常按更低费率计费。如今价格表还按模型档次、输入与输出、缓存和服务时间分层，因此公开报价只能提供起点，不能代替实际账单。

模型完成工作的效率同样会影响任务成本。更低的每百万Token价格，如果伴随更长输出、更多重试或更低完成率，未必带来更低的单任务费用。报告监测原厂标准版或满血版，样本会随版本更换。“标准版”是原厂常规配置，“满血版”是未缩减能力的完整版本。附录虽列出模型，却未逐一披露两期均值的样本构成和权重。因此，13.46元适合观察监测样本中新模型的报价趋势，不能当作全市场成交均价。判断低价竞争是否仍在延续，最终要把具体调价、计费结构和任务完成成本放在一起，并继续观察实际账单与完成率。

部分模型降价，新模型发布均价回升

具体产品降价与发布均价上升衡量的不是同一组价格。

2024年5月，阿里云将Qwen-Long输入价从每千Token 0.02元降至0.0005元，成为早期价格战的一个节点。近期的变化更能说明当前竞争。

2026年5月至6月，调价集中在模型原厂和云平台。证券日报报道，5月22日DeepSeek对V4-Pro降价。腾讯云从6月3日起下调平台上的DeepSeek V4系列价格，随后又下调翻译模型和MiniMax M3的部分计费项。这些调价不仅涉及自研模型，也涉及第三方模型在云平台上的服务。相同模型的价格因此还要看接入的平台与生效日期，降价反映的是具体产品和计费项的变化。

信通院给出的13.46元则来自另一组样本。2025年下半年到2026年以来，国内原厂模型发布时的归一化均价从6.8元升至13.46元。报告按3∶1加权输入和输出价格，并列出监测模型；但未逐一列出两期均价所含的模型及权重。因此不能据此计算同款模型平均涨幅，也不能把差额归因于某一因素。发布报价的样本均价不能直接视为所有客户的实际成交均价。

两组材料共同限定了价格战的含义：具体产品和计费项确实可以降价，新发布或被监测的模型组合均价也可以上升。要判断市场整体价格究竟如何变化，还需要同款模型的连续价格、样本清单和计算方法；现有证据只支持“产品降价与样本均价上升并存”，不支持把其中一项概括为全部API价格的方向。

信通院还发现：速度、时延与上下文同时变化

信通院报告不仅监测价格，也比较服务速度、稳定性和不同平台的表现。

它显示，价格分化发生在模型能力和服务条件持续变化的同时，选型不能只比较每百万Token的报价。

2026年8月，受监测的国内原厂模型平均每秒输出78.23个Token。2025年均值为38.25个Token。8月平均首词时延为1.26秒，2025年均值为0.78秒。首词时延是发出请求到收到第一个Token的等待时间。输出更快与首词等待更长可以同时发生。两组数据分别使用单月值和全年均值，模型样本也会变化，不能视为严格同比。报告指出，参数规模、上下文长度和调用量等因素同时变化，时延增加不能简单归为服务退化。

受监测国内模型的上下文长度也在扩大：8月达到100万Token的占47.8%，20万Token及以上合计占95.7%。更长的窗口允许一次放入更多材料，但窗口长度不等于长文档任务的实际完成质量。

报告还监测了DeepSeek、Qwen、GLM和Kimi在不同平台上的服务。同一模型的吞吐、首词时延和调用成功率存在差异；报告称，部分第三方平台表现优于官方平台，同一模型跨平台的吞吐差距最大可接近一倍。相同模型名称因此不能保证相同的响应体验，价格比较还要对齐平台和服务条件。

这些性能结果有明确测试边界：报告使用固定题库，单次输入约50至200个Token，不携带历史对话，并采用流式输出和默认思考深度。监测请求属于短文本场景，不能直接代表长文档或多轮Agent任务。报告所说的调用成功是收到回复，不等于业务任务完成正确。

同一个Token，价格取决于它怎样被使用

API报价已按输入、输出、缓存和服务时间拆分。

价格差不仅来自模型品牌，也来自一次调用消耗了哪类资源。

最新报价也能看到模型档次的差别。

• 阿里云百炼近期公布的北京地域价格中，Qwen3.8-Max输入和输出分别为每百万Token 12元和36元；
• Qwen3.8-Flash分别为0.8元和2.7元。

两者是不同模型，差价不能视为同等能力的纯价格优势。报价可能调整，实际费用以控制台为准。

缓存尤其容易让标价和账单出现落差。阿里云说明，支持隐式缓存的模型只有重复前缀满足条件才具备命中可能；实际是否命中仍取决于缓存状态和系统调度。以其文档中的示例，输入一半命中、命中单价为正常输入的20%时，输入费用为全未命中的60%，输出费用不变。因此，缓存命中价不是所有输入的保底价格。

分时折扣也有类似边界。DeepSeek在V4系列正式发布时宣布低谷价格为高峰一半；这一安排让可延后的任务有机会降低费用，却不保证对低时延业务同样适用。折扣换来的是对调用时间的约束，账单节省应与响应等待一起看。

更便宜的每百万Token，不一定带来更便宜的任务

一次任务的费用取决于输入和输出各用了多少Token、缓存命中多少、选择哪个模型，以及是否重试。

单价下降，即使幅度很大，也只作用于对应计费项。如果模型为解决问题输出更长的推理内容，或者工作流多次调用模型，总费用仍可能上升。反过来，较贵的模型若减少重试或人工处理，也可能降低完成任务的总成本；但这需要同任务、同质量标准下的实测，不能从标价直接推出。

例如，按每百万Token输入2元、输出8元的假设价格，一次调用消耗10万输入和2万输出，费用是0.36元。若输出增至10万，其他条件不变，费用升至1元。即使输入单价减半，后一种调用仍需0.9元。这个算例只展示计费结构，并不代表市场平均账单。

接下来要看实际账单和完成率

信通院的均价回升与近期产品降价共同表明，市场上既有低价竞争，也有能力和服务条件的分层。

现有公开摘要还不足以说明均价上涨主要来自新品组合、同款提价，还是统计口径变化；更不能据此推定厂商利润率或议价能力已经改善。

后续判断价格走势，需要把同一模型、同一平台、相同计费项的连续价格，与新模型发布价格分开看。对具体业务，账单应同时记录输入、输出、缓存命中、重试次数、完成率与时延。只有在相同任务质量下比较每次成功完成的总费用，才能判断一次降价是否真正降低使用成本。如果进一步公布两期均价的逐模型价格和权重，就能更清楚地拆解6.8元到13.46元的变化。