2024年以来，大模型的价格出现了显著的下降趋势，并且是全球性的。
海外AI巨头，OpenAI和谷歌都在五月的新品发布会上，下调了模型调用价格。
OpenAI的GPT-4o支持免费试用，调用API的价格也比GPT-4-turbo降低了一半，为5 美元/百万tokens。谷歌的当家王牌Gemini大模型系列，Gemini 1.5 Flash 的价格为0.35美元/百万tokens，比GPT-4o 便宜得多。
同样的“价格战”，也在国内开打。
5月13日智谱AI上线了新的价格体系，入门级产品GLM-3 Turbo模型，调用价格从5 元/百万tokens，降至1元/百万tokens。紧随其后的字节跳动，正式发布豆包大模型家族，其中的豆包通用模型Pro 32k模型，定价为0.0008元/千tokens。
当一串代表价格的数字，成为各家发布会上最显眼的一页、最广为传播的信息，其他厂商为了不失去曝光度，不流失现有用户，当然也要有所表示，被动跟进，加入“价格战”。
就在今天，5月21日，阿里云也抛出重磅炸弹，宣布通义千问主力模型Qwen-Long，API输入价格降至0.0005元/千tokens。
大模型价格正在竞底，但究其本质，向下竞底是不具备“向上定价”的条件。将“降价”而非“卖贵”作为核心竞争力的大模型，是走不长远的。
降价的本质
是无法“向上定价”
大模型百万tokens价格一再跳水，OpenAI说是为了“造福世界”，谷歌说是为了扩大AI用户，国产大模型厂商也纷纷表示要让利个人和企业开发者。
那为什么ChatGPT、Gemini刚问世的时候，就敢于强势向开发者收钱呢?那时怎么不践行“造福世界”的初心呢?
我们越过那些官方的宣传辞藻，来看几组行业数据，就会发现：降价是一种必然。
第一，模型能力正在趋同，OpenAI/谷歌也没有护城河。
数据显示，自GPT-4发布以来，多个模型在GPT-4水平性能上的巨大收敛，然而并没有明显领先的模型。
就是大家都在向GPT-4看齐，但谁都没有突出优势。能力趋同的前提下，不得不放弃收费，靠降价/免费来争夺用户，保住地盘。
第二，大模型的边际收益正在持续走低。
Gary Marcus 博士在“Evidence that LLMs are reaching a point of diminishing returns — and what that might mean”《LLMs正达到收益递减的证据——及其可能意味着什么》一文中提到，从GPT-2到GPT-4甚至GPT-4 Turbo的性能变化，已经出现了性能递减的迹象。
在收益递减的背景下，意味着处理相同的任务，开发者的实际成本是在上升的。在AI创新商业化前景还不明朗的市场环境下，为了保住现有用户，大模型厂商必须给出有吸引力的对策。包括提供更小的模型，比如谷歌推出的Gemini 1.5 Flash，通过“蒸馏”实现了与Gemini 1.5 Pro性能接近、成本更低。另一个手段就是直接降价。
综上，大模型降价的本质，是因同质化竞争+投入产出比降低，而无法卖贵、不敢卖贵的必然选择。
向下竞底的前途
是没有前途
论迹不论心，只要大模型厂商的降价行动，能够切实惠及企业和开发者，当然是受市场欢迎的。
问题就在这里，企业和开发者能从中获得多大收益呢?
有人说，降低成本能推动大模型的“价值创造”，是错误的因果归因。大模型的“价值创造”，是以大模型本身为锚点，而非价格。
最直接的例子，ChatGPT问世即付费，当时很多从业者都很开心，认为市场终于重返工程师主导的文化，技术为王，代码竞争，“没有那些精心设计的流量游戏或者运营技巧，没人会动砍一刀送1000个token的心思”。说明明码标价、为好东西付费的模式，才是开发者心中的良性商业模式。
差的商业模式是什么?是模型能力不行，企业和个人开发者投入了大量时间、精力，结果无法建立竞争力，无法从应用创新中获得商业回报。
有一个SaaS开发者直言：“我们折腾了一年(做基于LLM的产品)，也有不少用户提出了付费需求，但我们感觉做不到SLA，全部婉拒了。”所谓SLA，是指一定开销下，服务商与用户之间的一种协定，来保障服务的性能和可靠性。
开发者和ISV服务商，如果被低价吸引，但底座模型的能力却不行，不能解决用户的问题，赚不到钱，还投入了大量研发资金和工程团队，那最后实际的沉没成本，可比调用省下的仨瓜俩枣大多了。
正如微软所强调的那样，大模型“仍将是解决众多复杂任务的黄金标准”。所以，良性的商业模式，是大模型能力持续提升，商业化版本上同时兼顾普惠。
以下图来说，逐步进入到低价高质的绿色区域，也是“最具吸引力象限”。
从图中不难看到，GPT-4o是目前质量最高、价格相对降低的位置。
而放眼国内的厂商，模型能力如果达不到OpenAI的水平，一味拼价格并不是一个好策略。
可以推演一下，打价格战，会发生三种情况：
最乐观、最好的结果，是大模型厂商靠低价吸引用户，用户数量和使用量的规模化增加，能够低效甚至超过降价的亏损，实现盈利。而即使是最好的情况，大模型企业也会在短期内，利润受到挤压，财务表现可能会受到来自资本市场或投资人的压力。
至少目前来看，可能性很小。降价或许能够吸引不少用户尝鲜、试用，但最终模型能力才是沉淀下来的主因，留存率并不一定理想。
用户增长不确定，大模型投资成本却在节节攀升，意味着大模型厂商的风险敞口不断扩大，由此带来打价格战的一种最坏情况：国内大模型厂商被迫跟进价格战，不断压缩本就不大的盈利空间。
Anthropic的CEO曾向媒体透露，目前正在训练的模型成本已接近10亿美元，到2025年和2026年，将飙升至50亿或100亿美元。
这意味着，一旦大模型企业为了“价格战”，现金流会持续承压，缺乏充足的资金投入到招募AI人才、升级基础设施、部署数据中心、升级网络等投资中去，模型进化与迭代也会受到影响，从而让国产基座模型进入发展瓶颈期，与世界一流水平的差距越拉越大。
需要注意的是，社会各界用户早已在各个模型厂商的宣传布道中，拔高了对大模型的期望值。一味推广低质低价的使用体验，让人们对AI失去信心，觉得大模型不够万能、啥都干不好，对这一轮大模型主导的AI热潮，将是极大的负面影响。
当然，也不必过于焦虑。最坏情况和最好情况一样，发生的概率不大。现实中最有可能的，是大模型行业在最佳和最坏情况之间震荡。
一部分模型性能领先、商业模式向好、客情关系良好、现金流相对充裕的厂商，能够在跟进降价的同时，保持对底层创新的持续投资，但长期可以摊薄研发成本，靠规模增长来实现收入上涨。而注定也有一部分企业会在价格战与现金流压力下，被震荡出局。
一个AI公司创始人就表示：其实挺期待AGI到来的，虽然能秒灭我们这种小团队，但至少大家都解脱了。
说到底，一味打价格战，AI巨头有没有前途，不一定，但创新型小公司，一定危险。
降价的前提
是有“向上定价”的实力
有必要叠个甲，我们不反对大模型降价，鼓励大模型厂商为个人和企业开发者减轻负担。
只不过，当舆论各方都关注“低价”的时候，当一场大模型发布会的亮点是百万token价格小数点后有几位，当大模型的商业模式从技术为王，变成“羊毛出在猪身上”、把用户当成流量商品……有必要再重申一下：新技术，是大模型产业的“震中”。
高科技领域，新技术层出不穷。企业要在一波又一波技术浪潮中，同时扮演“颠覆者”和“防御者”。拿大模型来说，厂商必须有至少两个梯队来参与竞争。
一个梯队负责进攻，孵化全新的模型和产品，追逐技术上的颠覆式创新;另一个梯队负责防御，通过低价、生态等守住现有业务和用户，抵御对手的袭击。
而当前，大模型厂商的更优先事务，不是“向下降价”，而是塑造“向上定价”的可能性。
将自家大模型矩阵中的某一些特定模型，做一个极致低价，是很容易操作和吸引眼球的。能把大模型卖出去，向上定价，向价格段的上游迁移，才是AI实力的体现，才能让企业保有更长的生命力。
举个例子，GPT-4o虽然免费，但免费版本只提供有限的次数，而天花板级别的语音交互能力又带来了极强的付费潜力。此外，GPT-5也早就被曝已经做出来了，只是OpenAI没决定好何时推向市场。谷歌也采用类似的策略，更低价格、更低成本的模型，与高性能的付费模型，以及庞大的软硬件生态来让AI落地，共同构成商业版图。
当前国产大模型亟待完成的，是能力突破的技术进击。
从我们了解的大模型使用情况来看，企业和个人开发者最在意的商业化问题，仍然要靠模型本身的进化来解决，比如说：
目前阶段，很多任务场景，大模型连兜底的效果都还没有搞定，距离SLA级别的收费标准差距很大，无法达到商用;
精调虽然可以满足一部分场景，但难以泛化。有些场景的大模型精调效果，还不如用传统的小模型。这不是大模型“够不够便宜”的问题，是“为什么要用”的问题;
最终用户愿意付费的AI应用，必须真正做到降本增效，学习成本高一点都不会用。这就需要服务商和开发者详细地拆解任务流程，不忽视任何微小的业务细节，量身定制，降低整个开发过程的周期和难度，或许比降价更有吸引力。
其实，大模型质价比的“最具吸引力象限”，已经说明了，质量做高的前提下，实现价格更优，才是大模型商业化的可持续之路。
向下竞底只是权宜之计，能够“向上定价”的大模型才有未来。
