硅谷大模型市场的竞争格局正在发生根本性转变。据《华尔街日报》报道，OpenAI正在考虑大幅下调Token价格，目标直指竞争对手Anthropic的客户群。这一动向标志着此前长期置身于价格战之外的硅谷头部AI公司，终于开始正面迎战。

今年夏天，风向的转变尤为明显。7月24日，Anthropic率先出招，发布了新模型Claude Opus 5，其定价仅为每百万Token输入5美元、输出25美元，恰好是自家旗舰模型Fable 5价格的一半。Anthropic强调，Opus 5能够“以一半价格接近Fable 5的前沿智能”。在编程能力基准CursorBench 3.2上，两者最高成绩仅相差0.5%，而Opus 5的单项任务成本只有后者的一半；在计算机控制基准OSWorld 2.0上，它甚至以约三分之一的成本超越了Fable 5的最好成绩。

这一举动距离OpenAI发起性价比攻势仅隔两周。7月9日，OpenAI发布了GPT-5.6，其旗舰模型Sol每百万Token输入5美元、输出30美元，价格与上一代持平，但相比Fable 5，输入价格仅为后者一半，输出价格也低了四成。OpenAI在发布时几乎将Fable 5作为标尺，不仅对比跑分，还反复计算完成同一任务所需的Token、时间及最终花费。两家公司不仅在API定价上贴身肉搏，在订阅套餐上也展开了拉锯战，OpenAI重置使用额度并允许累积，Anthropic则顶着算力压力延长Fable 5的套餐权益。

价格战为何突然爆发？ 核心原因在于大模型的购买逻辑已变。随着AI Agent进入企业工作流，模型需要连续执行任务，Token消耗直接转化为生产成本。企业开始重新审视不断膨胀的AI支出，发现难以将成本与实际回报对应。例如，广告巨头WPP的CEO表示公司拥有的Agent已多于员工，许多Token开支未进入原有预算；Uber CTO曾披露公司在四个月内烧光了全年AI预算。因此，企业选择模型的标准从“谁的跑分最高”转向“谁能以更低成本完成同一任务”。OpenAI在发布GPT-5.6时反复强调“Useful Intelligence per Dollar”，即每一美元能买到多少有用的工作，这正点出了Agent时代更现实的指标：成功任务单位成本。

与此同时，头部模型之间的差距已难以支撑长期溢价。对大量日常编程、资料处理和办公任务，市场上已存在多款“足够好”的模型。a16z在2025年调查100名企业CIO发现，37%的企业已同时使用五款以上模型，高于前一年的29%。模型正成为一种可拆分、混用和比价的生产要素，单一模型的性能优势越来越难转化为客户忠诚度。模型公司的焦虑在于：用户接入前切换成本低，接入后迁移成本高——一旦模型进入企业代码库、数据接口和权限系统，更换模型远不止修改API地址。因此，价格战实际争夺的是工作流，谁能在市场未固化时以低价抢到用户，谁就更可能成为未来的默认入口。

中国大模型也在不断压低硅谷的价格锚点。 例如近期爆火的Kimi K3，在代码、数学推理等任务上已进入全球前沿模型竞争范围，API价格仅为输入每百万Token约3美元、输出约15美元，远低于OpenAI和Anthropic旗舰模型的定价。这进一步加剧了硅谷公司的降价压力。

价格战能够发生，更底层的条件是模型推理成本本身在快速下降。据斯坦福AI Index统计，达到GPT-3.5水平的模型推理成本，在2022年11月至2024年10月间下降了超过280倍；同期AI硬件成本平均每年下降约30%。模型架构、芯片利用率、量化、缓存和批处理的进步，都在释放降价空间。

价格战最直接的受益者是用户。 每百万Token几美元的价差，当消耗累计到数百亿Token后，便成为一笔真实成本。对预算有限的创业公司和个人开发者，它甚至可能决定一个产品能否成立。当同样的预算可买到更多Token，应用公司便能让昂贵模型处理复杂任务、便宜模型承担日常工作，允许Agent进行更多轮尝试。过去因推理成本过高被搁置的客服、编程、研究和自动化场景，开始重新具备商业可行性。

然而，价目表上消失的成本并未真正消失，只是转移到了模型公司账上。据《The Information》报道，OpenAI的推理成本在2025年增长了四倍，调整后毛利率从40%降至33%；另据《华尔街日报》报道，OpenAI将截至2030年的预计算力支出上调至近7500亿美元。这意味着，模型价格每下降一轮，企业都要面对更严苛的规模经济考验：只有调用量增长快于价格下降，同时推理效率持续提高，降价才有可能被更大的收入消化。

短期来看，OpenAI和Anthropic呈现攻守之势。在GPT-5.6带动下，Codex和ChatGPT Work的活跃用户合计已突破一千万。如果模型进入企业代码库、数据接口和权限系统，低价吸引来的用户可能沉淀为长期客户。但若用户缺乏忠诚度、边际毛利不足，新增调用量便可能主要放大算力支出，而难以沉淀为长期收益。

价格战由此变成了一场资本耐力赛。 它降低了使用智能的价格，却提高了生产前沿智能的门槛。越来越多的通用能力将走向基础设施化，前沿模型仍能凭借复杂编程、长时任务和高难度推理获得溢价，但这种溢价会越来越短暂。近期流传的DeepSeek投资者交流纪要中，梁文锋也提出假设：不同公司的模型能力不会长期保持巨大差距，竞争最终会落在成本、迭代时间和用户体验上；随着基础模型利润率下降，牌桌将从群雄混战收敛到少数几家公司。对模型公司而言，留在牌桌上的每一天，只会越来越昂贵。