模型降价潮之后，AI开销账单出现了新的矛盾

模型降价潮之后，AI开销账单出现了新的矛盾

5月下旬到6月初，国内几家大模型厂商集中调了价。

5月22日，DeepSeek把V4-Pro的每百万token价格压到原来的四分之一左右。隔了五天，小米MiMo-V2.5系列跟上，输入缓存命中降了99%，输出降了86%。进入6月，腾讯云跟进，DeepSeek-V4-Pro推理输入输出各降75%，缓存命中价格从0.001元/千tokens砍到了0.000025元。

三家出手的幅度和节奏都很快。单看这些数字，AI推理似乎已经逼近水电定价了。

但翻一下这几个月的实际AI支出记录，事情没那么简单。降价新闻刷屏的时候，月费账单并没有成比例地缩水。

用量增速盖过了单价降速

降价只是等式的一边。另一边是用量。

证券时报6月24日报道，某互联网龙头的大模型日均Token调用量已突破180万亿，较发布时增长超1500倍，过去一年增长超10倍。证券时报的原文用了"跨越质变点"——AI调用从试用阶段进入了生产级大规模调用。

单价降了75%到99%，用量涨了10倍以上。两条线交叉之后，总花费的变化方向和降价数字暗示的方向并不重合。

这种矛盾在不同使用强度下表现不一样。轻度使用场景中（月均50万token级别），订阅费是大头，API降价几乎没有影响——订阅费没动，月账单纹丝不动。中度使用场景（月均500万token级别），API支出确实在降，半年前约50元/月，现在约12.5元/月，但同期用量翻了不止一倍，省下来的被用量增量吃掉了一大半。重度使用场景（Agent开发、自动化工作流、月均3000万token以上）的问题更突出：调用量翻了5倍，API单价降了75%，总API支出跟半年前差不多，而新增的工具订阅还在往上堆。

问题不是单价有没有降——单价确实降了。问题是每月实际付出去的钱，跟"降价99%"这个数字制造的心理预期之间，有一道不小的落差。订阅费在这道落差里占了很大比重：不降价，但你也不太会退订。

容易被忽略的几笔成本

除了"单价×用量"这个基础算式，还有几个少有人算的支出项。

工具切换的摩擦。模型降价之后，一部分工作可能从原来的工具搬到了其他平台，又为了特定任务开了新的API。每多一个工具，就多一套计费规则要搞明白、多一个后台要管。省下来的API费用，有一部分被管理成本吞回去了。

Agent的调用乘法。搜狐科技6月26日的一篇分析提到一个容易被忽略的逻辑：模型降价某种程度上是在给Agent生态铺路。Agent做一次多步任务，背后是几十上百次模型调用。Agent能力越强，用得越猛，调用次数就指数级上升——降价省的那部分，被更多次的调用消化掉了。

芯片制造成本的上升压力。华泰证券6月17日研报指出，AI芯片综合成本可能上涨30-50%。HBM存储占据芯片成本约45%，预计价格还要涨。世界经济论坛达沃斯2026年年报的数据显示，推理成本3年跌了97%，剩下的降价空间越来越窄。而芯片制造成本中枢在上移，两股力量在对冲，API继续大幅降价的窗口在收窄。如果芯片成本持续上移而API降价止步，用量还在涨——月费账单的走向就不好说了。

定价表上的箭头一路向下，用量曲线一路向上。两条线交叉出来的结论，不是"AI越来越便宜了"那么简单——单价在降，但每月实际开销未必降，对重度使用场景来说甚至还在涨。

180万亿Token、增长1500倍这个数字摆在面前的时候，AI在按单价变便宜是事实，但打开账单看总金额是另一回事。

🔑