中国AI这周连出四招，OpenAI被迫降价80%

OpenAI把GPT-5.6 Luna砍了80%。

每百万token的输入价格从1美元降到0.2美元，输出从6美元降到1.2美元^[1]。同一天，Anthropic推出半价的Claude Opus 5，还顺手取消了原定9月的Sonnet 5涨价计划^[2]。

你可能觉得，这是美国巨头在让利用户。

不是。他们是被逼的。

72小时，四记重拳

这一周，中国AI公司干了什么？我用一条时间线给你捋一下。

四家公司，三天时间，四个重磅模型。然后OpenAI降价了。

巧合吗？我觉得不是。

从"追赶者"到"定价者"

FT在8月14日的报道里提到一个细节，我觉得很关键。DoorDash和Airbnb这些美国企业，已经开始用中国模型来压低AI账单了^[2]。

这不是个别现象。根据Silicon Data的token价格指数，美国顶级实验室的token价格自7月中旬以来下降了近25%^[2]。

更关键的信号来自Artificial Analysis的基准测试。他们发现，OpenAI的GPT-5.6 Luna在最高推理强度下，性能跟DeepSeek V4 Flash差不多，但成本高了将近两倍。Anthropic的Claude Opus 5在中等推理强度下，性能和成本跟月之暗面的Kimi K3在最高强度下类似^[2]。

说真的，我看到这组数据的时候愣了一下。

中国模型已经不需要靠"更便宜但更差"来竞争了。它们做到了一样好但更便宜。这才是OpenAI和Anthropic真正害怕的。

这不是主动进攻。这是战略性撤退。

技术不再有代差

先把四家公司的技术参数摆出来看看。

模型	公司	参数规模	上下文	许可证	核心亮点
dots3-note Preview	小红书	280B MoE / 16B激活	512K	开源	IMO满分同系列，Terminal-Bench 2.1得分75.1[6]
GLM-5.3	智谱	743B MoE	—	两周后开源	编程+50%，CyberGym 84.5%，检出2436个漏洞[4]
Qwen3.8-27B	通义千问	27B Dense	262K（可扩展至1M）	Apache 2.0	超越Qwen3.7-Plus，家用显卡可跑[5]
DeepSeek V4 Pro	DeepSeek	1.6T MoE / 49B激活	1M	MIT	Agent能力暴涨近5倍，价格为GPT-5.5的1/8[3]

几个细节值得展开。

小红书的dots3-note，280B总参数但只激活16B。这个效率很恐怖。更关键的是，它的同系列模型dots-note-3.0上个月刚在国际数学奥林匹克竞赛IMO拿了满分42分，全球只有7个人类选手做到^[7]。一个做内容社区的公司，做出了全球数学竞赛满分的AI模型。这个反差本身就值得专门写一篇文章。

智谱的GLM-5.3更有意思。基座模型完全没换，和上一代GLM-5.2一模一样的743B参数。所有提升都来自后训练阶段的极致Scaling^[4]。编程能力涨了50%，还涌现出了网络安全能力，半个月挖出2436个漏洞，最老的一个藏了40年。这给了一个信号，中国AI公司已经在"怎么训练"这个环节上找到了新路径，不再单纯依赖堆参数。

通义千问的Qwen3.8-27B，270亿参数的稠密模型，量化后家用显卡就能跑。千问系列全球下载已经超过30亿次^[5]。30亿次。这个数字本身就说明了开源生态的规模。

DeepSeek V4 Pro，1.6T总参数，1M上下文，MIT许可。最亮眼的是Agent能力，软件工程基准DeepSWE从12.8飙到62.7，接近5倍提升^[3]。价格只有GPT-5.5的八分之一。

这四家公司，走的路完全不同。小红书做轻量高效，智谱做后训练Scaling，通义千问做开源生态，DeepSeek做Agent和长上下文。但它们指向同一个结果，中国AI不再是在某一个点上追赶，而是在多个方向上同时施压。

开源形成的生态压强

这周发布的四家中国模型，全部开源或即将开源。许可证不是限制性的，是Apache 2.0和MIT这种最宽松的。

开源的意义不只是免费。是控制权。

DoorDash和Airbnb为什么开始用中国模型？不只是因为便宜。是因为usage-based billing让他们受够了^[2]。Anthropic和OpenAI把一些企业客户从固定订阅转向按量计费，账单不可预测。企业最怕的不是贵，是不可控。

中国开源模型给了一个替代方案，你可以下载，可以部署在自己服务器上，可以微调，成本你自己说了算。

这才是真正的压强。不是某个模型比某个模型强多少，是整个开源生态在侵蚀闭源模型的定价权。

价格战的底层逻辑

FT报道里有一个细节很有意思。Artificial Analysis的测试显示，OpenAI的GPT-5.6 Luna在最高推理强度下，跟DeepSeek V4 Flash性能相当，但每个任务的成本高了将近两倍^[2]。

翻译一下，同样的事情，中国模型做得一样好，但只要一半价钱。

模型	输入 ($/M tokens)	输出 ($/M tokens)	来源
GPT-5.6 Luna（降价后）	$0.20	$1.20	OpenAI官方[1]
GPT-5.6 Luna（降价前）	$1.00	$6.00	OpenAI官方[1]
Claude Opus 5	$5.00	$25.00	Anthropic官方[2]
DeepSeek V4 Pro	$1.32	$3.96	硅基流动[3]

OpenAI把Luna砍了80%之后，价格终于跟DeepSeek在一个量级了。但即便如此，Artificial Analysis的数据显示，Luna的成本仍然比同类中国模型高近一倍^[2]。

所以降价80%不是终点。如果中国模型的迭代速度保持现在的节奏，美国巨头还有继续降价的空间。或者说，还有继续被迫降价的空间。

主流观点错在哪

大部分媒体在报道这次降价的时候，用的框架是"OpenAI通过技术进步降低成本，把红利让给用户"。

这个说法不是全错。OpenAI的博客确实提到GPT-5.6在运行效率上有提升^[1]。但有几个细节被忽略了。

第一，Anthropic同周取消了原定9月的Sonnet 5涨价^[2]。如果是主动让利，为什么要取消一个已经计划好的涨价？

第二，OpenAI和Anthropic都在准备万亿估值IPO^[2]。如果token价格持续下降，"万亿估值"的故事怎么讲？降价对IPO估值是利空，不是利好。如果不是被迫的，没人在IPO前夜主动降价。

第三，Hostinger的AI技术负责人Mantas Lukauskas说得很直白，"美国实验室砍了中端，在守高端"^[2]。这不是主动进攻，是战略性防守。他们在用中端模型的降价来阻止客户流失到中国模型，同时在顶级模型上维持溢价。

我自己的判断是，这次降价是一个拐点信号。它标志着中国AI从"追赶者"变成了"定价者"。OpenAI的价格不再只由OpenAI自己决定，而是由中国模型的性价比决定。

接下来会怎么发展

价格战会继续。这是大概率事件。

原因很简单。中国开源模型的迭代速度远快于美国闭源模型。这周四家公司同时发布，不是偶然事件，是中国AI行业已经形成了密集迭代的能力。下一次密集发布可能就在几个月后。

美国巨头会走差异化路线。在顶级模型上保持溢价，在中端市场跟中国打价格战。GPT-5.6 Sol的价格没降，就是证据。他们在守高端。

但这里有一个我不确定的地方。如果中国模型在顶级性能上也追平了怎么办？GLM-5.3在编程基准上已经接近Claude Fable 5^[4]，dots3-note在IMO上拿了满分^[7]。差距在缩小，而且在加速缩小。

也可能我错了。也许美国巨头在闭源模型上还有我们不知道的技术储备。也许下一次发布会重新拉开差距。但在目前这个时间点上，趋势是对中国有利的。

聊到这里我突然想起一个事。上世纪70年代石油危机的时候，日本汽车凭借省油和性价比冲进美国市场，逼得底特律的三大车企疯狂降价。当时也没人觉得日本车能超越美国车。但二十年后，丰田成了全球第一。

中国AI正在走类似的路。不一样的是，这次从追赶到施压，只用了不到两年。

这对你意味着什么

如果你在选AI模型，现在是买方市场。同样的预算，你可以选的比半年前多得多。

如果你在AI行业工作，开源生态的崛起意味着闭源模型的高溢价时代在结束。你的技能值不值钱，越来越不取决于你会用哪个闭源API，而取决于你能不能用开源模型解决实际问题。

如果你关注投资，token价格的下降趋势会影响整个AI产业链的利润分配。模型层的利润在压缩，应用层和中间层的机会在变大。

这周发生的事，表面上是四个模型发布加一次降价。但如果你把视角拉远一点，看到的是全球AI权力格局正在重写。

而这一次，写规则的不只是硅谷。