打开2026年6月的国内大模型价格表，你会看到一件怪事：DeepSeek V4-Flash每百万Token输出2元，智谱GLM-5.2每百万Token输出28元。同样是国产旗舰，价格差了14倍。
这不是笔误。大模型的Token定价正在裂成两个世界，一个往下坠，一个往上飘，中间的断层越来越大。
降的那一端：地板价还在往下压
DeepSeek在2026年4月连续两天降价。先是V4-Pro限时2.5折，接着全系API输入缓存命中价格降到首发价的十分之一，Flash版每百万Token输入缓存命中低至0.02元。高频调用、长文本场景的成本降幅超过90%（来源：人人都是产品经理《Token价格战真相》，2026年8月）。
字节火山引擎更直接。Doubao-Seed-2.0-Mini的输入价格压到0.2元/百万Token，输出2元，主打高吞吐批处理和极低成本。腾讯Hunyuan-A13B输出也是2元，定位Agent工具调用。DeepSeek V4-Flash输出同样2元，靠1M上下文窗口和缓存命中0.02元的价格抢RAG和批量自动化场景（来源：《国内大模型价格与Benchmark综合对比》全模型版，2026年6月）。
图注：五家厂商旗舰模型每百万Token输出价格，最低2元与最高28元之间相差14倍
推动降价的有三股力。第一是技术效率，MoE架构让推理时显存占用降低约60%，吞吐量大幅提升，单位算力产出的Token更多。第二是市场竞争，DeepSeek、字节、腾讯贴身肉搏，谁也不敢在基础场景定高价。第三是普惠路线，厂商有意把入门场景价格压到极低，把开发者生态做大——先把人圈进来，再在高端场景把钱赚回来。
涨的那一端：价值定价开始收网
另一边，智谱在2026年第一季度把API定价上调了83%。GLM-5系列输出价格比GLM-4涨了50%，GLM-5.2旗舰输出28元/百万Token，在编程场景的缓存命中Token价格已经接近Anthropic Claude Sonnet（来源：人人都是产品经理，2026年8月）。
涨价没有吓跑客户。智谱第一季度Token消耗量同步增长了400%，出现供不应求。这说明一个转折：当模型能力强到能创造真实价值，定价逻辑从抢份额变成了为价值定价。能帮企业跑Agent、做长程编程的模型，客户愿意付溢价。
图注：2026年6月国内主流大模型定价一览，涵盖阿里、腾讯、字节、DeepSeek、智谱、月之暗面等厂商
算力成本也在往上推。SemiAnalysis数据显示，英伟达H100一年期租赁价格从2025年10月的1.70美元/小时涨到2026年3月的2.35美元，涨幅近40%（来源：人人都是产品经理，2026年8月）。靠补贴换市场的半卖半送模式，在算力紧张的背景下越来越难撑。
不只是价格，Benchmark也在分化
价格分层的背后是能力分层。价格表附带的一份Benchmark对比，能看出各家把力气花在了不同地方。
DeepSeek V4-Pro在SWE-Verified拿到80.6，LiveCodeBench 93.5，编程能力第一梯队。字节Doubao-Seed-2.0-Pro在Terminal-Bench拿到71.0，Agent执行能力领先。智谱GLM-5.2的上下文窗口拉到1M，定位长程自主编程Agent。月之暗面Kimi K2.6在GPQA-D拿到90.5，科学推理突出。腾讯Hy3 Preview在BFCL-v3拿到78.3，工具调用强（来源：《国内大模型价格与Benchmark综合对比》全模型版，2026年6月）。
图注：各家旗舰在编程、Agent执行、工具调用等维度的Benchmark对比
低价模型不是在所有维度都弱，高价模型也不是在所有维度都强。DeepSeek V4-Flash只要2元输出，SWE-Verified照样拿到79.0。贵，是因为在特定场景强，不是因为全面碾压。选模型的逻辑，正在从"谁最强"变成"谁在我最需要的那个维度上够强且够便宜"。
源势AI怎么看
我们给20多家企业做Token聚合和智能体落地，每天都在帮客户选模型。结论很朴素：没有最便宜的模型，只有最划算的组合。
一个典型场景：客户的Agent工作流里，System Prompt和知识库检索用DeepSeek V4-Flash，缓存命中0.02元；核心推理和代码生成切到GLM-5.2或Doubao-Seed-2.0-Pro；简单任务分流到Mini或免费模型。通过智能路由把不同任务分配给不同模型，整体降本30%到50%，这是我们实测的数据，不是理论值。
价格分裂对懂行的人是利好。模型越多、价差越大，路由策略的价值就越高。怕的是只盯单价不看用量——国家数据局数据显示中国日均Token调用量已突破140万亿，一个Agent任务动辄消耗数十万Token，单价再低乘以这个量也不便宜（来源：人人都是产品经理，2026年8月）。
管好Token账本，比选模型更能决定一个AI业务的成本底线。
