DeepSeek 的 API 毛利率是 82.9%，公司整体毛利率 44.6%（来源：The Information，2026 年 8 月 26 日报道口径）。同一门生意，两个数字差 38 个百分点。差掉的那部分，就是从模型厂到客户账单之间，一层层被分走的环节。
单位 token 的价格这一年一直在降。但卖 Token 这件事的利润没有跟着降没，钱只是换了个位置被赚走。
缓存命中：涨了 11 倍的那一行
8 月 17 日，DeepSeek 对 V4 全系列调价：旗舰模型 V4-Pro 高峰时段每百万 tokens 输出价从 6 元提到 27 元，涨幅 350%；缓存命中输入价从 0.025 元提到 0.3 元，涨幅 1100%（来源：《DeepSeek V4 全系列调价公告》，2026-08-17）。
两个涨幅放一起看，能看出这一层生意的形状。缓存命中的输入几乎不吃算力——同样的前缀已经算过一遍，第二次只要从显存读回来，边际成本接近零。所以它能被单独摘出来，按 11 倍往上加。
谁在用缓存，谁就在替上游省算力，也就在这一层交掉最大一块增量。
还有一层反向的账。缓存是客户省钱最直接的手段，也是服务商最不想被白用的环节——同一次问答，命中缓存和从头重算的算力差几十倍。价格表把它单列出来，等于告诉客户：你的节省要重新计价。
真正常用 API 的团队，缓存命中率能到五成以上。这五成请求的输入成本被压到接近零，但当缓存价从 0.025 元提到 0.3 元，省下来的那部分差额就有一截回到了上游口袋。
时段与区域：同一个模型，四倍价差
同一个 V4-Pro，高峰时段输出价 27 元，非高峰更低。这不是促销，是调度。服务商的 GPU 白天紧张、夜里闲置，用价格把请求往谷时推，比多买卡便宜得多。
区域同理。同一个模型的推理实例，落在不同电价、不同网络位置的成本不一样，价格也可以不一样。客户看到的是一个 API 地址，上游是几张不同的成本表。
错峰能带来多大的差别，可以借一个旁证看：SemiAnalysis 测算，Anthropic 每兆瓦算力对应的 ARR 从九个月前的 1600 万美元升到 6000 万美元，同一度电榨出了近四倍收入（来源：SemiAnalysis）。这部分改善不靠涨价，靠的是让同一批卡跑得更满。客户侧能做的同一件事，就是把训练和批处理任务挪到谷时，这是唯一不损失效果的成本优化。
需要说清楚：这一节没找到公开的一手定价拆分来源，属于根据公开调价动作做的机制推断，不是事实陈述。
路由：抽成的那一层
Anthropic 约 75% 到 85% 的 ARR 来自按量计费 API，消费端订阅只占约 5%（来源：SemiAnalysis）。这个结构很干净：企业按用量付钱，用量可预测、会自己长大，而且比订阅更容易加价。
中间商的位置就在这里。它对客户报一个统一价格，向供应商拿批量折扣，把请求路由到最便宜的那家。客户拿到的是「一个 Key 调 20 多个模型」，中间商拿的是差价（来源：《Token经济学：谁掌握路由，谁掌握议价权》）。
路由这一层不产生任何推理能力，但它决定哪一家的产能被用掉。越是模型多、价格乱的时候，这一层的议价权越硬。
这层生意也有软处。企业客户不会自己比价，他们只看一个数字：账单。中间商对客户的优势来自信息差，而当客户自己用上比价工具，这个差就在收窄。所以做得久的聚合平台都往服务端走——接入管理、用量治理、成本看板——这些比差价难被替换。
成本在降，价格在涨
最能说明这件事的，是两组方向相反的数字。
智谱的 API 平均售价同比涨 101%，单位 token 推理成本比年初降 80%（来源：智谱公司财报）。
一边成本腰斩，一边售价翻倍。这不矛盾：推理成本由芯片和工程效率决定，售价由供需决定。需求跑得比产能快的时候，定价权在卖方手里，成本降下来的那部分不会自动让给客户。
再看一个反例。DeepSeek 今年前七个月营收约 4.75 亿元人民币，同期净亏损约 7.15 亿元（来源：The Information，2026 年 8 月 26 日报道口径）。API 毛利率 82.9%，公司仍然亏——毛利和利润在这个行业里是两回事，最大那笔成本是训练和算力投入，它不进这张毛利表。把 Token 卖出去赚不赚钱，和这家公司赚不赚钱，是两个问题：前者的答案写在毛利表上，后者的答案写在算力账单上。
所以「Token 会越来越便宜」只在同代模型、同一供应商、同一时段里成立。跨版本、跨渠道、跨时段，账单可以完全反过来。
源势AI观点
我们做 Token 聚合，日常就在这四层里定价。经验是：客户真正该问的不是「每百万 tokens 多少钱」，而是三件事——我这套调用缓存命中率多少、请求能不能错峰、有没有必要用最大的那个模型。
这三问算下来，同一业务的成本差异经常是成倍的，比在单价上砍五折有用。
价格战打到现在，便宜下来的从来不是 Token 本身，是「知道自己花的是哪一种 Token」这件事。
图注：同一份算力沿链条走一遍，被截留四次，客户看到的是最后那一段的价格
图注：毛利率差 38 个百分点，差额落在批量折扣、缓存、时段差价和路由抽成上
