上一篇雲端財報對帳的結尾，我們留了一個問題：需求這麼強，為什麼市場同時在吵模型公司降價、擔心大家殺價賺不了錢？

這個擔心其實不是新的。從去年到現在，「Token 價格一路往下，模型公司在打價格戰」的說法反覆出現，最近甚至有人把 token 跌價叫做 AI 最危險的訊號。各種版本講的都是同一件事：模型公司在殺價競爭，把 token 賣成一門越賣越便宜、賺不到錢的生意；如果真是這樣，那再多的資本支出，都是往一個越來越便宜的市場裡砸錢。

圖 1：市場擔心的畫面：token 價格指數（深色線）從 6 月起一路往下，H100 租金（藍線）卻反彈回高檔。資料來源：Ornn、Silicon Data、Bloomberg，Citadel Securities 整理，2026/8

偏偏最近幾週的模型定價新聞，方向完全打架：

• 7/31 OpenAI 把最便宜的 GPT-5.6 Luna 降價 80%，同一天卻在旗艦 Sol 上推出付 2 倍價格、換 2.5 倍速度的「快速模式」。
• 8/10 Anthropic 宣布取消 Sonnet 5 原定 9/1 的漲價，鎖住先前調降的價格。
• 8/6 DeepSeek公告將大幅調漲，8/16 真的動手，漲最兇的項目超過十倍

降價、凍價、漲價同時發生，到底該如何解讀？

與其看新聞猜，不如把帳翻出來算。我把中美九家模型公司從 2023 年 9 月到現在的每一次 API 調價全部整理了一遍（一共 211 個標價樣本，只收智慧分數 20 分以上的模型），有以下發現：

這個行業不是在降價，是在「分層定價」。市場的憂慮，是還沒看透數據在講的故事。

1. 「大家都在降價」這件事，從 2025 年中之後就不成立了：
   在那之前，模型定價確實是一路往下；但在那之後，變成有漲有降，而且漲的集中在主力模型，降的集中在輕量款和上一代。廠商的動作已經和以前不一樣了。
2. 真正該看的是「做完一件事要花多少錢」，不是每百萬 token 的標價：
   有的模型標價便宜，但話很多，同一件事要吃掉別人好幾倍的 token，算總帳反而比標價貴的模型還貴。所以「每百萬 token 多少錢」這個數字，越來越不能拿來判斷誰便宜。
3. 最新的模型越來越貴、去年那個水準的智慧越來越便宜，這是兩個市場，不是殺價：
   一個市場賣「別人做不到的事」，客人願意付高價；另一個市場賣「夠用就好」，比的是便宜。就像晶片越賣越貴、電晶體越來越便宜，兩件事並存了幾十年。
4. 定價的方向，和我們一路講的算力吃緊是一致的：
   算力出租商 CoreWeave 7 月把全產品線漲價 25%，六年前的舊卡 A100 合約還能簽到 2029；DeepSeek 更直接把「尖峰時段加價」寫進價目表，等於明講算力不夠用。至於漲價之後客戶還買不買單，是接下來最值得盯的事。

2025 年中之後，AI 模型的定價方式已經不一樣了

模型競爭非常激烈，廠商嘴上都說要拚市占，但手上到底是調漲還是調降，騙不了人。

我們把每一次調價分成兩種：同一顆模型直接改價，以及新一代上市時開價比上一代高或低；兩種加起來，才是廠商真正的動作。

圖 2：定價事件全口徑：同模型調價＋換代改價，2023/9~2025/6 vs 2025/7~2026/8（截自 AI 供需監測總覽「中美調價行為」分頁）

看這張圖只要抓兩件事：上半是中國五家、下半是美系四家；左右以 2025 年 7 月為界。左半邊兩年裡，中美加起來 17 次調價只有 4 次是漲，符合所有人「一直在降價」的印象；右半邊方向變了：

• 中國從降價變成漲價多降價少：10 漲 4 降。
• 美系從幾乎只有降價，變成漲價與降價並存：13 漲 14 降。

也就是說，這個行業從「價格只有下跌」變成「有漲有跌」。但中美的漲法完全不同，值得分開講。

中國：算力一緊就加價。

出新版就促銷、促銷到期就「恢復原價」、負載一高就加價，是中國廠商的固定套路。DeepSeek 一年半內同一顆模型漲了三次，最新這次（8/16 生效）直接改成尖峰、離峰兩套價目，尖峰就是北京的上班時間，漲最兇的項目超過十倍。把「忙的時候比較貴」寫進價目表，等於把算力不夠用這件事明碼標價。其他家也一樣是兩頭走：旗艦一代比一代貴（Kimi 漲 499%、GLM 漲 124%、Qwen 漲 56%），輕量款反而降價或凍價，便宜的顧流量、貴的賺錢。

圖 3｜DeepSeek 主力模型混合單價與定價事件時間線，8/13 快照（截自 AI 供需監測總覽「中美調價行為」分頁）

美系：不動你手上的模型，漲在新一代的主力模型身上。

美系 13 次漲價幾乎全部來自 OpenAI 和 Google，而且不是把現有模型調漲（這種紀錄只有 1 次），是新一代主力上市時開價比上一代高。

用混合單價來看（把輸入價和輸出價按固定比例加權成一個數字，方便不同模型比較）：OpenAI 主力線從 GPT-5 的 $3.44 一路墊到 $11.25；Google 的 Flash 從 $0.175 走到 $3.0。14 次降價則集中在輕量款和上一代，例如同一時間 GPT-5.6 Luna 砍到 $0.45，同一家公司內部就在分層。

Anthropic 表面上是例外，看起來價格是全面調降（Opus 從 $30 到 $10、Sonnet 從 $6 到 $4），再用 Fable 5（$20）另外開一條更高的價格帶；但它的模型話很多，做完一件事的實際花費反而更高，所以其實他們不能算是降價的。

圖 4：美系同級距換代首發價階梯，log 座標（截自 AI 供需監測總覽「中美調價行為」分頁）

該看的是「做完一件事」的成本，不是每百萬 token 的標價

回到 8/10 那則 Anthropic 凍價的新聞。把價格鎖在低檔、還主動取消調漲，看起來很佛心；但如果用「任務成本」再算一次，故事會完全不一樣。

Artificial Analysis用同一套題目考各家模型計算「任務成本」，除了打智慧分數，也算跑完整套題目實際花掉多少錢，包含模型自己思考時吃掉的 token。用這把尺量：Sonnet 5 標價 $4，比 Opus 5 便宜 60%，但跑完整套題目要花 $4,010，比所有模型都貴，Opus 5 開到最高檔也只要 $2,909。

理由很簡單：它話多。同一套題目，Sonnet 5 光回答就用掉 3 億個 token，是省話模型的 32 倍。標價再便宜，乘上暴增的用量，總帳單反而最貴。Databricks 技術長有句話講得直接：「Cheaper per-token does not imply cheaper per-task.」每個 token 比較便宜，不代表每件事做起來比較便宜。

圖 5｜話多程度：跑同一套基準的隱含 token 消耗，紅＝中國、藍＝美系（截自 AI 供需監測總覽「智慧單價（AA）」分頁）

有意思的是，中國廠商已經把這件事反映進定價：Kimi K2.6 標價只要 $1.7，跑完一套要 $841；新一代 K3 標價漲到 $6，跑完反而只要 $283。標價漲了，客戶實際付的錢卻少了。用標價統計，這是一次漲價；用任務成本看，這是一次降價。

實際工作場景也是同樣的答案。Cursor 是最多人用的 AI 寫程式工具，它的官方評測用真實的程式任務來測，而寫程式正是最吃 token 的用途。8/13 的榜單上，最便宜的模型每個任務 $0.39，最貴的 $17.3，差 44 倍，但它們的標價差距遠遠沒有這麼大。（這個榜只測寫程式、且 Cursor 與 xAI 有合作，數字有邊界，但不改變結論。）

圖 6：CursorBench 3.2：完成率 × 每任務成本，同色同線＝同一模型掃 effort 檔位（2026/8/13 官方榜首讀）（截自 AI 供需監測總覽「智慧單價（AA）」分頁）

所以，「每百萬 token 多少錢」這個數字，越來越不能拿來判斷誰便宜，更不能拿來判斷這個行業在不在殺價。

最新的智慧越來越貴、去年的智慧越來越便宜：這不是矛盾，是兩個市場

把時間拉長看，兩件看起來矛盾的事正在同時發生。想買最頂尖的那幾分智慧，越來越貴：旗艦一代比一代開價高、Fable 5 用 $20 開出新的頂部價格帶。但如果你要的只是去年那個水準的聰明，價格幾乎在往零走：以智慧分數 37 分這條線來算，做完同一套題目的成本半年內從 $779 掉到 $25，跌了 97%；便宜這一端幾乎被中國廠商包了，DeepSeek V4 Flash 用 $0.175 就給你 51.8 分。

圖 7：智慧指數 vs 混合單價：時期著色＋累積 Pareto 前緣（2026/8/13 快照，n=211）（截自 AI 供需監測總覽「智慧單價（AA）」分頁）

這張圖只要看兩個方向：整條線一路往左上推（同樣的智慧越來越便宜），最頂端一路往右上開（最強的智慧越賣越貴）。半導體走了幾十年一模一樣的路：一顆晶片越賣越貴，每個電晶體卻越來越便宜，兩件事並存了幾十年，也沒有人說晶片業在殺價競爭。

關鍵在於，這是兩個市場，服務兩群不同的客人。

• 頂尖模型攻的是「質」的市場：跑一整天的代理任務、研究等級的難題，客人要的是別人做不到的事，對價格不敏感。
• 去年的智慧接的是「量」的市場：分類、摘要、簡單重複的處理，客人要的是夠用就好、越便宜越好。

就像白領工作也分層，高階研究員和一般文書處理做的事不一樣、領的錢也不一樣，文書的時薪往下走，從來不代表研究員要失業了。

至於量和錢分別流向哪一邊，閘道資料照得很清楚（Vercel 是單一閘道的樣本，看方向就好、不看絕對市占）：

圖 8｜中國系模型合計份額：量 vs 錢 vs 件（Vercel AI Gateway，7 日移動平均）（截自 AI 供需監測總覽「閘道用量（方向計）」分頁）

中國系模型的 token 量份額已經過半，支出份額卻只有 15% 左右：「量」的市場被便宜模型接走了，錢還是留在「質」的市場。這也順便解釋了圖 1 那個讓大家擔心的價格指數為什麼會跌：它是用支出加權的平均單價，只要量往便宜那一端移動，平均數就會被機械式拉低，中間不需要任何一家廠商砍價。

分成兩個市場之後，「模型公司到底賺不賺錢」的擔心，可以用三個很白話的問題來對答案。

1. 有人在流血砍價換市占嗎？
   數據說沒有。流血砍價的長相是「主力產品降價」，但 2025 年中以後主力模型幾乎都在漲，還在壓價的是輕量款和上一代，那本來就是「量」的市場，拿來搶量的。
2. 今天收得到的高價，明天還收得到嗎？
   這才是真的壓力。同樣的能力，成本半年就掉 97%，站在前緣能收的溢價，半衰期只有幾個月。所以換代漲價要反著讀：廠商必須趁收得到的時候趕快收。模型公司的毛利，不是看會不會降價，而是看能不能一直站在前緣上。
3. 漲價是賺到了，還是被迫的？
   DeepSeek 的漲價背景是算力被卡、還在虧損，比較像成本推動；而尖峰、離峰的設計本身就說明了用途，用價格把負載趕去離峰，是資源不夠的管理手段，不是搶市占的武器。這種漲價不直接改善毛利，只是把壓力往用戶那一層搬。

最後要釐清一件事：本文算的是 API 價格，也就是開發者和企業（2B）付的錢。OpenAI 8/7 把 Luna 開放給免費用戶無限次對話，那是消費端（2C）用免費換使用習慣，錢從別的口袋收，不要把「送免費」讀成「打價格戰」。

對回算力吃緊的主軸：我們其實一直在講同一件事

從七月到現在，四篇文章講的其實是同一件事。

【現在的漲價只是前菜】說算力至少缺到 2027 下半年，漲價只是前菜；【AI 燒錢無底洞？我們把成本線畫出來了】畫出成本線，算 AI 的收入什麼時候追得上蓋資料中心的錢；【2026Q2 雲端公司財報】的財報對帳驗證了供給端：缺貨中還在加速。本篇補上需求端：模型公司不是在削價換量，是在分層收費，連「算力不夠用」都直接寫進了價目表。四篇拼起來，是同一張圖。

就在這兩週，賣算力的兩家公司財報也往同一個方向走。CoreWeave 手上簽了約還沒消化的訂單有 $1,040 億，光 7 月以來就又多了 $250 億；Nebius 最近一次產能拍賣的成交價，比先前的最高價再高 15%，短約報價更是長約的兩倍，執行長的原話是「我們選擇何時賣、賣給誰、用什麼條件賣」。當然，這是賣家在講自己的生意；但敢這樣開價、客戶還真的簽單，就是需求最誠實的旁證。

接下來最值得看的，是 DeepSeek 這場現成的實驗：8/16 已經漲價了，接下來幾週就看用量掉不掉。不掉，代表需求扛得住漲價，算力吃緊就從供給端一路對到需求端；真的掉了，我們就照著改看法。

最後，我想說說這篇寫下來最深的體會。

市場很容易把一件事放大成全部，像是看到一個支出加權的價格指數回落，就說整個行業在削價；看到一家降價，就說殺價競爭開始了。但 AI 市場正在長大，長大的過程就是不斷分層：模型在分層（前緣攻質、便宜接量）、定價在分層（旗艦開高價、舊款往零走）、客群也在分層（C 端免費、B 端 API 收費）。

分析時要先分層、再下結論，會更貼近 AI 市場的全貌。

這也是我們做這一系列的方法：AI 像一幅拼圖，定價只是其中一塊；供給、成本、需求，每一塊各自算清楚，再拼回同一張圖，答案才站得住。這篇用到的定價事件、任務成本、閘道份額，都在我們的「AI 供需監測總覽」儀表板上（目前設有密碼，有需要的讀者歡迎留言或來信向我們索取）。

下一篇，我們繼續拆下一塊拼圖：市場說 AI 的營收成長不如預期？我們先對帳，看是真的不如預期，還是尺畫錯了；再把 AI 的成長史攤開，看每一次跳升靠的是什麼。搞清楚這兩件事，才回答得了大家真正想問的：接下來 AI ARR 還能不能持續往上。

免責聲明：本文章內容僅供投資人參考，無任何推薦與買賣邀約之情事，投資人應獨立審慎判斷，自負買賣風險謹慎投資，本網站不負任何法律責任。

喜歡我們的文章嗎？歡迎追蹤我們的臉書粉絲團，我們會持續提供更多產業趨勢的分析。
若我們的網站有幫助到您，也可以選擇贊助我們，讓我們更有動力繼續前進！
 一次性贊助 ☕ 定期定額贊助 🥐

AI 認知落差系列——把市場正在流行的想法，跟數據說的話，放在一起對質。
一、現在的漲價只是前菜：AI 算力會越來越缺，至少缺到 2027 下半年（2026/7）
二、AI 燒錢無底洞？我們把成本線畫出來了：照這斜率，AI 離賺錢只差一年！（2026/7）
三、從供應鏈營收反推 2027 資本支出：記憶體與晶片價格飆漲，五大 CSP 付得起嗎？（2026/8）
四、2026Q2 雲端公司財報：缺貨中還能加速，需求第一次看得到 2028（2026/8）
五、還在用「殺價競爭」看 AI？2025 年中之後，定價的遊戲規則早就不一樣了（本篇 2026/8）
六、市場說AI ARR碰到天花板？回顧這幾年 AI ARR 成長來源（即將發布）
七、tokenmaxing 退場不是需求尾聲（即將發布）