2026年7月31日，OpenAI宣布GPT-5.6 Luna降价80%，单次任务成本从约0.25美元砍到0.05美元（约合人民币0.35元），智能指数仍维持51分。

同一天，OpenAI CEO Sam Altman发文称，希望在“每一个模型层级，都提供最好的价格与智能比”。

听起来像是胜利宣言，但如果你把Luna降价80%这件事，和另外几个数据放在一起，可能会发现，现在的大模型已很难称得上一门好生意了。

图片由AI生成，仅作文字示意

一

曾经完美的生意

让我们先回到2023年。

那一年，GPT-4发布。训练成本据SemiAnalysis估算为7800万至1亿美元。在当时，这是一笔天文数字，也是AI行业历史上ROI最高的一笔投资。

理由很简单，GPT-4发布后，真正能打的竞品几乎没有。模型半衰期（一款模型从发布到被更强竞品超越的时间）长达6到12个月，OpenAI拥有近乎垄断的定价权，GPT-4的API价格在高位运行了将近两年，无人能跟。

与此同时，ChatGPT创下了史上最快的用户增长纪录，两个月破亿。

增长快、壁垒高、定价权在手、竞品落后一年以上，如果一直保持2023年的竞争格局，大模型将是这个时代最好的生意。

但这个竞争格局没有保持下去。

二

护城河在坍塌

拿出那张Artificial Analysis v4.1价格-性能分布图（Artificial Analysis，2026年7月），一件事一目了然：大模型的智能差距正在消失。

先看智能指数的天花板,“最聪明”的模型在图上扎堆了。图中共标注了10个可见模型，其中智能指数50分以上的就有4个，简单制作成一张图（见图一）：

四家不同厂商的模型，智能指数差距在1分以内，但成本差距高达10倍。 单次任务成本花$0.05，你就能买到一个智能指数51分的Luna的服务，花$0.50也能买到一个51分的Opus 5 Low的服务。同样的智能，十倍的价格差，这在2023年根本不敢想象。

再看Artificial Analysis性能分布图中的中等智能区域，将目光从天花板往下移，图中出现了一个更密集的“拥堵区”，44到46.5分之间，堆着3个模型，见图二：

DeepSeek V4 Pro花$0.05拿到44分，Gemini 3.1 Pro Preview花$0.20拿到46.5分——多花4倍的钱，多拿2.5分。性价比的差距一目了然。

这还不是全部。

图的最下方，是Claude Sonnet 5 High（41.5分，$0.20）、Gemini 3.5 Flash-Lite（36分，$0.05）和Claude Haiku Reasoning（29.5分，$0.20），构成了低智能区。但重要的是，即使在这个区间，没有任何一个智能层级是“独家”的，每一个分数段都有至少两个玩家在竞争。

把整张图从左到右看一遍，规律更清晰：图的左边（低成本区域）正在越来越拥挤。 $0.05这个价位上，同时住着51分的Luna、44分的DeepSeek V4 Pro和36分的Gemini 3.5 Flash-Lite。三者智能差距15分，但价格完全一样。这等于在提示用户：“多试试，总有更聪明的。”

还有图上没画但必须正视的变量。

据DeepSeek技术报告，2024年DeepSeek-V3以550万美元的训练成本，做出了与GPT-4o（训练成本约1亿美元）性能可比的模型（据SemiAnalysis评估）。Kimi K3在AutomationBench-AA上拿了第一名（据Artificial Analysis），在Agent任务中超过了GPT-5.5。

550万美元就能做出能打的产品，后发者在特定维度上可以反超先发者，这等于在说：砸钱很难砸出真正的护城河。 这个结论利好所有人，除了想靠砸钱建立大模型壁垒的人。

三

定价权崩溃

如果一个公司有真正的定价权，它不会主动降价80%。

80%是什么概念？GPT-5.6 Luna的性价比（智能指数÷单次成本）约为1020，而直接竞争对手DeepSeek V4 Pro的性价比约为880——差距仅14%。

GLM-5.2 Max的智能指数达到50.5，但成本$0.20，性价比仅约252，是Luna的四分之一，如果不降价，它的处境会更糟。

但真正说明问题的是行业整体价格走势。据钛媒体2026年4月报道，2025年的价格战中，AI开发领域全行业价格平均下降了约87%。某头部平台将百万Token价格从行业均价50元压降至0.3元。市场调研报告显示，最低端模型与最高端旗舰之间的单价差距扩大到了33倍。

然后价格又开始回升，再然后，OpenAI又砍了80%。大模型行业定价系统的紊乱，让人很难知道一个模型到底值多少钱，投资的风险和难度再上台阶。

这就是护城河坍塌后定价权丧失的结果，在2023年这是不可想象的。

四

钱越花越多，

保质期越来越短

还有更糟心的，模型的“保质期”正在以比训练成本更快的速度崩溃。

GPT-4于2023年3月发布，真正能匹敌的竞品，Anthropic的Claude 3，直到2024年3月才推出。谷歌的Gemini虽在2023年12月发布，但初期版本的市场影响力有限。换句话说，GPT-4拥有约9到12个月的实质性市场领先期。在这期间，OpenAI享受的是近乎垄断的定价权：花1亿美元的投入，换来近一年的独占红利窗口。

但到2025年，这个独占红利窗口大幅缩短。 GPT-5于2025年8月发布，但Anthropic的Claude Opus 4已经在3个月前（2025年5月）就上市了，两者就是前后脚的关系。

更紧迫的是，Anthropic在2025年全年上演了令人窒息的发布节奏：2月Claude 3.7 Sonnet、5月Opus 4/Sonnet 4、8月Opus 4.1、9月Sonnet 4.5、10月Haiku 4.5，8个月内推5个重大版本。据钛媒体2026年4月报道，2024年大模型版本迭代周期平均约132天，到2026年已缩短到按月甚至按天计。

更残酷的竞争还在后面。

据行业共识，模型半衰期（从发布到被追上或取代的时间）已从2023年的6-12个月压缩到2026年的3到6周。一个训练成本5亿美元（约合人民币33.75亿）的大模型，如果在发布后6周内不能证明自己的不可替代性，它就会被更新的版本所替代。

五

谁能真正赚钱

以上都在讲训练成本，但训练成本是一次性的，真正可怕的是推理。

据行业研究，推理通常占大模型系统总成本的60%到90%。换句话说，你花数亿美元做出来的模型，在你开始赚钱之前，还要准备好几倍的预算来支撑用户使用它。

更反常识的是，AI应用没有传统互联网的边际成本优势。传统SaaS的边际成本趋近于零，第100万个用户和第1个用户的成本几乎一样。大模型应用与之相反，每一个新用户都在真实地消耗GPU时间和电力。

在大模型这里，规模不但省不了钱，反而可能放大亏损，变成加速失血的通道。

大模型行业目前最大的问题不在于技术不够好，而在于技术进步得太快了，每一次技术突破都在缩短参赛者的护城河寿命。

同时，技术进步的速度又和行业利润的厚度成反比：行业技术进步越快，竞品追得越快，竞品追得越快，价格战打得越狠，价格战打得越狠，你烧的钱越难收回。

所以，在新的行业格局形成之前，大模型很难算一门好生意。

那么，谁能真正赚钱？

英伟达卖GPU给所有淘金者，不参与模型竞争，吃整个生态。据分析师估算，Top 5实验室2025年支付了超180亿美元的算力账单，其中相当一部分流向了英伟达。

云厂商（微软Azure、AWS等）出租推理算力，稳定现金流，也不受模型迭代周期的影响。

卖铲子的永远不亏。

——END——