DeepSeek宣布涨价，大模型的竞争方式将被改写？

  2026年8月初，DeepSeek在官方定价页挂出一则预告：“计划近期整体上调DeepSeek API服务的定价，预计涨幅较大。”截至目前，官方尚未公布具体涨幅、生效时间。

  这则短短一句话的预告，之所以能牵动整个行业的神经，核心在于 DeepSeek一直是国内大模型API价格的“价格锚点”与“降价先锋”。过去两年，这家公司一直把接口价格压在行业最低区间，2024年率先把API打到输入1元/百万Token、输出2元/百万Token的极低水平，此后又多次下调资费。

  事实上，这场定价转向早有铺垫。转折发生在6月底，DeepSeek邮件通知开发者：V4正式版将于7月中旬上线，同步引入峰谷定价机制，工作日高峰时段API价格上调至平峰时段的2倍，官方归因于更合理地配置资源、提升服务稳定性。而8月6日这则公告意味着，调价不再局限于高峰时段的资源调度，平峰时段的基准价格也将整体上浮，定价策略从结构性调峰转向全面价值回归。

  涨价的，不止一家

  定价策略为何急转弯？需要指出的是，率先抬价的，远不止DeepSeek一家。2026年以来，提价成为诸多头部模型厂商的动作：智谱AI年内已完成三次价格上调：2月，对GLM Coding Plan订阅套餐实施结构性调价，整体涨幅30%起并取消首购优惠;3月，随着GLM-5-Turbo发布，该模型API定价上调20%;4月，智谱发布GLM-5.1之际，智谱GLM再度提价10%。

  月之暗面7月正式发布新一代大模型Kimi K3，每百万Token输出价格涨至100元，较上一代旗舰K2.6的27元/百万Token上涨超3.5倍。即便价格大幅跳涨，市场需求依然旺盛：发布48小时内用户请求量即逼近集群承载极限，该公司一度暂停C端新用户订阅，有限算力优先供给存量付费会员。这也侧面印证了，高价值模型的需求对价格的敏感度远低于市场预期。

  在C端消费级市场，付费门槛也在同步抬升。豆包6月上线了专业版付费订阅服务，采用三级阶梯定价方案：标准套餐连续包月68元，加强套餐连续包月200元，高级套餐连续包月500元。与API面向开发者的生产级调用不同，C端订阅面向个人用户的日常使用，二者共同构成了全行业从免费、低价转向付费变现的整体趋势。

  先算一笔成本账

  为什么这些厂商相继转向涨价？要回答这个问题，先得算清一笔账。一次API调用的成本可分为两部分：一是随调用量线性增长的边际成本，包括GPU算力折旧、数据中心电力、网络带宽、实时运维人力;二是需要通过营收逐步回收的固定成本，也就是模型预训练、对齐迭代的研发投入摊销。每一次调用都在真实消耗算力，没有一样是免费的。

 

  大模型是典型的高研发、高算力投入产业。过去几代旗舰模型的训练成本呈指数级上升趋势：更大的参数规模、更长的训练周期、更昂贵的算力集群，都在推高固定研发投入;而更强的模型能力，同时也意味着更高的推理成本，如更大的显存占用、更复杂的部署优化链路、更高的实时服务功耗。固定成本的摊销压力和边际成本的持续上涨，共同推高了大模型服务的综合成本，而这些投入最终都需要通过商业化收入来覆盖。

  更关键的变量在于，Agent(智能体)的规模化落地正在彻底改写成本结构。在聊天时代，一次对话对应一次模型调用，成本完全可预期。但Agent时代的算账方式完全不同。一个编程Agent接到任务后，要读文件、制定计划、调用终端、修改代码、运行测试、查看错误，再循环重试。一次用户指令背后，往往伴随数次到数十次模型循环调用，常规Agent任务的算力与Token消耗通常为普通单轮对话的数倍至数十倍，复杂长链路编程任务消耗可超百倍。换句话说，同样的用户规模，Agent时代的算力需求会出现量级式跃升，这是此前低价策略制定时未曾充分预估的成本变量。

  需求端的爆发式增长，正在快速放大算力缺口。有数据显示，截至今年3月，中国日均Token调用量已经突破140万亿，较2024年年初增长超过1000倍。中国信通院数据指出，2026年一季度国内AI算力需求同比增长417%，有效供给增速仅128%。供需缺口持续拉大，价格自然具备了上涨的底层支撑。

  值得注意的是，今年以来，头部云厂商相继上调AI算力、存储等服务价格。其中，阿里云宣布对平头哥真武810E等算力卡产品提价5%C34%，文件存储产品CPF(智算版)上涨30%。百度智能云自4月18日起，AI算力相关产品上调5%C30%，并行文件存储等价格上调约30%。腾讯云则在4月宣布自5月9日起，对GPU云服务器以及底层为GPU的容器服务(TKE)、大数据服务(EMR)进行调整，全地域统一上调5%。云服务是一些模型厂商核心的成本项之一，上游算力涨价会直接传导至下游模型服务的定价。

 

  底层硬件市场的价格涨幅更为惊人。以NVIDIA B300 AI服务器为例，在中国大陆市场的成交价从去年底的约400万元/台飙升至700万元/台，近乎翻倍。GPU租赁市场上，H100单卡月租金半年内上涨近40%;H200月租涨至6万C6.6万元，且新签合同交付排期普遍延至2027年上半年。硬件产能紧张、交付周期拉长，不仅推高了当下的算力成本，更让厂商对未来的算力供给持谨慎预期，不敢再通过低价无限承接需求。

  上游成本一涨再涨，但过去几年行业的竞争逻辑，恰恰是比拼谁能把Token单价压得更低。但行业低价的本质，并非全是技术进步带来的单位成本下降，很大程度上是厂商补贴换规模的战略性亏损，用低价换取市场份额、用户数据和使用场景，把低价当成抢占市场的入场费。这笔入场费可以交一年、交两年，但商业公司终究要面对同一个终极问题：如何实现可持续地盈利？

  价格长期低于综合成本，本就是产业培育期的非常规状态;当需求端持续爆发、成本端不断抬升，这场价格回归的到来，只是时间早晚的问题。

  价格战结束，价值战开始

  当然，涨价并非没有市场风险。企业客户对模型接口的迁移成本并不高，如果单纯提价而没有对应的能力提升，客户很容易转向性价比更高的替代方案。这也意味着，行业竞争的维度正在发生切换：过去比拼的是每百万 Token的单价，拼的是调用成本;接下来比拼的将是完成单任务的综合成本，即同样的任务，哪个模型能用更少的调用次数、更短的链路、更低的综合成本稳定完成，哪个才能真正赢得客户。尤其是在Agent时代，用户购买的是任务结果而非Token数量，单位任务成本才是真正的竞争护城河。

  因此，涨价只是大模型产业走向商业化成熟期的明确信号。涨价本身不是目的，也不是产业成熟的标志;能不能在涨价的同时，交付与之匹配的产品能力与服务价值，才是这场价值回归真正的考题。当行业竞争的主战场从拼价格转向拼价值，大模型产业才算真正告别粗放增长，走向高质量的成熟发展阶段。

（来源：比特网）