大模型价格战打到今天，最慌的其实不是OpenAI，是还在观望的OPC

昨晚一个做园区运营的朋友给我发了张截图，他们技术负责人刚提的采购单：某头部大模型API套餐，一年十六万。

朋友问我，值不值？

我没直接回答，反问他：你们上个月API实际调用了多少次，峰值多少，哪个场景占大头？

他回了个“我问问”。

三个小时后他回复：技术说没拉过这个数据，但老板拍板要“上AI能力”。

这就是今天OPC（园区、楼宇、社区等空间运营方）最真实的写照——一边怕掉队，一边又不知道钱花哪儿去了。而大模型这行当的定价，正在以月为单位推倒重来。

美国那边，GPT-5.6 Sol基准价格下调超过20%，中端模型降了20%，低成本模型直接砍掉80%。谷歌更狠，Gemini 3.7 Flash一发布就把价格打到上一代的一半。

央视新闻援引美媒分析说，中国公司的大模型开源和定价策略，给美国公司带来了压力。

换句话说，太平洋两岸的模型厂商正在打一场谁先把自己利润打没的价格战。但对OPC来说，这场战争里藏着一个关键变量：你的AI成本结构，正在被重新定价。

先看中国这边的情况。

据IT之家援引的行业数据，截至2026年6月，我国日均词元调用量已经突破500万亿，旗舰模型几乎以月为单位更新，竞争焦点从“参数竞赛”转向了智能体落地与生态建设。

这个数字背后是什么？是调用量在暴涨，但推理算力需求也在随之爆发。腾讯混元3正式版上线第一周，Token调用量比上一代混元2增长了68倍。

调用量暴涨，价格却在暴跌。这听起来像是个悖论，但恰恰是模型层在“去泡沫化”的过程。

通义千问团队今年2月发布的Qwen3.5，参数做到397B-A17B，在推理、编程、智能体及视觉理解基准上全面超越上一代。技术上用了门控Delta网络和稀疏MoE结合的路子，翻译成人话就是：性能往上走，推理成本和延迟往下压。

这和OPC有什么关系？

关系大了。

我们自己在做“舍予AI智能体”的时候，踩过一个大坑：早期团队做客服机器人，用的是当时最贵的闭源模型，一个月的API账单比我们一个初级运营工资还高。后来我们换成分层路由——高频、简单的应答走轻量模型，低频、复杂的需求才调用大模型——成本直接降了七成以上，准确率反而上去了。

为什么？因为园区访客问“充电桩在哪”“停车费怎么交”这种问题，根本用不着几百B参数的模型来回答。

但当时没几个人会告诉你这个，卖API的巴不得你把所有流量都打给最贵的模型。

现在情况变了。

OpenAI主动降价，谷歌主动降价，中国的开源模型们更是把价格打到地板价。当模型调用成本趋近于你的电费和水费时，OPC该思考的就不是“要不要上AI”，而是“AI该铺到哪些场景里去”。

上周英伟达干了件大事——129亿美元收购Hugging Face，全球最大的AI模型社区之一。

这个信号值得关注。

英伟达为什么要买一个“开源模型的GitHub”？因为开放模型和专有模型将共存，这个判断是黄仁勋自己说的。更重要的是，当模型本身不再是稀缺品，稀缺的是把模型用起来的能力。

再看Claude Code的动作。

Claude Code v2.1.251新增了PreModelSwitch和PostModelSwitch钩子事件，支持拦截、确认或标注模型切换。翻译一下：Anthropic允许开发者在AI编程助手切换模型的时候加一道“审批”——哪些任务用贵的Claude，哪些任务用便宜的轻量模型，你可以自己设定规则。

这本质上就是我们在舍予AI智能体里做的事情：模型分层路由。只不过Anthropic把它做进了产品，做得更显性。

这些信号拼在一起，指向一个结论：模型降价的终点，不是OPC可以随便用AI，而是OPC必须学会“管AI”。

我见过太多OPC老板，一提AI就是说“给我弄个智能客服”“给我搞个AI招商助手”。但没人问：

• 这个场景用哪个模型性价比最高？
• 每周调用多少量？
• 哪些数据不能出内网？
• 模型更新了，你原来调的提示词还管用吗？

大模型每月更新一次，意味着你上个月辛辛苦苦调试的prompt，这个月可能就不灵了。Qwen3.5相比Qwen3，编程和智能体能力又跳了一截。GLM-5.3也开放权重了，主打智能体编码与网络防御。

你做园区AI应用，敢不敢每次都跟着模型更新重做一遍？

这就是“人工成本墙”的新变种——不是招不到人，而是你搭的AI系统，更新迭代的隐性成本被严重低估。

我特别想说的是DeepSeek这条线。它搅动的不只是中国市场的价格，而是整个全球模型定价体系的心理锚点。当美国媒体把“中国开源和定价策略”列为OpenAI降价的压力源时，你就知道这件事的产业链传导已经完成了。

对OPC来说，这意味着：你现在花的预算，大概率比三个月后贵。

如果那个园区朋友现在签一年十六万的合同，很可能到明年春天，同样的能力只需要四分之一甚至更少的钱。更别说腾讯混元、通义千问、智谱GLM、MiniMax、月之暗面Kimi这些国产模型，都在往智能体和落地场景上猛砸。

那OPC该怎么办？我讲三个判断。

第一，把“模型”当成“水电煤”，但别把自己当“电厂”。

OPC的护城河在场景和流程，不在底层模型。模型降价了，你就该像选供应商一样定期比价、定期换。别在任何一家模型上押注太重。这是基本盘。

第二，真正值得投钱的是“智能体的工程化”。

“舍予AI智能体”在做园区场景时有个很实际的体感：模型调用只是成本的一小部分，真正费钱的是把模型接进业务流程——比如招商线索的自动清洗、合同到期前的智能预警、租户投诉的情绪识别和自动派单。这些需要的是产品设计、数据流梳理、权限管理，而不是堆模型。

第三，盯紧“模型切换钩子”这类新能力。

Claude Code这波更新提供了一个很有意思的思路：把模型切换变成一个可控的、可审计的动作。这意味着未来OPC的AI系统应该是“多模型可替换”的——有个模型不行了或者贵了，随时换掉，不怕被绑定。现在着手搭这种架构，比上什么都强。

回头看那个朋友的十六万预算。我最后给他的建议是：先别签。花两周时间，把你们园区实际要解决的场景列出来，每条都标上“高频还是低频”“简单还是复杂”“内部还是对外”，然后拿这几个问题去问供应商，谁能把成本和方案讲清楚，谁就靠谱。

他没回我消息。估计是去拉数据了。

但我特别希望他能想明白一件事：模型降价不是让你“趁便宜多买点”，而是让你重新算账——算的不只是API账单，是你整个AI投入的ROI。

OpenAI降了，Gemini降了，Qwen、GLM、DeepSeek全在逼着价格往下走。这场价格战打到最后，赢家不会是模型厂商，也不会是那帮囤卡的中间商。

赢家是那些知道该把AI用在哪、怎么用、用哪个的人。

而OPC里最早想明白这件事的，会拿到真正的“技术红利窗口”。

小字提醒：本文提到的模型定价、参数、发布时间均来自公开报道，截至2026年8月29日。API价格变动频繁，实际采购前请以各厂商官方渠道最新报价为准。本文不构成任何投资和采购决策建议。