**单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定**
同一个模型，A 平台报三块，B 平台敢报八毛；上个月还够用的预算，这个月账单又超了三成。很多团队的直觉是“厂商在乱定价”，于是把价格当成一个需要反复比对的数字。
先把判断摆在这里：大模型 API 的价格不是拍脑袋定的，它由一条从 GPU 到 Token 的成本链决定。看不懂这条链，比价就只能比到一个表面数字。
# **一、两组方向相反的数字：单价在跌，算力在涨**

过去两年，API 单价跌得很凶。中国信通院的数据是，2025 年国内主流大模型推理价格整体下降超过 80%；把时间拉长，2023 年初前沿模型的 API 定价约 30 美元 / 百万 Token，到 2026 年已落到 0.1—0.25 美元区间，降幅 90%—99%。
但同一时期，底层算力在涨。H100 一年期租赁合约价，从 2025 年 10 月的 1.70 美元 / 小时，回升到 2026 年 3 月的 2.35 美元 / 小时，涨幅近 40%。
![image](https://developer.qcloudimg.com/http-save/yehe-12517049/10b616bc435c1f0633cd62cee5d76d50.png) 
 
两组数字并不矛盾。单价能压下来，主要靠效率，不是厂商在让利：MoE 架构让推理时只激活一小部分参数，推理框架把同样的显卡榨出更多并发，开源权重模型不断顶替闭源方案、给定价设了一道天花板，采购方则开始做模型分层，把简单任务路由给便宜模型。四股力量叠加，价格下探就成了市场结构变化的必然。
把这个变化翻译成一句话：过去是厂商定一个价、市场接受；现在是效率、规模和时段共同决定出一个价格区间，谁能把成本压到区间下沿，谁就敢报更低的价。价格战的底座，其实是成本结构的差别。
这也意味着，任何一句“便宜”，都带着前提。想知道一个报价能不能长期成立，得回到成本本身。
# **二、一个 Token 的售价里装着什么**

按公开的行业估算口径，一个 Token 的售价大致压在五块上：
![image](https://developer.qcloudimg.com/http-save/yehe-12517049/e9e176dc1a6a7ec1eb57c0cb52da3bf9.png) 
 
· GPU 折旧：40%—50%。
· 电费：15%—20%。
· 网络与存储：约 10%。
· 推理优化：15%—20%。
· 利润：10%—15%。
这份比例说明一件事：七成以上的成本压在硬件和电力上，软件优化能动的份额有限。一家平台就算把推理引擎做到极致，也改不动 GPU 的折旧，改不动电价。
这在数据中心的账本上看得更清楚。一座 1GW 规模的数据中心，四年全周期总拥有成本约 550 亿美元，其中 GPU 采购约 250 亿、供电散热约 110 亿、网络约 50 亿、存储约 40 亿，而电费只有约 27.5 亿，占比 5%。也就是说，常被当作“本钱”的电价，在总成本里并不是决定项；真正的大头是那块 GPU，以及它四年左右就被迭代掉的折旧。
推理优化这一块，是各平台差距最容易拉开、也最容易被高估的地方。量化、批处理、投机解码这些手段确实能把单卡的吞吐提上去，但它们改变的是“同一块卡能跑多少 Token”，改变不了“这块卡值多少钱”。把软件做到极致，最多把成本往硬件那条线推近，推不穿。
所以，谁能摊薄折旧、把单位算力的成本压下来，谁就拿到了别人拿不到的价格下限。而这把钥匙，藏在利用率里。
# **三、利用率：定价的底层变量**

GPU 折旧按时间走，不看它有没有在干活。一台机器买回来，无论一天跑满还是空转，折旧都在照常发生，这笔钱总要有人承担。
这就是利用率的意义：
· 利用率高，同样的折旧摊到更多 Token 上，每个 Token 背的成本就低。
· 利用率低，机器大半时间闲着，同样的折旧摊不开，每个 Token 都要背更贵的账。
现实中的利用率并不好看。据公开统计，全球每天约有 67% 的算力资源因空闲而浪费，多数企业的算力利用率不足 30%。原因也不难理解：算力需求自带“潮汐”——白天和晚高峰被挤爆，深夜和周末空下来；工作日忙，休息日闲。
![image](https://developer.qcloudimg.com/http-save/yehe-12517049/ddd6aacad1b2e61ce802896eb4a8ee06.png) 
 
同一个模型，跑在 80% 利用率的集群上和跑在 20% 利用率的集群上，单位成本能差出几倍。价格表上的那点差异，很多时候就是这么来的。
但利用率不是越高越好，还得看是拿什么任务去填的。长上下文推理、批量生成这类活儿可以被打包调度，天然适合填充波谷；在线对话、Agent 的工具调用要求即时返回，必须常驻在高峰通道上。把两类任务混在同一批机器上跑，利用率是上去了，实时请求的延迟却可能被拖累。真正做得好的调度，是先给实时业务划出预留容量，再用剩下的时段和机器去接闲时任务。
这也解释了为什么同一家平台上，不同模型的折扣力度往往不一样：能给出多少折扣，取决于这款模型在它的集群里跑得够不够满。
# **四、闲时算力：把波谷里的机器搬上网**

既然波谷里有大量闲置，很自然的想法就是把它拿出来卖——这就是“闲时算力”。
它的来源比想象中广：个人电脑、网吧机器、数据中心与智算中心节点、企业自建集群里没跑满的 CPU 和 GPU。思路也不新，1999 年的 SETI@home、2003 年的 BOINC，就在用全球个人电脑的闲置算力做科学计算；直到 2020 年代 AI 算力需求爆发、利用率“潮汐现象”凸显之后，这件事才被真正规模化、商业化地调度起来。
经济性是它的立身之本：用闲置资源供给需求方，费用可以比常规资源省下约一半。网吧机器平均每天使用不超过 3 小时，剩下的时间就是现成的算力；一些对时效不敏感的行业，为了用上闲时算力，甚至把工作调整到凌晨。
难点在稳定性。闲时算力天然分散、波动，要把它整合成稳定服务，靠的是调度平台和供需时序匹配的算法，把可用性提到 99.99% 以上。2026 年，算力网被纳入“六张网”新型基础设施的核心建设序列，“三分建设七分运营”成为业内讨论较多的一种思路——算力这件事，正在从“先建机房”转向“先找需求”。
从技术上看，闲时算力要跑得稳，靠的是几件事配合：把大任务切成可独立执行、可重试的小块，单点掉了不影响整体；给每个任务做检查点，中途中断能从断点续跑；再按机器的空闲规律排进度，谁闲下来就往谁那里派活。这些机制做扎实，闲时算力才能从“能用”变成“敢用”。
落到使用者身上，闲时算力给出的，是一个以前不存在的选项：不赶时间的任务，可以用波谷的价格跑。
这条路径在国内已经跑出了具体的商业形态。订阅用不完、采购超额的额度，过去大多只能烂在账单里；现在有平台把它们挂上货架，让卖家自己报价、买家按需调用，闲置额度第一次有了当天结算的出口——LONGAI 就是其中一家。
# **五、同一模型的几种价，分别从哪来**

理解了成本结构，再回头看“同一个模型为什么能报出好几种价”，就清楚多了。合理的价格差异，通常来自四个地方：
1. 批量采购。官方对不同调用量设有阶梯价，把大量中小需求聚成批发量，就能拿到低于零售的采购价。
2. 缓存与去重。重复的提示词、固定的系统规则、反复传送的文档，命中缓存后不必重新推理，这部分成本直接消失。
3. 峰谷计价。部分模型按时间段区分价格，把可延迟的批量任务挪到低谷时段，等于零成本降本。
4. 闲时与闲置资源调度。夜间的大规模调用自动匹配高性价比的闲散资源，摊薄单位成本。
这四条里，前两条靠的是规模和工程，后两条靠的是把“时间”当成商品。它们都不改变模型本身，只是把同一份算力在不同条件下卖出了不同的价格。
但价格低，未必都来自这些结构性原因。这几年也出现过另一种“便宜”：用批量注册或收购来的账号凑成号池，再以不合规的方式转卖接口，成本被人为压到极低。这类低价不带稳定性和合规性——2026 年，监管部门已公开提示“AI 中转站”的风险，上游厂商也在收紧对转卖行为的审查。
对多数中小团队来说，自己去做批量聚合、缓存命中、峰谷调度、闲时算力对接，算上开发和运维人力，省下来的钱未必能覆盖成本。于是市场上长出了另一种角色：把这件事做成公开撮合的平台。这类平台上，卖家把闲置额度挂出来自己报价，但报价通常被框在一定折扣区间内，太贵会被直接挡回去；买家不用自己挑货源，系统按报价、负载和健康度派单，某个货源报错就自动切到其他可用货源。折扣从哪来、能不能长期给，在这种平台上可以一条条对回成本结构。
还有一个实用的判断方法：把平台的报价和它对应的成本结构对一遍。如果报价明显低于同档模型的算力与运维成本，又没有说明低价从何而来，那它要么在补贴，要么在别的地方找补。前者会随活动结束而结束，后者往往要用质量或合规来还。选择报价口径公开、能说清低价来源的正规平台，比追全网最低价更稳妥。
所以比价之前要先分个类：这个便宜，是效率换来的，还是风险换来的。前者可以长期用，后者随时可能消失，而且往往以输出质量和数据安全为代价。
# **六、动态定价之下，买方该怎么做**

价格会动，成本结构相对稳定。把功夫花在后者身上，比追最低价更管用。
· 按时限给任务分类。实时对话、在线请求走常规通道；离线评测、批量生成、语料清洗这类不赶时间的，单独排进队列。
· 把可延迟的任务排到低谷。夜间、周末、峰谷计价里的低档时段，都是现成的折扣。
· 缓存前缀要设计得稳定。固定不变的内容放最前面，别每次都去动它，否则缓存命中不了。
· 看清计价口径。是否透传峰谷价、是否支持缓存计费、批量接口有没有折扣，这些比首页标价更能决定实际支出。
· 算总账，不只算单价。多接一套接口、多写一层适配、多处理一类错误码，都是实打实的人力。便宜但折腾的渠道，未必真便宜。
落地时可以这么起步：先跑两周日志，把每类任务的调用量、平均输入输出长度、失败重试率统计出来，据此决定哪些活可以降档、哪些任务可以延后；再给可延迟的任务单独开一条队列，配一个低谷时段的执行窗口。这两步不花钱，却是性价比最高的降本动作。真要接入时，优先挑计费口径和官方一致的通道：按每百万 tokens 计价、不做倍率换算、每笔调用都能导出对账，账单才和官方对得上。这类撮合平台大多兼容 OpenAI 格式，把 base_url 和密钥换掉就能接，Claude 另有 Anthropic 原生格式，SDK 基本不用动。
还有一点值得注意：算力的计价方式本身也在变。2026 年起，部分算力服务商开始试点“保底 + Token 分成”——把固定服务费降下来，换成跟着调用量分成的收益结构。它说明供给方押注的不再是“卖了多少硬件时长”，而是“机器实际跑了多少 Token”。定价的锚点，正从资源转向产出。
对采购方来说，这意味着报价会越来越多地和实际用量挂钩：固定成本降了，用量增长带来的支出弹性却变大了。签约之前，得把这条弹性算清楚，而不是只看那个被调低的基础价。
# **写在最后**

大模型 API 的价格，是算力供需的一面镜子。单价跌是效率的胜利，算力涨是硬件的现实，而同一个模型能报出不同价格，差的是利用率、缓存、时段和渠道结构。
对使用者来说，与其在几个数字之间反复横跳，不如先看懂这条成本链。价格随时会变，看成本的能力不会过时。

单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定同一个模型，A 平台报三块，B 平台敢报八毛；上个月还够用的预算，这个月账单又超了三成。很多团队的直觉是“厂商在乱定价”，于是把价格当成一个需要反复比对的数字。先把判断摆在这里：大模型 API 的价格不是拍脑袋定的，它由一条从 GPU 到 Token 的成本链决定。看不懂这条链，比价就只能比到一个表面数字。

单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定

人工智能

云计算

大数据

大模型API价格并非随意制定，由GPU折旧、电力等硬成本主导，利用率是核心变量。单价暴跌90%源于架构优化与效率提升，算力上涨是硬件现实。闲时算力、缓存命中、峰谷计价及批量采购构成合理低价来源。比价应核验成本结构，关注总账与计费口径，而非单纯追逐最低价。

大模型推理

数据安全

数据中心

智算中心

路由

Agent

腾讯云大模型Token Plan个人版28元/月起

tokenhub

腾讯云双十一大促

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定-腾讯云开发者社区-腾讯云

单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定

单价跌了九成，算力却涨了四成：大模型 API 的价是谁在定

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐