2026 年一张表看懂全球模型价格带

$0.20 和 $10。我们把各家官方定价页上的输入价统一成"每百万 token"之后，最低点和最高点之间隔着 50 倍。

输出端的差距更大：$1.20 到 $50，约 42 倍。

本文所有价格取自 2026 年 8 月 18 日各家官方定价页，单位统一为「每百万 token 输入 / 输出」；其中 DeepSeek 那两行于 2026 年 8 月 16 日改成高峰 / 低谷两档并全线上调，本文已按 8 月 18 日的挂牌价重新采集。价格随时会变，下文会说明为什么这句话必须写在正文里。

一、先把表摆出来，再换算成账单

我们逐家打开官方定价页，统一口径后得到这张表：

Kimi K3 与豆包 2.1 Pro 的官方定价页以人民币计价，我们没有做汇率换算，也没有找到把两种货币放进同一张表的官方依据；这两行请单独看，不要和美元行直接相减。

DeepSeek 那两行是区间价而不是单价：2026 年 8 月 16 日 16:00（UTC）起它改成高峰 / 低谷两档计价，低谷价是高峰价的一半，高峰时段为世界协调时 01:00–04:00 与 06:00–10:00。所以「DeepSeek 多少钱」这个问题在这一家没有唯一答案，取决于你的活跑在几点。本文的账单演算取的是高峰价，夜里能跑的批量任务单价直接减半。

剩下的问题是，"每百万 token"这个单位老板看不懂。要看懂，得换成账单。

我们用一个可替换的口径：假设一个客服工单送进去 2,000 个 token，回来 500 个。这是假设不是数据，你可以换成自己业务的真实值再算一遍。

1 万个工单，就是：

• →输入 10,000 × 2,000 = 20,000,000 token = 20 个百万
• →输出 10,000 × 500 = 5,000,000 token = 5 个百万

于是账单 = 20 × 输入单价 + 5 × 输出单价。

代进去：

同一批工单，最贵 $450，最便宜 $10。450 ÷ 10 = 45 倍。

再放大到真实的量。如果这是每月的工单量，一年就是 12 万单：Fable 5 一年 $5,400，V4 Flash 一年 $184.8（挪到低谷时段是 $92.4）。前者是要走预算流程的数，后者是一笔零头。

所以"随便选一个好用的"在小规模测试阶段成立，上量之后立刻不成立。

二、价格差几十倍，分数只差几分

价格拉开几十倍，能力拉开多少？

据 Artificial Analysis 的模型能力榜，Claude Opus 5 以 61 分居首；Kimi K3 是 57 分，位列全球第 3，同时是榜上最强的开源模型；GLM-5.2 是 51 分。

这三个分数只覆盖上表中的三款。其余型号我们没有在同一榜单上找到对应分数，不做推断，也不替它们填分。

就这三款看：最高 61，最低 51，差 10 分。而 Opus 5（$225）和 GLM-5.2（$50）在那张账单表上差了 4.5 倍。

再看另一个口径。据 Epoch AI 于 2026 年 5 月 29 日发布的数据，最强开源权重模型平均落后前沿闭源模型 4 个月、8 个 ECI 点。

把这两组数放在一起，能得出的判断是：

分数是压缩过的刻度，价格不是。

榜单分数把成千上万个任务压成一个数。61 和 57 之间的 4 分，不代表每个任务都好 6.6%。更可能的分布是：绝大多数任务上两者看不出差别，少数任务上差得很明显。

而价格是每次调用都收的。踩不到那"少数任务"的时候，多付的钱全是白付。

所以选型的问题不该是"哪个最强"，而是：我的任务里，那"少数"占多大比例，以及它们值不值那个差价。

这也是开源侧性价比在 2026 年变得难以忽视的原因。智谱 GLM-5.2 是 744B 参数、MIT 协议开源，据其官方资料全程在昇腾 910B 上训练完成，定价 $1.4 / $4.4；月之暗面 Kimi K3 是 2.8 万亿参数，官方定价 ¥20 / ¥100。

4 个月的能力时间差，对绝大多数业务不构成阻塞，对少数业务构成。分清楚哪些是少数，是下一节的事。

三、按任务分档，而不是按模型排队

顺序是：先把任务分档，再把模型对上去。反过来做，最后都会变成"全公司统一用一个模型"，然后为最贵的那一档付所有账。

第 1 步：先按"错了以后谁发现"给任务分类，不要按"难不难"。

难不难是技术判断，谁发现是成本判断。很难但错了会被下一道工序拦住的任务，可以用便宜模型；很简单但错了直接发到客户手里的任务，不可以。

第 2 步：划出第一档——大批量、结果可自动校验。

判断依据只有一条：你能不能写出一条不靠人就能判对错的规则。

能写出来的属于这一档：输出必须是给定选项之一、必须是合法日期格式、必须能和数据库里某条记录对上。校验规则兜住错误，模型只要够快够便宜。

这一档直接用价格表最下面那几行。按上面的算法，1 万单 $10 到 $15.4 的量级。

第 3 步：划出第二档——需要判断，但有人复核。

判断依据：错了会被下一道工序拦住，并且这道人工复核的成本，低于换用贵模型要多花的钱。

这一档是大多数公司真正的主战场。中间价位那几行，1 万单 $50 到 $100。

第 4 步：划出第三档——一次错就有代价。

判断依据：输出之后没有第二双眼睛看，或错误不可撤回。对外合同条款、财务口径、直接推送给客户的内容，都在这一档。

这一档用旗舰，且不要为省钱换模型。45 倍听起来很多，但一份发错的对外文件，赔的钱通常远超一年的模型账单。

第 5 步：每一档只留两家，一主一备。

留两家是为了下一节说的停服风险；只留两家是不让工程侧被无止境的适配拖住。

分档做完常会出现一个意外：第一档调用量占绝大部分，成本占比却很低；第三档调用量很小，却吃掉大半预算。这个结构本身是健康的——真正要查的是第二档有没有被无意识地塞进第三档。

四、被漏掉的两项成本，和一个保质期

价格表上写着的数，不是你最终付的数。

缓存命中

据 DeepSeek 官方定价页，V4 Pro 的高峰标准输入价是 $1.32，而高峰缓存命中价是 $0.044。两者相除，$1.32 ÷ $0.044 = 30 倍。低谷价是这两个数各自的一半，倍数不变。

据字节官方定价，豆包 2.1 Pro 输入 ¥6，缓存 ¥1.2，是标准价的五分之一。

回到那 1 万个工单。V4 Pro 原本 $46.2，其中输入端是 20 × $1.32 = $26.4。如果这 20 个百万 token 全部命中缓存，输入端变成 20 × $0.044 = $0.88，总账单降到约 $20.68。

$46.2 变成 $20.68。什么都没换，只是命中了缓存。

什么场景成立？前缀重复的场景：同一份长系统提示词、同一份产品手册、同一套规则文档被反复送进去，客服、审核、批量抽取都是这个形状。什么场景不成立？每次输入都完全不同——那缓存价是一个你永远用不上的价格。

我们的看法是：一份不区分"标准输入价"和"缓存命中价"的选型报价单不能算数，它可能高估三倍，也可能低估三倍。

停服风险

据月之暗面官方文档，Kimi K2 已于 2026 年 5 月 25 日下线。

这不是假设的风险，是已经发生过的先例。现在接进业务流程的模型，都会有下线的一天。

这件事推出三个判断：

第一，别让业务逻辑和某个具体型号绑死。

第二，每一档留一个备选，且备选要真跑通过，不是写在文档里。

第三，权重开源的模型在这个维度上多一个口子。GLM-5.2 是 MIT 协议开源的 744B 模型——即使某家停掉 API，你仍有一条不依赖对方的路。这条路有自己的成本（算力、运维、人），但它存在。

价格本身也会变

据 OpenAI 官方公告，GPT-5.6 Luna 在 2026 年 7 月 30 日降价 80%，降到 $0.20 / $1.20。

一次降价 80%，这就是"价格表有保质期"最直接的证据。本文价格取自 2026 年 8 月 18 日的官方页面；DeepSeek 在 2026 年 8 月 16 日刚改过一次计价结构并把价目全线上调——做任何超过一个季度的预算之前，重新打开一次各家定价页。

代价：什么时候不该做这件事

便宜模型省下来的钱，可能全赔在人工复核上。判断线可以自己算：贵模型和便宜模型的账单差，除以你团队的人工小时成本，等于你能承受的额外复核小时数。

举例：1 万个工单，GPT-5.6 Sol 是 $250，Luna 是 $10，差 $240。把 $240 除以你团队的时薪，得到一个小时数；如果换便宜模型后这 1 万单多出的复核时间超过它，你不是在省钱，是把预算从模型账单挪到了工资单，而且挪多了。

这条线每家公司不一样，因为人工成本不一样。别抄别人的选型结论，抄算法。

还有一种情况是整件事都不该做：如果一个月的模型账单还低于做这次选型的人力成本，就先别分档。按上面的算法，月一万单全用中档也就几十到一百美元；为省七十美元占用两个人一周，这笔账是亏的。

先把量做起来。账单变成一个需要看的数字之后，这张表才有用。

同系列里还有一篇讲怎么给模型任务建评测集，分档之后可以接着看。