低价策略的出现并非偶然，而是对大模型商业化底层逻辑的直接拷问。过去，模型算力、研发投入与专利壁垒共同塑造了“技术越强、价格越贵”的惯性；如今，一家以“普惠”姿态切入的公司把每百万 token 的费用压到 1 元人民币，这一数字足以让行业的定价锚瞬间移动。
定价锚的形成
- DeepSeek V4‑Flash 版 1 元/百万 token，Pro 版 12 元；同类产品 Kimi K2.6 为 6.9 元，智谱 GLM‑5.1 最高 8 元，MiniMax‑M2.7 约 2.1 元。
- 资本市场对同类公司估值往往采用市销率（P/S）或 ARR 倍数。MiniMax 2023 年 2 月 ARR 为 1.5 亿美元，却被赋予约 200 倍的市销率，溢价全部依赖未来业绩假设。低价冲击直接削弱了该溢价假设的可信度。
成本结构与规模效应
大模型的主要成本可以拆解为三块：算力租赁、电力消耗、研发人力。算力成本随芯片代价下降呈指数级递减；电力成本在高效算子和模型压缩后已降至 30% 以下；研发人力仍是最大变量，但当模型参数规模趋于“足够好”而非“一味更大”时，团队规模可以通过模块化复用实现平滑增长。低价策略正是利用了规模效应——在算力与电力成本已经被压平的前提下，降价不再等同于利润被侵蚀，而是通过更高的调用频次来摊薄固定成本。
估值模型的转向
过去的估值模型往往把技术壁垒转化为稀缺性溢价，公式类似：
[ text{估值}= text{技术指数}times text{市场稀缺系数}times text{预期增长率} ]
低价冲击后，稀缺系数被重新校准，预期增长率更依赖于实际收入而非“潜在需求”。因此，市销率从 200 降至 30‑40 成为新常态；投资者开始要求明确的收入路径，而不是单纯的技术领先。
可能的策略回弹
- 差异化服务：在基础模型保持低价的同时，提供企业级安全、定制化微调等增值服务，以更高的单位利润抵消调用量的下降。
- 生态授权：通过 API 授权、模型插件市场等方式，让第三方开发者为平台创造增值流，形成多边网络效应。
- 硬件协同：与芯片厂商深度绑定，获取专属算力优惠，从而在成本端进一步压缩空间。
低价是否能彻底终结技术溢价，答案并非黑白分明。它更像是一次生态重塑的信号——当成本曲线趋于平坦，价格锚随之下移，只有能够在规模、效率与增值服务之间找到平衡的企业，才能在新一轮竞争中保持估值的弹性。于是，行业的下一步棋，或许不在于“更大”，而在于“更快、更灵活”。