大模型涨价了，而且是接近翻倍的那种。
信通院 10 月 23 日发布的《大模型词元服务性能监测报告（2026 年）》里，国内词元服务的归一化均价从 2025 年下半年的 6.8 元涨到今年的 13.46 元；同一份报告的另一页写着，2026 年 6 月国内日均消耗约 500 万亿词元，是 2025 年 12 月的近 4 倍。
一边涨价，一边把用量干到 4 倍。这两件事同时成立，说明我们对"AI 越来越便宜"的印象，可能只是半个故事。
两个方向相反的数字
报告由信通院人工智能所、人工智能大模型及软硬件评测工信部重点实验室、中国人工智能产业发展联盟联合发布，监测窗口是 2026 年 1 到 8 月，比的是原厂官方平台，以及 DeepSeek、Qwen、GLM、Kimi 四款开源模型在第三方平台上的表现。
价格那条线是这样的：国内 2025 年下半年归一化均价 6.8 元，2026 年以来 13.46 元（这是按同一能力基准折算出来的比价口径，不是某家平台按百万词元挂牌的价目表）。作为参照，今年发布的国外典型模型归一价格约 117.8 元，差不多是国内的 8 倍多。所以"涨价"是相对去年自己比的，不是相对国外比的。
用量那条线走得更猛。2026 年 6 月国内日均词元消耗约 500 万亿，接近 2025 年 12 月的 4 倍。
我把这两个数字乘了一下：用量 4 倍，单价 2 倍，词元服务的总支出规模大约是去年年底的 8 倍。这是我按公开数字做的粗算，覆盖的只是词元服务这一块，不是官方口径，但量级上足够说明问题——省下来的单价，被涨上去的用量吃掉了，而且是加倍吃掉。
两年前行业里流行一句话，说大模型会像水电一样越来越便宜。这句话在简单任务那一档至今成立，在能干活的那一档已经不成立了。
这里要说清口径的边界。报告测的是词元服务，也就是通过公有云 API 供给的那部分调用，它覆盖不了私有化部署、企业内部自建推理集群，也覆盖不了各家打折、预付、承诺消费之后的实际结算价。6.8 元和 13.46 元是折算出来的比价基准，别拿它当某家平台的账单去对。它真正能说明的是趋势方向：同一能力档的服务，今年比去年贵了将近一倍。
你买的不是同一个词元
归一化价格是个比价工具，它把不同能力档的模型按同一基准折算，方便横向对照，不等同于你手里那款模型的后台挂牌价。
真正把单价推上去的，是"一次调用里塞进去多少东西"。
报告里有一组容易被读漏的数据：被监测的模型里，上下文长度达到 1M 的占 47.8%，200K 及以上的合计 95.7%，比 2025 年底提高了超过 76 个百分点。两年前主流还在一两百 K 上下，现在百万级上下文几乎成了新发布的标配。
这件事对价格的影响非常直接。词元服务按输入和输出分别计价，输出通常更贵；上下文越长，单次请求里那些"必需但重复"的部分就越多。你让模型改一段二百行的 SQL，和让它读完半个代码仓库再改，用的是同一个模型、同一个价签，落到账单上完全不是一回事。
我自己的用法就是这样变的。去年我让它帮我看一段报错，贴几十行；现在直接丢一个目录进去，让它先读再答。单次任务吃掉的词元涨了一个量级，单价再涨一倍，最后的成本涨幅会超过两倍。
所以盯"每百万词元多少钱"这个数字，很容易得出错误结论。该盯的是"每完成一个任务多少钱"。
吞吐翻倍，体感却更慢
报告里最反直觉的一组对照组，是吞吐和时延。
8 月国内各模型平均 TPS（每秒输出词元数）78.23，2025 年均值 38.25，翻了一倍；国外典型模型同期 112.82。产能确实上来了。
可首词时延反着走。8 月国内平均 TTFT（首词时延）1.26 秒，2025 年平均 0.78 秒，涨了六成；国外更明显，8 月 2.08 秒，4 月还是 1.04 秒。
报告自己的解释是，TTFT 上升并不等于性能退化，它和参数量增加、上下文变长、调用量上涨是同时发生的。
机制不复杂。平台为了把显卡喂饱，会把多条请求塞进同一轮计算里跑，批越大，每秒吐出的词元越多，但每一条请求排队的时间也越长。另一种常见做法是把预填充和解码拆到不同机器上跑，算力利用率上去了，中间又多出一段网络往返。再叠上百万级上下文——预填充阶段本来就要先把那么长的输入算一遍，这段时间里用户看到的就是光标在闪。
下午两点你按下回车，等了一秒多才见到第一个字。同一时刻，平台那边正在服务几十万条请求。
上下文变长对时延的影响，比很多人想的更硬。预填充阶段要把你贴进去的所有内容先算一遍，十万词元的输入和一千词元的输入，差的是两个数量级的计算。报告里 200K 及以上上下文的模型占比已经到 95.7%，这意味着大多数新模型在接到请求时，先要啃掉一段比两年前长得多的前置工作。你把一整份合同丢进去问"哪里有问题"，等的那两秒，很大一部分花在它读合同上，而不是花在它想答案上。
吞吐是平台的账本，时延是你的体感。两本账一起涨，只能说明一件事：需求涨得比产能快。
同一个模型，换个平台能差近一倍
报告里还有一段，对天天调 API 的人比价格数字更有用。
四款开源模型在不同平台上的 TPS、TTFT、调用成功率表现不一，部分第三方平台的性能明显优于官方平台；同一个模型，跨平台的 TPS 差距最大接近一倍。报告把这归因于各家在推理加速、优化策略、成本控制上的差异。
它举的例子是 DeepSeek-V4-Pro，8 月的 TPS 达到 DeepSeek-V3.2 的两倍。
这条信息翻译成人话：模型名只决定了能力上限，你实际拿到的速度取决于跑它的那台机器和那套调度。同一个权重文件，换个平台，快慢能差出一个档。
我现在的做法是这样，谈不上标准答案，但省过钱：先拿自己真实的 prompt 跑二十次，看 P50 而不是看官方宣传的峰值；再看两个指标各自的用途，长文生成看 TPS，交互式问答看 TTFT，两个都好看的服务通常更贵；最后每周固定一个时段复测一次，平台负载是漂移的，上个月最快的这家这个月未必还是。
这套方法有边界。它测的是你那条链路的常态表现，替代不了 SLA，也不反映限流和突发扩容时的真实水位。对稳定性要求高的业务，成功率和限流阈值要单独问清楚。
还有一点容易被忽略：成功率也在分化。报告说四款模型在不同平台的调用成功率表现不一，这项指标的麻烦在于它平时看不见——好的时候 99%，坏的时候你得在业务侧接一个重试和降级，才知道问题出在哪。做客服、做交易这类不能断的场景，成功率该排在速度和价格前面。
两个最容易看错的判断
第一个误读：价格战打了两年，大模型只会越来越便宜。
这个说法有它的道理，2024 到 2025 年那一轮降价是真的，小模型那一档至今还在降。但它解释不了 2026 年这轮回升——需求端用量翻了四倍，供给端算力和上下文长度一起往上走，而能承接复杂任务的模型本来就少，定价权回到卖方手里。更准确的理解是：降价发生在"简单任务"档，涨价发生在"复杂任务"档，两份价格表正在分叉。
第二个误读：吞吐翻倍，说明服务更快了。
这话对了一半，长文生成的体感确实变好了。它解释不了的是，你按下回车之后等的那一秒反而更久了——TTFT 从 0.78 秒升到 1.26 秒，这个数字才是你手指的感受。吞吐衡量的是平台一分钟能伺候多少人，时延衡量的是你排在队伍的第几位。产能和排队同时上涨，问题从来不在机器够不够快。
这笔账该怎么算
如果你只是用 AI 聊聊天、写写邮件，这轮涨价对你几乎没有影响，便宜的那一档还在，而且确实还在降。
如果你拿它干活，预算口径得换一种记法：把"每百万词元多少钱"换成"每完成一个任务多少钱"，把"哪个模型便宜"换成"哪个平台在我这条链路上快"，把长上下文当成一项要付费的能力，而不是免费额度。
中小团队的感受会更明显一些。行业整体的用量涨了近 4 倍、单价涨了近 1 倍，落到具体业务上，这两条曲线会叠在一起：接上知识库、加上多轮检索、再让模型自己检查一遍答案，同一个问题走过的词元数量是以前的几倍，单价又翻了一倍，账单自然不是以前那个数。这笔钱不是被谁单独赚走了，是任务本身变重了。
报告没有给出未来会不会继续涨的答案，它只把 2026 年这八个月的数据摆了出来。但从价格、用量、吞吐、时延四个指标同向变动来看，这更像是一次结构性上调，而不是短期波动。
你上个月的 AI 账单里，涨得最凶的是哪一项——输入变长、换了模型，还是活本身就多了？三种情况对应的省钱办法完全不同。
