日前，月之暗面发布的旗舰模型Kimi K3因高定价策略引发行业广泛关注。随着大模型能力快速迭代和应用场景不断拓展，部分头部模型开始尝试突破低价模式。但要看到，模型厂商敢于定高价，并不等于获得了“定价权”。

从API定价来看，国产大模型出现明显的价格分层。参考企业公开的标准零售价，Kimi K3的价格定位高于当前多数国产主流模型，其未缓存输出价格达到100元/百万词元。智谱GLM-5.2、豆包2.1Pro、通义千问Qwen系列等主流模型输出价格集中在20～40元/百万词元区间。DeepSeek、MiniMax等模型，则通过更低的调用成本强化性价比优势。

从词元输出维度来比较，Kimi K3的输出价格大幅领先于其他国产模型，约为智谱GLM-5.2的3.6倍、豆包2.1Pro的3.3倍、通义千问Qwen3.7-Max的2.8倍、DeepSeekV4-Pro高峰时段价格的8.3倍、MiniMax-M3标准模式的11.9倍。

不同背景的模型厂商，定价逻辑各有侧重。以大模型研发与API服务为核心业务的企业，如月之暗面、智谱华章，模型业务必须直接承担盈利压力。这类厂商拉高API定价，本质上是希望通过能力代差来摆脱低价竞争，将大模型重新定义为高附加值专业服务。而背靠大型互联网生态的模型，如阿里云的通义千问、字节跳动的豆包等，则通过将模型深度嵌入云计算、办公协同、内容分发等现有产品体系，为模型价值提升创造了更多空间。

除了厂商的主观策略外，随着相关技术和应用的成熟，模型推理的边际成本持续下降，企业的生存压力减轻，也推动模型的定价逻辑从“成本决定价格”升级为“价值决定价格”。与此同时，需求侧结构也在发生变化：随着RAG（检索增强生成）、复杂Agent（智能体）和多步推理应用的普及，用户对低延迟、高准确率、高稳定性的模型需求明显增加，对“好用模型”的付费意愿正在增强。

不过，模型能力、产品生态能否长期支撑高价，仍存在诸多不确定性。

首先，高价能否被市场真正接受，仍待验证。国内用户长期习惯于免费或低价API调用。当旗舰模型价格拉到百元级/百万词元，用户必然会对投入产出比的账算得更细。尤其对于成本敏感的中小企业而言，如果模型调用成本超过实际收益，很可能回归低价模型或者开源方案。

其次，用户迁移成本较低，技术领先的窗口期短暂。大模型不同于操作系统、社交网络等对用户具有强绑定效应的产品，可替代性较强。如果高价模型无法带来显著的业务收益，无论技术能力或生态优势都难以转化为稳定的价格优势。当前，大模型行业的研发节奏已压缩至季度级，今天在某个基准测试中领先的模型，可能下个季度就会被竞争对手追平甚至反超。一旦技术优势不再，高定价便会失去其最核心的支撑。

最后，模型能力的提升尚未完全转化为用户实际收益。研发端习惯用参数规模、测试成绩、上下文长度等技术指标来证明自己的模型更强；但用户在采购模型时更关注回报，比如是否降低了成本、提升了工作效率、创造出新的业务价值等。如果模型能力缺乏来自业务端的“收益佐证”，价格提升空间就会受到限制。

从整体情况来看，大模型厂商想真正实现价格自主上调、客户普遍接受，并且能长期维持行业溢价水平，还须在性能、生态、服务等方面形成差异化壁垒。

来源：《人民数据智库报告》8月下

作者：尹文佳、张阳

编辑：许多、韩佳琪（实习）

责编：岳禺宁