← 返回洞察
2026 年 9 月 · 6 分钟阅读
token 价格战：单价不再是成本决策的第一变量
关键定义
token 卫生（token hygiene） 决定「每个业务结果烧多少 token」的一组工程习惯：prompt-cache 命中率、批量占比、重试纪律、上下文裁剪。价格战之后，这是账单的第一变量。
有效成本 vs 牌价 牌价是每百万 token 的标价；有效成本是完成一个业务结果实际花掉的钱 = 牌价 × 缓存折扣 × 批量折扣 × 重试系数。Blitzy 的案例里牌价没变，缓存纪律把成本打掉 87%。
价格战里最贵的其实是「你以为便宜」。OpenAI 在 2026-07-30 把 GPT-5.6 Luna 砍价 80%（约 $0.20/$1.20 每百万 token），Terra 降 20%；Anthropic 08-11 把 Sonnet 5 的 $2/$10 定为永久价，取消了原定 9 月 1 日的涨价。主流 API 的价格地板滑到约 $0.20/M 输入——当单价掉到这个量级，选哪个模型就不再是成本决策的第一变量，账单改由 token 卫生决定。
证据：降价是真的，但牌价只是账单的一小块
OpenAI 官宣（2026-07-30）：GPT-5.6 Luna 降价 80%、Terra 降价 20%，并把 Luna 定位成「高吞吐多步工作流的成本解」（厂商口径）。Anthropic 08-11 将 Sonnet 5 的 $2/$10 定为永久价（平台文档口径）。按 CloudZero 2026-09-04 更新的对照：主流 API 地板在 $0.20/M 输入附近；OpenAI 自家产品线从 Luna 的 $0.20 到 GPT-5.5 Pro 的 $30 相差 150 倍，Anthropic 内部从 Haiku 的 $1 到 Fable 的 $10 相差 10 倍；输出普遍 5-6 倍于输入；缓存输入约按标准价 1 折计、批量约 5 折。
同一份 OpenAI 官宣页上，几个客户的自述数据更说明问题。Blitzy CTO：换到 Luna 后 prompt-cache 复用率从 24% 升到 90%，2.2 倍上下文、8.5 倍更少的输出 token，整体成本比 GPT-5.4 mini 低 87%。Dust CTO：同样的 agentic 任务，Luna 比原默认模型快 40%、便宜 40%。Notion：Terra 在个人 agent 上与 GPT-5.5 质量相当，每任务成本减半、时间省 60%。这些都是客户自述口径——但它们指向同一个结构：省下的钱主要不是降价给的。
我们的判断：价格战把最小的系数打下来了
agent 是 token 燃烧机：一次「完成一个任务」= 多轮工具调用 + 长上下文 + 可能的失败重试。真实成本 = 单价 × 缓存折扣 × 批量折扣 × 重试系数。价格战打下来的是乘法里最小的那个系数——单价。剩下的系数——缓存命中率、批量占比、重试率、上下文膨胀——才是账单的大头，而它们一个都没降价。
Blitzy 的 87% 是这句话的最佳注脚：牌价没变（模型换了），缓存与输出纪律把成本打掉 87%。厂商降价是分母的恩惠，token 卫生是分子的控制。CloudZero 2026 年对 260 位财务负责人的调查里，64% 说「能把 AI 花费与结果挂钩会改变我的投资方式」——这与我们的判断同向：预算者盯着牌价，真正该盯的是每任务有效成本。
我们自己的栈跑的是同一套逻辑：OOMeta 内部用 deepseek-v4-flash 处理高频批量、用更强模型做难任务、并做缓存与路由分层。价格战对我们是净收益，但账单结构没变——大头从来不是模型单价，而是每个结果烧了多少 token。这个观察在 2026 年上半年如此，价格战后依然如此。
行动清单：先量 token 卫生，再谈选型
① 把卫生指标接上可观测性
每个 agent 任务记录：缓存命中率、批量占比、重试率、每任务 token 数。没有这四个数，任何成本优化都是猜。
② 把缓存当架构决策
提示词模板化、稳定前缀、cache-friendly 的上下文编排——缓存命中率从 24% 到 90% 是架构选择，不是运气。
③ 给重试和工具调用上纪律
失败重试带退避与上限；工具调用链能剪枝就剪枝。无上限的重试是账单的隐形膨胀点。
④ 预算改用「每任务成本」
列出 top 10 业务任务，每任务的 token 消耗 × 有效单价。牌价只是乘法里最小的系数，别再拿它做预算。
衡量建议：月报里看两个数——「每任务平均成本」的环比，和「缓存命中率 × 批量占比」的乘积。前者是结果，后者是杠杆。两者都改善，说明你在控制分子；只有单价下降，说明你在等分母施舍。
OOMeta AI
OOMeta 内部就是一个多 agent 的 token 消费者：1 个人 + 多 agent 单元，每天的信号监控、内容生产、审计闭环都在烧 token。我们因此比多数咨询公司更早把「每任务有效成本」当第一指标——先量 token 卫生，再谈选型。这套方法同样用于客户的 agent 成本治理评估。
预约诊断会参考来源：OpenAI 官宣（2026-07-30，厂商口径；客户引用为自述）https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/ · Anthropic 平台定价（Sonnet 5 永久价，厂商口径）https://platform.claude.com/docs/en/about-claude/pricing · CloudZero LLM API 定价对照（2026-09-04 更新）https://www.cloudzero.com/blog/llm-api-pricing-comparison/ · CloudZero 2026 AI ROI 调查（260 位财务负责人，64%）https://www.cloudzero.com/finance-needs-ai-roi-2026-survey-report/
常见问题
为什么说价格战让「选哪个模型」失去意义？+
当主流 API 输入单价掉到 $0.20/M 量级，模型之间的价差不再决定账单。agent 的真实成本 = 单价 × 缓存命中率 × 批量占比 × 重试系数，后面这几个系数比单价大一个量级——所以决策变量从「哪个模型」变成了「每个结果烧多少 token」。
OpenAI 07-30 到底降了多少？+
官方宣布 GPT-5.6 Luna 降价 80%（至约 $0.20/$1.20 每百万 token），Terra 降价 20%。Anthropic 随后在 08-11 把 Claude Sonnet 5 的 $2/$10 定为永久价，取消原定 9 月 1 日的涨价（均为厂商口径）。
Blitzy 的 87% 成本下降是怎么来的？+
Blitzy CTO 在 OpenAI 官宣页引述：换到 Luna 后 prompt-cache 复用率从 24% 升到 90%，2.2 倍上下文、8.5 倍更少的输出 token，整体比 GPT-5.4 mini 便宜 87%（客户自述口径）。——降价没这么大，省的是缓存与输出纪律。
token 卫生具体指什么？+
四件事：① 提示词模板化与稳定前缀，最大化缓存命中；② 异步任务走批量 API（约 5 折）；③ 失败重试带退避与上限，别让工具调用链无限膨胀；④ 上下文裁剪，别把整个历史塞进每个请求。
预算应该怎么改？+
从「每百万 token 单价 × 预计用量」改成「每任务成本」：列出 top 10 业务任务，算清每个任务的实际 token 消耗 × 有效单价（含缓存与批量折扣）。牌价只是乘法里最小的那个系数。