token的价格，最终会走向何方
- 内容介绍
- 文章标签
- 相关推荐
最近的模型越来越贵了，这背后是高昂的运行成本。
看到曾经有佬友问自建glm5.1成本如何，得到的答案是不算电费就已经要好几百万，能支持的并发量还非常有限。
不少ai厂商也在赔本赚吆喝。两大ai巨头都表示需要输血。
智普套餐的缺货、模型的断连彰显的是背后算力的不足。
算力资源似乎是当前跨不过去的一道坎，而人类对ai的依赖性正越来越高。
未来token的价格会如何？会因为ai厂商逐渐撑不住或者野心膨胀而走高?还是会因为算力电力设施的增多、模型的优化而降低？
--【壹】--：
长远来看，会越来越便宜；
但创业者时机成本更值钱。
--【贰】--：
佬友不必担心,3G时代吹嘘4G流量很贵,4G时代吹嘘5G流量一晚上就要烧掉一栋房,类比一下
--【叁】--：
等国内芯片产业链成熟，就是降价之时，目前就是算力紧张，卡在芯片吧？
所以结论，重仓芯片
--【肆】--：
cerebras 应该是跟 NV 高低配
不然大晶圆挺贵的，而且容量有限
--【伍】--：
这个东西谁又能说的准呢，物理硬件和计算成本还有汇率都息息相关。国内的话就和计算成本GPU显卡相关了
--【陆】--：
摩尔定律是不是又要开始生效了呢，总之时代是在进步的，新兴事物刚开始都很昂贵，早期的大哥大，电脑，汽车
--【柒】--：
普通人还是老老实实地使用中转站。使用国外的大模型，这样不仅质量最好，而且不会有利益损失
--【捌】--：
感觉还在高速发展期，迟早会嵌入现有的社会生态，变成类似水电气一样的基础消耗与设施，价格也会下来的，交给时间就行
--【玖】--：
但通信基站设施跟gpu这种资源相比还是有很大不同的
--【拾】--：
长期看 token 价格很难一直维持高位吧。现在各家价格都抬高，主要还是算力紧、芯片贵、推理成本高，以及厂商还在高速投入训练和基础设施建设，（再加上 OpenClaw 这种把 CodingPlan 吃成 TokenPlan 的东西 ）但长期只要国产芯片、供电、数据中心和模型工程优化继续推进，单位智能成本大概率会被嗖嗖打下来。
国内还有一个优势，就是应用场景足够大。政务、工业、教育、客服、办公、制造业、消费端，到处都有大量真实需求。只要这些场景能真正消化算力并产出效果，AI 就不只是烧钱讲故事，而是有机会进入实体经济循环。这样厂商也更有动力把 token 价格压低，让 token 真的像电一样处处流动，用规模换市场，而不是单纯靠涨价回本。
所以我倾向于认为，未来高端模型可能仍然会有溢价，但普通人和普通业务使用的 token 成本会逐步下降，最后更像水电、云服务一样，成为基础设施消耗品。
毕竟各位佬友也能体会出来，从 GPT-5.2 之后，coding 场景已经开始触及边际效应了。很多时候甚至只需要 GLM-5.1，经验丰富的佬友们搭配Harness就可以用出特别好的效果。事实上大部分人和大部分场景需要的并不是最顶级的智能，而是恰好能在这个场景里干好活的智能。
最近很多一两千亿参数量的较小模型，就是特定场景下成本和效率的综合最优解。在价格只有顶模十分之一甚至更低的情况下，某些任务上效果甚至还会更好，那为啥不用呢？随着这类模型逐渐从通用 LLM 手里接过本来就更适合它们的位置，先前被浪费的智能会被更充分地利用，整体价格自然也有下降空间。
再有一点，现在 agent 也在逐步优化。从 OpenClaw 走向 Hermes，本质上也代表着智能使用场景和使用模式的进化：从啥活都直接让模型干，到后面把经验固化、流程复用、重复步骤工具化。智能体在应用中的地位也会逐渐从底层重复劳动中上升，和脚本、工作流等等部分各自分工，单位 token 的使用效率也会进一步提升。
再大胆一点想，未来模型可能会在训练和推理层面出现更高级的分工分化，类似 Opus 负责规划、Composer 负责执行这种“在其位谋其政”的模式。把专家能力从模型层面、任务层面拆开之后，不管是训练成本、迭代成本还是推理成本，理论上都有继续下降的空间，也会更加灵活。未来维护几个高智能的千亿模型，分配迭代和训练，以及智能调配和应用，比弄个万亿模型的流程和需要好多了吧。
当然，短期内 token 价格还是会受芯片啊算力啊等等许多因素影响，目前就是阶段性涨价的位点（还真让罗福莉说中了啊）。但长期看，token 价格如果太高，本身就会限制 AI 普及和应用扩张。对于真正跑得起模型的巨头来说，他们大概率宁愿短期少赚一点，也要先把用户认知和使用习惯铺开，（从 OpenClaw 这波浪潮里其实也能窥见一斑，各家都在拼命近乎赔本的提升群众人认知来拓展消费市场）。所以我觉得 token 没有太多长期维持高价的空间。
最后幻想一下，万一过个两三年可控核聚变真突破了呢嘿嘿
--【拾壹】--：
国外大模型的价格也不是一成不变。现在还能接受，以后呢
--【拾贰】--：
多少年前上网拨号,限制wifi,如今?时间会抹去这些的
--【拾叁】--：
后面肯定会回归正价的放心。参考vps的发展
--【拾肆】--：
模型是进步的，同样数量的卡能跑的模型的性能只会越来越高
--【拾伍】--：
我想大概核聚变能源可以完美控制时，将普及全球替代其他能源，这样能源贫价，创造无上限，各行业高速发展，token价格可能低到无法想象，或许已被其他方式替代了，哈哈
--【拾陆】--：
技术一直在进步,比如前几天openai投资200亿搞的芯片方案叫啥来着(晶圆不在分割 改为使用整块) GPT说token的成本能做到现在的1/5~1/3 减少了线束传输信号 电耗大幅降低 芯片利用率也更好
--【拾柒】--：
B300 才刚刚开始正式部署
Rubin / Vera 蓄势待发
不太可能不断往上涨
--【拾捌】--：
后面有没有可能会变成类似于现在流量的使用形式？由几个大平台提供类似于流量一样的包月套餐（限速、封顶，高速，定向），然后用户购买套餐日常使用。
--【拾玖】--：
还是太贵了，不过也越来越好了，我是用不起了
最近的模型越来越贵了，这背后是高昂的运行成本。
看到曾经有佬友问自建glm5.1成本如何，得到的答案是不算电费就已经要好几百万，能支持的并发量还非常有限。
不少ai厂商也在赔本赚吆喝。两大ai巨头都表示需要输血。
智普套餐的缺货、模型的断连彰显的是背后算力的不足。
算力资源似乎是当前跨不过去的一道坎，而人类对ai的依赖性正越来越高。
未来token的价格会如何？会因为ai厂商逐渐撑不住或者野心膨胀而走高?还是会因为算力电力设施的增多、模型的优化而降低？
--【壹】--：
长远来看，会越来越便宜；
但创业者时机成本更值钱。
--【贰】--：
佬友不必担心,3G时代吹嘘4G流量很贵,4G时代吹嘘5G流量一晚上就要烧掉一栋房,类比一下
--【叁】--：
等国内芯片产业链成熟，就是降价之时，目前就是算力紧张，卡在芯片吧？
所以结论，重仓芯片
--【肆】--：
cerebras 应该是跟 NV 高低配
不然大晶圆挺贵的，而且容量有限
--【伍】--：
这个东西谁又能说的准呢，物理硬件和计算成本还有汇率都息息相关。国内的话就和计算成本GPU显卡相关了
--【陆】--：
摩尔定律是不是又要开始生效了呢，总之时代是在进步的，新兴事物刚开始都很昂贵，早期的大哥大，电脑，汽车
--【柒】--：
普通人还是老老实实地使用中转站。使用国外的大模型，这样不仅质量最好，而且不会有利益损失
--【捌】--：
感觉还在高速发展期，迟早会嵌入现有的社会生态，变成类似水电气一样的基础消耗与设施，价格也会下来的，交给时间就行
--【玖】--：
但通信基站设施跟gpu这种资源相比还是有很大不同的
--【拾】--：
长期看 token 价格很难一直维持高位吧。现在各家价格都抬高，主要还是算力紧、芯片贵、推理成本高，以及厂商还在高速投入训练和基础设施建设，（再加上 OpenClaw 这种把 CodingPlan 吃成 TokenPlan 的东西 ）但长期只要国产芯片、供电、数据中心和模型工程优化继续推进，单位智能成本大概率会被嗖嗖打下来。
国内还有一个优势，就是应用场景足够大。政务、工业、教育、客服、办公、制造业、消费端，到处都有大量真实需求。只要这些场景能真正消化算力并产出效果，AI 就不只是烧钱讲故事，而是有机会进入实体经济循环。这样厂商也更有动力把 token 价格压低，让 token 真的像电一样处处流动，用规模换市场，而不是单纯靠涨价回本。
所以我倾向于认为，未来高端模型可能仍然会有溢价，但普通人和普通业务使用的 token 成本会逐步下降，最后更像水电、云服务一样，成为基础设施消耗品。
毕竟各位佬友也能体会出来，从 GPT-5.2 之后，coding 场景已经开始触及边际效应了。很多时候甚至只需要 GLM-5.1，经验丰富的佬友们搭配Harness就可以用出特别好的效果。事实上大部分人和大部分场景需要的并不是最顶级的智能，而是恰好能在这个场景里干好活的智能。
最近很多一两千亿参数量的较小模型，就是特定场景下成本和效率的综合最优解。在价格只有顶模十分之一甚至更低的情况下，某些任务上效果甚至还会更好，那为啥不用呢？随着这类模型逐渐从通用 LLM 手里接过本来就更适合它们的位置，先前被浪费的智能会被更充分地利用，整体价格自然也有下降空间。
再有一点，现在 agent 也在逐步优化。从 OpenClaw 走向 Hermes，本质上也代表着智能使用场景和使用模式的进化：从啥活都直接让模型干，到后面把经验固化、流程复用、重复步骤工具化。智能体在应用中的地位也会逐渐从底层重复劳动中上升，和脚本、工作流等等部分各自分工，单位 token 的使用效率也会进一步提升。
再大胆一点想，未来模型可能会在训练和推理层面出现更高级的分工分化，类似 Opus 负责规划、Composer 负责执行这种“在其位谋其政”的模式。把专家能力从模型层面、任务层面拆开之后，不管是训练成本、迭代成本还是推理成本，理论上都有继续下降的空间，也会更加灵活。未来维护几个高智能的千亿模型，分配迭代和训练，以及智能调配和应用，比弄个万亿模型的流程和需要好多了吧。
当然，短期内 token 价格还是会受芯片啊算力啊等等许多因素影响，目前就是阶段性涨价的位点（还真让罗福莉说中了啊）。但长期看，token 价格如果太高，本身就会限制 AI 普及和应用扩张。对于真正跑得起模型的巨头来说，他们大概率宁愿短期少赚一点，也要先把用户认知和使用习惯铺开，（从 OpenClaw 这波浪潮里其实也能窥见一斑，各家都在拼命近乎赔本的提升群众人认知来拓展消费市场）。所以我觉得 token 没有太多长期维持高价的空间。
最后幻想一下，万一过个两三年可控核聚变真突破了呢嘿嘿
--【拾壹】--：
国外大模型的价格也不是一成不变。现在还能接受，以后呢
--【拾贰】--：
多少年前上网拨号,限制wifi,如今?时间会抹去这些的
--【拾叁】--：
后面肯定会回归正价的放心。参考vps的发展
--【拾肆】--：
模型是进步的，同样数量的卡能跑的模型的性能只会越来越高
--【拾伍】--：
我想大概核聚变能源可以完美控制时，将普及全球替代其他能源，这样能源贫价，创造无上限，各行业高速发展，token价格可能低到无法想象，或许已被其他方式替代了，哈哈
--【拾陆】--：
技术一直在进步,比如前几天openai投资200亿搞的芯片方案叫啥来着(晶圆不在分割 改为使用整块) GPT说token的成本能做到现在的1/5~1/3 减少了线束传输信号 电耗大幅降低 芯片利用率也更好
--【拾柒】--：
B300 才刚刚开始正式部署
Rubin / Vera 蓄势待发
不太可能不断往上涨
--【拾捌】--：
后面有没有可能会变成类似于现在流量的使用形式？由几个大平台提供类似于流量一样的包月套餐（限速、封顶，高速，定向），然后用户购买套餐日常使用。
--【拾玖】--：
还是太贵了，不过也越来越好了，我是用不起了