2023 年初，一份行业报告里最刺眼的数字是：大模型推理的价格正在以每季度数十个百分点的速度下滑。到 2026 年 10 月，Silicon Data 追踪的推理价格指数跌到 97 美分，不到当年夏季高点的一半；token 单价相比 2023 年累计下降超过 90%。
按理说，应用成本应该跟着塌下来。但同期真实发生的是相反的事：Anthropic 在 2026 年披露的 Claude Fable 5.1 数据里，缓存读取价格从每百万 token 1 美元砍到 0.25 美元，降幅 75%；而单任务的实际成本反而上涨了 18%，达到 3.69 美元。原因是输出 token 数量涨到了原来的 1.7 倍。
这组反差是 2026 年 AI 应用经济最重要的一件事。这篇文章要回答的问题是：价格降了 90%，为什么账单涨了，以及企业该怎么重新算这笔账。
一、先把价格表摆出来：2026 年的两端差距是 100 倍
把 2026 年主流厂商的公开 API 定价排成一张表，最右侧和最左侧之间差了 100 倍。
| 模型 | 输入（美元 / 百万 token） | 输出（美元 / 百万 token） | 输出 / 输入倍数 |
|---|---|---|---|
| MiMo-V2.6-Flash | 0.14 | 0.28 | 2.0× |
| GPT-5.6 Luna | 0.10 | 0.50 | 5.0× |
| DeepSeek V4-Pro | 0.435 | 0.87 | 2.0× |
| Gemini 3.8 Flash | 0.75 | 3.75 | 5.0× |
| Claude Sonnet 5 | 2.00 | 10.00 | 5.0× |
| GPT-5.6 Sol | 4.00 | 20.00 | 5.0× |
| Claude Opus 5.5 | 4.00 | 20.00 | 5.0× |
三个可以直接读出来的结论：
第一，输出比输入贵 2 倍到 5 倍，这是当前行业的标准结构。2.0 倍的是 DeepSeek 与 MiMo 这类国产与开源阵营，5.0 倍的是 OpenAI、Anthropic、Google 的旗舰线。这个比例不是随意的，它对应的是推理阶段的算力成本——输入是"读"，输出是"写"，写需要逐步自回归解码，每一步都要把整个模型的前向传播跑一遍。
第二，最高和最低的输出价差 71 倍（0.28 vs 20.00）。这意味着一个跑在 MiMo-V2.6-Flash 上的日常分类任务，和一个跑在 Claude Opus 5.5 上的复杂推理任务，单价可以差 70 倍以上。路由不是优化项，是决定商业模式能不能成立的前置条件。
第三，Gemini 3.8 Flash 有一个必须注意的时间炸弹。它的当前定价是 0.75 / 3.75 美元，但已公告将在 2027 年 1 月 1 日上调至 1.50 / 7.50 美元，恰好翻倍。任何把成本模型建立在这条线上的方案，都必须把这个变量写进敏感性分析。
二、降价 90% 之后，为什么单任务成本反而涨了 18%
这是整篇文章的核心。Anthropic 的 Claude Fable 5.1 数据把这件事讲得最清楚：
缓存读取价格从每百万 token 1.00 美元降至 0.25 美元（−75%），但单任务实际成本从约 3.13 美元升至 3.69 美元（+18%），原因是输出 token 数量增至原来的 1.7 倍。
把账算清楚：
| 变量 | 降价前 | 降价后 | 变化 |
|---|---|---|---|
| 缓存读取单价 | 1.00 美元 / 百万 token | 0.25 美元 / 百万 token | −75% |
| 输出 token 量 | 基准 1.0 | 基准 1.7 | +70% |
| 单任务总成本 | 约 3.13 美元 | 3.69 美元 | +18% |
这个算式有个值得注意的细节：单价降了 75%，用量涨了 70%，为什么总成本只涨 18% 而不是涨更多——因为降价的作用同时覆盖了输入和缓存部分，而涨的部分集中在输出。输出量涨 70%，最终只推高总成本 18%，恰恰说明输入侧的降价确实吃掉了大部分涨幅。如果输出量不涨，这单任务成本会是 1 美元出头，比降价前省三分之二。
三、杰文斯悖论：这就是它的名字
上面的现象在经济学里有个现成的名字。杰文斯悖论（Jevons Paradox）指的是：当一种生产要素的生产效率提升时，它的总消耗量不降反升。
1870 年英国经济学家 William Stanley Jevons 观察到，蒸汽机效率提升后，英国的煤炭总消耗量反而暴涨——因为省下来的成本让蒸汽机的使用场景扩大到了过去不经济的地方。经济学家 Torsten Sløk 在 2026 年的一次分析中把这个框架直接套在了大模型上：
| 杰文斯悖论的经典机制 | 在大模型上的对应 |
|---|---|
| 单位效率提升 | 每百万 token 单价下降 90% |
| 单位可用性提升 | 便宜到可以做以前算不过来的事：多轮推理、思维链、反思重试、子 Agent 并行 |
| 需求规模扩张 | 用量的增幅超过了单价降幅 |
| 结果 | 总支出上升 |
Google 的公开数据是这个悖论最干净的证据：2026 年 5 月的月度 token 处理量达到 3.2 千万亿，是一年前的 7 倍。单价同期降了 90%，但如果 token 量涨 7 倍，总支出是原来的 0.7 倍——听起来降了。但这里的关键在于：Google 的 token 量增长本身是由价格下降解锁的。两年前按当时价格，7 倍的调用量根本不会有客户去做。
换句话说，token 指数不是业务量的度量，是「价格解锁后的最大需求」的度量。用 token 增长来论证「业务在增长」，是拿一把会自己伸缩的尺子在量东西。
四、所以该看什么：三个替代指标
既然每 token 价格已经不能衡量成本，2026 年的行业共识是转向每任务成本和每成功任务成本。这个转变有真实数据支撑。
| 指标 | 定义 | 为什么它更准 | 可引用的数据点 |
|---|---|---|---|
| 每 token 价格 | 单价的绝对值 | 只反映供给侧，完全不反映你的实际用量 | Silicon Data 指数 97 美分 |
| 每查询成本 | 一次用户请求的总 token 成本 | 仍然被重试次数和输出长度污染 | Claude Fable 5.1 单任务 3.69 美元 |
| 每成功任务成本 | 总成本 ÷ 成功完成的任务数 | 把失败重试的成本显性化了，这是唯一能对账的指标 | Pinecone 知识引擎：准确率基本持平，每任务成本降 77% |
Pinecone 那条数据特别值得看：它 2026 年 8 月 6 日发布 Nexus 知识引擎正式版时公布的内部生产数字是「在准确率大致持平的前提下，把每任务成本降低了 77%」。注意它没有说"降价 77%"，也没有说"token 用量减少 77%"——它说的是每任务成本，而实现手段是在层（知识引擎层）而不是模型层做的优化。这正是 2026 年的技术重心所在：钱省在架构上，不是省在采购上。
另一条来自成本管理侧的实测数据：Claude Code 在企业部署中的平均成本是每开发者每月 150–250 美元，约合每个活跃日 13 美元。这个数字可以换算成一条预算基线：如果一个 20 人研发团队按每人每月 200 美元计，年化是 4.8 万美元；按每人月均 19 美元的普通 AI 编码工具计，年化不到 4.6 千美元。相差十倍——而这两类工具解决的问题根本不是同一个量级的事。
五、成本失控的真实倍数：3 到 10 倍
如果只看价格表，会严重低估真实的落地成本。Gartner 在 2026 年的 Agentic AI 相关分析里给出了一个非常重要的量化：
按简单演示（demo）建模的每任务成本，在 Agent 处理真实世界的变化时，会低估生产环境成本的 3 倍到 10 倍。
3 到 10 倍这个区间，正好解释了前面所有的悖论。成本从 demo 到生产的放大，主要来自四个方向：
| 放大来源 | 机制 | 量级 |
|---|---|---|
| 重试与反思 | 模型不确定时自己再跑一轮；Agentic RAG 单轮平均就要 5–7 次 LLM 调用（路由、文档打分、生成、幻觉复核） | 3–5 倍 |
| 工具调用链 | 每步成功率 95% 的十步工作流，整体成功率只有 0.95¹⁰ ≈ 59.9%；失败就要重跑 | 2–4 倍 |
| 上下文膨胀 | Claude Fable 5.1 的输出 token 涨 1.7 倍就是这个机制的表现 | 1.5–2 倍 |
| 长尾输入 | demo 里 10 条精心挑的测试集，生产里是十万条真实提问的分布 | 1.5–3 倍 |
0.95¹⁰ ≈ 59.9% 这个算式是所有 Agent 项目预算讨论的起点。它意味着一个十步的自动化流程，跑一次只有六成把握成功——那另外四成的成本谁来付？Gartner 给的处方是设硬性支出上限：每任务、每会话、每天三个层级的封顶。这不是财务技巧，这是架构约束。
六、怎么用这份信息：五条实践建议
第一，把成本模型从 token 维度重建到任务维度，一次算清三个数。输入单价 × 输入 token + 输出单价 × 输出 token + 重试系数 + 成功率折损。这四个变量里，前两个每次都在变，后两个才是你的架构决定不了的常数。做预算时按 Gartner 的 3–10 倍留余量。
第二，做多模型路由，不要押注单一供应商。输出价 0.28 美元和 20.00 美元之间差 71 倍。一个成熟的做法是把 80% 的简单请求路由到 0.14–0.75 美元那一档，剩下 20% 的复杂推理才走旗舰线——即使旗舰线用得少，整体账单也能降一半以上。同时记得给 Gemini 3.8 Flash 写进一条价格触发的降级规则：它的价格 2027 年 1 月 1 日翻倍。
第三，缓存和提示词前缀共享的收益是实打实的，但要盯住输出侧。75% 的缓存降价摊到总账上只换来 −7%（因为输出涨了 70%）。这说明缓存优化的边际收益正在快速衰减，而输出长度的控制才是新的成本主战场——限制最大输出 token 数、要求结构化输出而非自由发挥，通常比做缓存优化的收益大。
第四，接受杰文斯悖论，放弃"降本"叙事，改用"单位任务毛利"叙事。如果你在给业务方承诺"用 AI 降低成本"，token 降价这条线会不断证伪你——因为总支出会因为用量扩张而上升。正确的框架是：用 AI 之后，每个流程的单位毛利是否提高。这个指标既不受价格战影响，也不受用量增长影响。
第五，把成本可观测性当成第一优先的基础设施。用 AI Gateway 按模型、按供应商、按用户追踪调用费用，先找出异常消耗，再谈优化。成本失控极少来自单价出错，来自某个租户或某条工作流悄悄跑了几万次——这件事没有任何一张账单能告诉你，但网关能。
七、结语
回到开头那组反差：单价降 90%，单任务成本涨 18%。
这不矛盾，这恰恰是 2026 年大模型应用经济的真实形状。成本没有下降，它换了地方——从模型供应商的定价表，转移到了应用架构本身。你省下的每 token 成本，被更长的输出、更多的重试、更多的工具调用吃掉了，然后以另一个名字回到账单上。
所以对你的实际决策只有三句话：用每成功任务成本去算账，用多模型路由去控价，用每任务/每会话/每天三重硬上限去兜底。至于"token 单价已经降了 90% 所以我的 AI 应用会很便宜"这个判断——那是一句关于 2023 年的事实，被安在了 2026 年的方案上。
