20260806-华泰证券-图说研报_模型降价意味着什么_12页_3mb

报告摘要

模型降价意味着什么？总结

核心内容

随着大模型市场竞争加剧，模型降价已成为一种新的竞争策略，标志着竞争从单纯的能力排名转向“同等智能成本”的较量。OpenAI近期对GPT-5.6系列进行了价格调整，Terra和Luna分别降价20%和80%，而Sol价格保持不变。这种分层定价策略有助于覆盖不同客户预算和任务复杂度，提升模型家族内部的需求匹配效率。

主要观点

模型降价推动竞争转向成本效益：GPT-5.6系列降价使得模型之间的竞争更侧重于性价比，而非单纯的能力高低。
中国模型形成双线竞争格局：Kimi K3以57分代表当前国产开放权重模型的强能力上限，而DeepSeek V4 Flash则刷新了50分能力区间的成本底线，展现出“强能力+高性价比”的双重优势。
降价能否转化为收入增长取决于调用量：模型降价后，若调用量能按反比例增长，可维持收入稳定。例如，Terra降价20%后需调用量增长25%，而Luna降价80%后需增长400%。
平均任务成本才是定价关键：模型的实际经济性应通过平均任务成本来衡量，而不仅仅是Token价格。任务成功率和失败成本是影响总成本的重要因素。
任务难度决定模型选择优先级：在高难任务中，模型的成功率远比价格更重要，旗舰模型的价格溢价可能被任务价值和失败代价所覆盖。

关键信息

GPT-5.6系列价格调整：
- Sol价格保持不变。
- Terra价格下降20%，Luna价格下降80%。
模型能力与成本对比：
- DeepSeek V4 Flash在AA智能指数达到50分，仅比Luna低1分，混合价格和平均任务成本分别低约65%和57%。
- Kimi K3以57分代表国产模型的强能力上限，而V4 Flash则成为高性价比的代表。
模型降价对下游应用的影响：
- 客服、搜索、营销生成、Coding Agent、办公助手和数据分析等应用将直接受益，调用量增加有助于提升使用频率和优化应用公司毛利率。
模型降价与收入平衡：
- Terra降价20%后需调用量增长25%才能保持收入稳定。
- Luna降价80%后需调用量增长400%才能维持收入。
智能价格的衡量维度：
- 除了Token单价，还应考虑单项任务成本和单位成功结果成本。
- 任务成功率和失败代价对总成本有重要影响。
模型实现低价的路径：
- MoE架构通过稀疏激活降低单Token计算量。
- 推理效率优化是推动API价格下降的重要因素。
- 缓存机制能够显著降低重复上下文调用的边际成本。