OpenAI 和 Anthropic 在短短几个月内将其 LLM 价格下调高达 80%。为什么？
OpenAI 和 Anthropic 的快速大幅降价被视为大型语言模型推理正变成一种低利润商品的信号，这一市场同时受到激进的中国提供商和越来越强的开源权重模型挤压。评论者认为，效率提升和更好的推理优化解释了部分降价原因，但也质疑这些业务是否真能覆盖巨额训练和基础设施成本，因此引发了关于 AI 泡沫或最终整合的担忧。许多人预计现有巨头会通过争取监管优势、专注企业合同和“agentic”助手来应对，而消费者则在短期内受益于更便宜的访问。
商品化与价格战
- 许多人认为这是一场典型的“价格战到底”：LLM 正变得像带宽或航空业一样成为一种商品，利润率很薄，价格竞争激烈。
- 人们普遍将降价归因于来自开源权重模型，尤其是更便宜的中国 API（DeepSeek、Kimi、GLM、Qwen）的竞争压力。
- 有些人认为 OpenAI/Anthropic 主要是在彼此竞争；也有人说，真正的威胁是“以低成本做到足够好”的开放/本地模型和第三方推理服务提供商。
技术效率与成本驱动因素
- 一些评论指出，快速的效率提升（KV-cache 技巧、更好的推理引擎、模型瘦身/蒸馏）使得每个 token 的成本可以低得多。
- DeepSeek 公布的数据（在一个小型、优化后的模型上实现较高的每 GPU 小时收入）经常被引用，作为推理可以非常有利可图的证据。
- 其他人指出，这些数据是自报的，假设接近满负载利用率，而且不包括训练/R&D 或获客成本。
盈利能力、可持续性与泡沫担忧
- 对当前经济模式是否可行存在强烈分歧：
- 一派认为：推理利润率“离谱地高”，即使降价 80% 仍然可以保持正现金流。
- 另一派认为：这些实验室整体上“极度亏损”；训练和资本支出远远超过推理利润，而当前定价无法支撑数万亿美元估值。
- 讨论中常拿航空业、电信光纤过度建设、互联网泡沫和区块链作类比：技术有价值，但商业模式要么利润很薄，要么周期性繁荣-崩盘。
监管、护城河与地缘政治
- 许多人认为推动 AI 监管是在试图进行监管俘获：限制开放权重和外国（尤其是中国）模型，以维持美国现有厂商的利润率。
- 争论焦点是禁止中国/开放模型是否可行、会产生什么影响：这很可能伤害守法企业多于不法分子，而且可能把优势让给其他国家。
- 有些人预计会通过“认证安全”方案、合规要求和保险压力来实现事实上的禁令，而不是直接全面禁止。
使用、“无限”套餐与需求
- 很多人怀疑真正“无限”的 token 套餐是否可能存在，因为真实的能源和算力成本摆在那里，不过也有人预计会出现类似移动通信的“名义无限、带软限制”的方案。
- 另一些人指出可能存在过度建设：如果模型效率大幅提升且需求趋于饱和，就会出现多余的 GPU 产能，从而进一步压低价格。