美国企业转向更便宜的人工智能模型，价格战重塑市场

美国企业正在选择能以最高效率完成工作的最便宜的人工智能解决方案，而不是自动选择最先进的可用人工智能解决方案。

据 金融时报 报道，这一趋势对高价造成了一定压力，因为新的人工智能模型正在消除能力差距，而代币成本持续下降。

购买能完成任务的最便宜模型

这一概念的核心在于，昂贵的最前沿模型仅在必要时才需要，而常规工作可以由执行任务足够好的便宜模型完成。

这一模式出现在 Ramp 9 月 9 日发布的 AI 指数 中。基于 2026 年 8 月的支出数据，Ramp 样本中 43.8% 的美国企业购买了 Anthropic 的产品，而 OpenAI 为 39.8%。Ramp 还指出，使用更便宜模型的趋势对依赖企业持续在前沿系统上投入更多资金的人工智能公司构成了威胁。

这一趋势也与 经合组织 于 2026 年 9 月发布的代理人工智能报告中的发现一致。对 25 家组织的采访表明，节省成本是使用代理系统的常见原因，此外还有助于提高生产率和解决劳动力短缺问题。

以 fractions of a penny（几分之一美分）衡量的价格战

随着新系统的推出，模型价格正在迅速下降。

据 Cryptopolitan 此前的报道，OpenAI 于 9 月 22 日发布了 GPT-6 Sol 和 GPT-6 Luna，价格比前代模型 GPT-5.6 至少低 50%。GPT-6 Sol 每百万输入代币收费 2 美元，每百万输出代币收费 10 美元。

同一周，Anthropic 推出了 Opus 5.5，而 xAI 推出了 Grok 4.7，市场日益由性价比驱动。据 Axios 报道，便宜但高效的模型代表了行业内的新竞争赛道。

长期的下降趋势更为惊人。据 Epoch AI 称，自 2023 年以来，实现恒定人工智能性能水平的成本每季度下降约 47%，或每年下降约 13 倍。

完成每项任务的成本更重要

由于这种日益增长的价格压力，企业衡量成功的指标正在发生变化。基准领导地位的重要性并未减弱，但更多关注点在于客户为高效性能需要支付多少费用。

Zapier 的 AutomationBench 测试了 47 种商业工具中的端到端工作流。截至 9 月 28 日，Claude Opus 5.5 以 42.47% 的效率和每项任务 1.44 美元的价格领先，而 GPT-6 Sol 的效率为 33.2%，但每项任务仅需 0.27 美元。

同样的权衡也出现在 Artificial Analysis 中。GPT-6 Sol 在最大努力下的智能指数得分为 48，估计每项任务成本为 1.06 美元。小米的开源模型 MiMo-V2.6-Pro 得分为 46，但每项任务成本仅为 0.13 美元。

这一差距非常小，使得多模型路由变得可行。公司不必对所有工作负载使用单一供应商，而是有机会根据任务的相对重要性和复杂性使用合适的模型。

更便宜的代币可能意味着更大的账单

较低的价格并不一定意味着较低的人工智能支出。

据 Axios 报道，杰文斯悖论表明，更便宜的资源会导致其更大的消耗。Gartner 在 8 月 17 日的预测中发表了类似杰文斯悖论的观点，预计代理工作流的推理成本到 2028 年将增长五倍以上。

更便宜的模型还可以提高世界其他地区的可及性。据微软发布的 全球人工智能扩散报告，便宜且开放的模型可以提供可及性，然而，基础设施、连接性和技能将在决定谁能利用这一点方面发挥至关重要的作用。

企业买家的需求日益强劲：最好的人工智能可能不是最聪明的人工智能，而是能以最低成本高效完成工作的人工智能。