阿里、百度等四家厂商调整大模型定价：行业价格战持续

大模型定价再现变动

近期，监测数据显示阿里巴巴（Alibaba）、百度（Baidu）、Decart 以及 Wafer 四家厂商的大语言模型（LLM）定价出现调整。这一消息再次将业界的目光拉回到持续白热化的大模型价格竞争上。

原始素材仅提示「检测到模型价格变动」，并未披露具体的调价幅度与新旧价格对比。但从涉及的厂商构成来看，既有阿里、百度这样的中国头部云厂商与模型供应商，也包含 Decart、Wafer 等相对小众的参与者，说明价格调整已经不再局限于巨头之间，而是在整个产业链条上蔓延。

价格调整背后的行业逻辑

大模型推理成本的下降是本轮价格变动的核心驱动力。随着模型架构优化、推理框架改进以及算力调度效率提升，单位 token 的服务成本显著降低，这为厂商下调对外报价提供了空间。

对阿里和百度而言，调整定价不仅是成本传导的结果，更是一种市场策略。在国内大模型 API 市场，价格已成为争夺开发者和企业客户的关键筹码。通过更有竞争力的价格，厂商希望在生态占领阶段锁定更多调用量，从而摊薄基础设施投入并构建长期的客户黏性。

头部厂商与长尾厂商的不同算盘

阿里、百度这类拥有自建算力和完整云生态的玩家，具备在价格战中长期消耗的底气，它们可以通过云服务、企业解决方案等上下游业务弥补 API 本身的利润压缩。

相比之下，Decart、Wafer 这类规模较小的参与者跟进调价，则更多是出于「不降价就出局」的被动压力。缺乏规模效应的小厂商在价格战中承压更明显，这也可能加速行业的分化与洗牌。

推理框架的进步在其中扮演了重要角色。以 vLLM、TensorRT-LLM 为代表的高性能推理引擎，通过 PagedAttention、连续批处理（Continuous Batching）等技术，大幅提升了 GPU 的显存利用率和吞吐量，使同等算力可以服务更多并发请求。与此同时，模型量化（Quantization）技术将模型权重从 FP16 压缩至 INT8 甚至 INT4 精度，在几乎不损失推理质量的前提下将显存占用减半，进一步压低了单 token 的边际成本。这些技术层面的突破，是厂商有底气持续降价而不至于亏损出局的根本原因。

对开发者与企业用户意味着什么

对终端的开发者和企业用户来说，模型价格持续走低无疑是利好。更低的调用成本意味着可以更大规模地部署 AI 功能，原本因成本高昂而搁置的应用场景——如长文档处理、批量内容生成、大规模 Agent 调用——变得更具经济可行性。

不过，用户在选择模型服务时不应只盯着单价。调用延迟、模型能力、上下文窗口、稳定性与配套工具链，同样是决定实际使用体验与总体拥有成本的关键因素。价格只是选型中的一个维度。

关注调价的实际细节

由于本次消息仅为价格变动的提示，建议关注官方发布的具体价格表与计费规则，重点核对以下几点：输入与输出 token 的分别定价、是否区分不同模型版本、缓存与批处理是否有折扣，以及是否存在阶梯计费。这些细节往往比「降价」这一笼统表述更能影响真实支出。

Token 计费是理解 LLM 定价的基础概念。Token 并非等同于字符或词语，而是模型处理文本时所用的最小语义单元——对于英文，大约每 4 个字符对应 1 个 token；对于中文，由于汉字的编码方式，通常 1 至 2 个汉字对应 1 至 2 个 token，整体 token 效率低于英文。绝大多数厂商对"输入 token"（Prompt）和"输出 token"（Completion）分开计价，且输出价格通常是输入的 2 至 4 倍，因为生成阶段的计算量远高于预填充阶段。此外，部分厂商推出了"上下文缓存"（Prompt Caching）功能，对重复出现的长前缀仅收取较低费用，对于 Agent 调用或多轮对话场景可显著降低实际账单。

结语

阿里、百度、Decart 与 Wafer 的本轮价格调整，是大模型市场竞争进入深水区的又一个注脚。随着推理成本不断下探，价格战短期内难以停歇，受益最大的仍是广大开发者与企业用户。对于市场参与者来说，如何在价格下行的大趋势中找到差异化的价值定位，将决定其能否在这轮竞争中存活并壮大。