LLM价格指数单月涨24%，却没有一个模型涨价？

一则看似矛盾的统计引发了关于「平均价格」如何读懂的讨论：ModelPriceWatch 的 LLM 价格指数在 9 月上涨了 24.2%，这是该指数有史以来最大的单月涨幅，也是它第一次上涨。但另一边，指数中没有任何一个模型自身涨价。两句话都是事实，而两者之间的落差，恰恰揭示了任何「平均价格」类指标背后的陷阱。

一张表看懂这个月发生了什么

ModelPriceWatch 的 LLM 价格指数，是对十款旗舰模型「混合每百万 token 价格」的等权平均（按输入:输出=3:1 加权，取各厂商官网标注的 list price，每个实验室只选一款模型）。

9 月的变动集中在两次「席位换人」：

• 9 月 4 日：OpenAI 的席位从 GPT-5.6 Sol（混合价 $8.00）切换到 GPT-6 Astra（$20.00），指数从 $4.14 跳升至 $5.34。
• 9 月 30 日：Anthropic 的席位从 Claude Opus 5（$10.00）切换到 Claude Opus 5.5（$8.00），指数回落至 $5.14。

月末收盘 $5.14，全月净涨 +24.2%。若从 2 月首次读数算起，指数从 −9.4% 一路走到 +12.5%。

另有两个席位也换了模型（Muse Spark 1.2→1.3、Grok 4.6→4.7），但它们都沿用了前代价格，对指数毫无影响。

「等权平均」与「成分替换」是理解这类指数的两个基础概念。等权平均意味着篮子里每款模型的权重相同，单个模型的价格变动对整体指数的影响是均等的——十款模型中任意一款价格翻倍，指数就会上涨约10%。「席位换人」则是指数编制中常见的成分调整机制：当某实验室发布新旗舰模型时，该实验室在指数中的代表模型随之更换。这与股票指数（如标普500）定期调整成分股是同一逻辑。问题在于，成分变动本身就能驱动指数涨跌，与任何一款模型的实际调价无关。这也是为什么分析指数时，需要区分「固定篮子价格变动」和「成分替换带来的价格变动」——前者反映市场真实定价趋势，后者更多反映编制规则与选股偏好。

一个检验，彻底改写了结论

把 9 月 1 日在指数里的那十款模型，按它们 10 月 1 日的 list price 重新计算，平均值是 $4.14——与 9 月 1 日分毫不差。

换句话说，这十款模型在整个 9 月没有一款自己调过价。把两个篮子按价格排序，十个数字里有九个完全相同：两个日期的中位数都是 $3.00，最便宜的九款平均都是 $3.49。唯一的差别在最高价那一档：从 $10.00 变成了 $20.00。单单 GPT-6 Astra 一款，就贡献了 $5.14 中的 $2.00。

所以 +24.2% 根本不是「9 月 LLM 变贵了」，而是「篮子里有一个席位换了更高一档的模型」。这是读懂任何平均价格的关键：涨跌可能来自成分变动，而非价格本身的移动。

事实上，每一款继任者都平价或更便宜

如果看 9 月各实验室发布的新模型如何替换同产品线的旧款，画面完全相反：

新模型	替代	混合价 $/Mtok	变化
GPT-6 Luna	GPT-5.6 Luna	$0.45 → $0.20	−56%
GPT-6 Sol	GPT-5.6 Sol	$8.00 → $4.00	−50%
DeepSeek广告 V4.1 Flash	DeepSeek V4 Flash	$0.66 → $0.525	−20%
Claude Opus 5.5	Claude Opus 5	$10.00 → $8.00	−20%
Fable 5.1、Sonnet 5.5、GPT-6.1 Sol、Grok 4.7、Muse Spark 1.3、Gemini 3.8 Flash	各自前代	不变	0%

十款继任者里，四款降价、六款持平，没有一款涨价。

唯一真正「向上一跳」的是 GPT-6 Astra（$10/$50）。它不是任何模型的继任者，而是在 Sol 之上新开的一个档位，被 OpenAI 定义为默认旗舰——这正是指数把它放进 OpenAI 席位的原因。同月 OpenAI 还发布了两款更便宜的 Sol 模型（GPT-6 Sol 与 GPT-6.1 Sol，均为 $2/$10）。如果指数当初选的是 Sol 线，10 月 1 日的读数将是 $3.54，而非 $5.14。

也就是说，指数水平中有 $1.60 完全取决于「哪款 OpenAI 模型算旗舰」这一个判断。Astra 是站得住脚的选择（它是官方指向的默认款），但要知道，整个数字对这个选择有多敏感。

落到实处：如果你在 9 月升级到了产品线里的最新模型，你付的钱只会持平或更少。如果你还在用 GPT-5.6 Sol（$4/$20），那么 GPT-6 Sol 的价格只有它的一半。

Anthropic 和 OpenAI 把刀砍在了缓存价格上

该指数只混合输入和输出的 list price，忽略缓存输入（cached input）。而 9 月 Anthropic 和 OpenAI 的降价恰恰砍在这里：

• 9 月 1 日之前，这两家在跟踪列表里没有任何一款模型的缓存读取价低于其输入价的 10%（DeepSeek V4 Pro 当时已做到 3.3%）。
• Claude Fable 5.1 以 2.5% 发布（$0.25 对 $10 输入）。
• Claude Opus 5.5：5%（$0.20 对 $4）。
• GPT-6.1 Sol：5%（$0.10 对 $2）。
• 到 10 月 7 日，Anthropic 把 Sonnet 5.5 的缓存价也砍半到了同样的 5%。

如果你运行的是 agent 或聊天产品，每一轮都要重发很长的系统提示词和历史记录，那么缓存价对账单的影响可能比标题上的输入价更大。而这一切，在一个混合价格指数里完全看不到。

缓存输入（cached input）是大模型API中的一项定价机制：当同一段文本（通常是系统提示词或长上下文）在多次请求中重复出现时，服务商会将其临时缓存，后续调用时只收取较低的「缓存读取价」，而非完整的「输入价」。对于需要在每轮对话中重发大量固定内容的应用——例如带有复杂系统提示的AI助手、需要传递完整历史记录的多轮对话产品，或频繁读取长篇文档的agent——缓存价格对实际账单的影响可能远超标称输入价。举例来说，若一个应用每次请求平均传入10万token的缓存内容，缓存价从输入价的10%降至2.5%，意味着这部分成本直接降低75%。这类节省完全不会体现在只混合输入/输出list price的价格指数里，因此「指数没降价」与「你的账单大幅下降」完全可以同时为真。

GPT-4 级别的最便宜模型：数字跌了，但要读脚注

指数还有一条配套曲线——地板价（floor）：满足固定能力门槛（GPQA Diamond ≥ 70，外部测量，大致相当于 GPT-4 级推理）的最便宜模型。它从 $0.113 降到了 $0.090（9 月 30 日），与旗舰天花板的价差从 36.6 倍扩大到 57.1 倍，创下历史最阔。

脚注在于：这里面大部分不是市场变化，而是「追踪哪一条 listing」的变化。DeepInfra 把 DeepSeek V4 Flash 挂了两次——一条无日期标注、整个 9 月都是 $0.09/$0.18；一条带日期的「0731」条目，被标为官方发布版。9 月 30 日地板价切换到了带日期的那条（$0.06/$0.18）。若不切换，价差只有 45.5 倍。

真正不是脚注的部分是：DeepSeek 已在 9 月 10 日从自家 API 下架了 V4 Flash。所以市面上最便宜的 GPT-4 级能力，如今是一个第三方托管商对一款原厂已不再销售的模型的副本。这种格局本就脆弱，如今更脆弱——一旦 DeepInfra 下架它，地板价会跳到约 $0.13，而由实验室自己销售、能过线的最便宜模型是 $0.45。

GPQA Diamond是一个由博士级专家设计的多选题基准测试（Graduate-Level Google-Proof Q&A），覆盖物理、化学、生物等硬科学领域，题目被刻意设计成难以通过网络搜索直接查到答案，以测试模型真实的推理与知识整合能力。70分是业界常用的一个参考门槛，大致对应GPT-4时代旗舰模型的推理水平。「地板价」追踪的是能通过这一门槛的最便宜模型，旨在回答一个实用问题：要获得GPT-4级的推理能力，至少需要花多少钱？这一指标对开发者选型有直接参考价值——如果任务对推理能力有最低要求，地板价就是预算规划的起点。但正如文中所揭示的，当最便宜的达标模型来自第三方托管商且原厂已停售时，这个价格的可持续性本身就成了需要纳入决策的风险因子。

几条可带走的结论

• 先问清「平均价」在平均什么。 24% 的跳升可能只是一个席位换了成分。相信趋势之前，先给固定篮子定价。
• 检查你是不是还在用旧 SKU。 整个 9 月同产品线的继任者都是平价或降价发布。只要新模型能满足你的场景，GPT-5.6 Sol 到 GPT-6 Sol 就是 50% 的降价。
• 为工作负载定价，而不是为价目表定价。 如果你的提示词会重复，9 月的降价都藏在缓存输入价里。
• 知道是谁在定你的地板价。 如果你最便宜的模型是某托管商对已退役模型的副本，务必提前备好有定价的后备方案。

本文所有数据截至 2026 年 10 月 1 日，由 ModelPriceWatch 发布，并固定在其带日期的报告中。免责声明：本文由 ModelPriceWatch 发布。