MiniMax上调API价格60%-65%，国产大模型价格战迎来拐点

MiniMax宣布API价格大幅上调

据Reddit社区消息，中国AI公司MiniMax（稀宇科技）近日通过X（原Twitter）平台宣布，将于25日起对其API服务价格上调60%至65%。这一消息目前主要通过其海外社交媒体渠道传播，引发了开发者社区的广泛关注。

MiniMax（稀宇科技）成立于2021年，由前商汤科技副总裁闫俊杰创办，是中国AI大模型赛道的重要玩家之一，常被归入"AI六小龙"之列（与智谱AI、月之暗面、百川智能、零一万物、阶跃星辰并称）。这六家公司在2023-2024年间合计吸引了数百亿元人民币的融资，各自走出了差异化路线：智谱AI侧重通用大模型与企业服务，对标OpenAI的全栈路线；月之暗面（Kimi）以长上下文处理能力和C端产品见长；百川智能聚焦医疗等垂直领域；零一万物由李开复创办，强调多语言能力；阶跃星辰则专注多模态理解与生成。在这一竞争格局中，MiniMax的独特定位在于其多模态全栈能力——公司在文本生成、语音合成、视频生成等多模态领域均有布局，尤其是其语音合成技术（Speech-02模型）在自然度和情感表达方面获得了行业认可，被认为是国产语音合成技术的第一梯队。

其海外产品Talkie（主打AI角色对话）一度在北美市场获得可观的用户量。Talkie所处的AI角色对话赛道是2023-2024年全球AI应用中增长最快的细分市场之一，头部产品Character.AI在巅峰时期月活用户超过2000万。这类产品允许用户与各种AI角色进行沉浸式对话——从虚构人物到历史名人，从心理陪伴到语言学习——其核心技术依赖于大语言模型的角色扮演能力和语音合成的自然度。Talkie凭借MiniMax在语音合成方面的技术优势，在北美市场与Character.AI、Chai等产品形成竞争，一度进入美国App Store娱乐类应用下载榜前列。这一海外C端产品的成功也使得MiniMax成为少数同时运营海外API服务和消费级产品的国产大模型厂商，因此此次涨价对海外开发者生态和其自身产品矩阵的影响尤为直接。

对于依赖MiniMax模型的开发者和企业而言，这次调价幅度不容小觑。有社区用户提醒，如果你目前正在使用MiniMax的服务，可能需要考虑在涨价生效前锁定当前价格，以规避成本上升带来的冲击。

不只是MiniMax：国产大模型集体涨价潮

你可能没注意到，这次涨价并非MiniMax的孤立行为。正如Reddit原帖所指出的，「几乎每一家中国LLM提供商现在似乎都在提高价格」。这标志着此前持续了近两年的国产大模型「价格战」可能正在迎来拐点。

从价格战到理性回归

回顾过去两年，中国大模型市场经历了激烈的价格竞争。多家厂商争相降价，部分模型的API调用价格甚至降至每百万Token几分钱的水平，一度被业界形容为「以亏损换市场」的补贴大战。

这里有必要解释一下API的计费机制：大模型API服务通常按Token数量计费。Token是模型处理文本的基本单位，并非简单的"一个字"或"一个词"——在英文中，一个Token大约对应4个字符或0.75个单词；在中文中，一个汉字通常被编码为1-2个Token（具体取决于模型使用的分词器，如BPE、SentencePiece等不同的Tokenizer实现会有差异）。API定价一般分为输入Token（用户发送的prompt）和输出Token（模型生成的回复）两部分，输出Token的单价通常高于输入Token，因为生成过程需要逐步推理，消耗更多算力。价格上调60%-65%意味着，原本每百万Token花费1元的调用，涨价后将变为1.6至1.65元，对高频调用的应用来说累积效应非常显著。

国产大模型价格战的标志性事件可追溯到2024年5月前后。当时字节跳动旗下的豆包大模型率先将价格打至极低水平（输入价格低至0.8元/百万Token），随后阿里云^广告通义千问、百度文心一言、科大讯飞星火等主流厂商纷纷跟进，部分模型甚至宣布免费开放API调用。这场价格战的逻辑与互联网时代的"烧钱获客"如出一辙：先用低价甚至免费策略吸引开发者在自己的平台上构建应用，形成生态锁定效应后再逐步商业化。

这一策略在中国互联网行业有着丰富的先例。2014-2016年的网约车大战中，滴滴和Uber中国合计烧掉数十亿美元补贴乘客和司机；外卖领域美团与饿了么的补贴战同样持续数年。这些案例的共同特征是：互联网服务的边际成本极低——多服务一个用户的增量成本几乎可以忽略不计，因此"烧钱换规模"在数学上是可行的，一旦形成网络效应和用户习惯，就能通过提价或增值服务实现盈利。然而，大模型推理服务有着本质不同：每一次API调用都需要消耗真实的GPU算力——模型的前向推理过程涉及数十亿到数千亿参数的矩阵运算，需要占用昂贵的GPU显存和算力资源。这意味着大模型服务的边际成本不是趋近于零，而是相当可观且与调用量线性相关。当价格战把API定价压到低于推理成本时，每多一个用户、每多一次调用都在加速亏损，这使得"以量换价"的策略在经济上比传统互联网补贴战更加难以持续。

这种打法在短期内快速扩大了用户基础，但从商业可持续性角度看，长期低价乃至亏本经营难以为继。随着资本市场趋于理性、算力成本压力持续存在，厂商开始重新审视定价策略，回归到更能覆盖成本、支撑研发投入的价格水平，是符合商业逻辑的必然选择。

涨价背后的深层原因

算力与运营成本的现实压力

大模型推理服务的核心成本来自GPU算力。在高端AI芯片供应受限、能源与运维开销高企的背景下，长期的低价策略实际上在侵蚀厂商的现金流。

目前全球AI训练和推理的主流硬件仍是NVIDIA的高端GPU（如H100/H200/B200系列）。自2022年起，美国政府对中国实施了多轮AI芯片出口管制，限制了NVIDIA等厂商向中国销售高性能AI芯片。具体而言，这一管制经历了三个关键阶段：2022年10月，美国商务部首次限制向中国出口A100和H100芯片；NVIDIA随即推出了降频版A800和H800以规避管制。2023年10月，管制进一步升级，A800和H800也被禁止出口，NVIDIA不得不再次推出性能更低的H20芯片供中国市场。到2024-2025年，管制范围扩展到更多芯片类型和半导体制造设备，甚至对H20的出口也施加了更严格的限制。这一系列管制的累积效应是：中国AI公司获取顶级训练芯片的渠道被大幅收窄，不得不以更高的价格通过各种渠道采购，或转向国产替代方案。

虽然国产替代方案（如华为昇腾910B/910C）也在加速追赶，但在绝对性能、软件生态成熟度和供应充足性方面，国内厂商仍面临结构性的算力成本压力。华为昇腾芯片在硬件算力上已接近NVIDIA同代产品的70%-80%水平，但其软件栈（CANN/MindSpore）与NVIDIA的CUDA生态相比，在开发者工具链成熟度、第三方库支持和调试便利性方面仍有差距。CUDA生态经过十余年的发展，积累了PyTorch、TensorFlow等主流框架的深度适配，以及cuDNN、TensorRT等高度优化的推理加速库，形成了强大的"软件护城河"。这意味着中国AI公司的单位推理成本可能高于海外同行，长期低价策略的代价也更为沉重。

当融资环境收紧、投资人对盈利路径提出更高要求时，涨价成为改善单位经济模型（unit economics）的直接手段。所谓单位经济模型，是衡量商业可持续性的核心指标，指的是每服务一个用户或完成一笔交易所产生的收入与成本的关系。在大模型API业务中，关键指标包括：每百万Token的收入（API定价）、每百万Token的推理成本（GPU算力、电力、带宽、运维）、以及客户获取成本（CAC）和客户生命周期价值（LTV）的比值。当API定价低于推理成本时，每一次调用实际上都在亏损，厂商需要靠融资"输血"维持运营。涨价的本质就是让单位经济模型转正——确保每一次API调用至少能覆盖其边际成本，并为研发投入和利润留出空间。

从「抢用户」到「留价值用户」

价格战阶段的核心目标是获取尽可能多的用户和调用量。但海量的低价甚至免费调用中，真正具备付费意愿和商业价值的客户占比有限。通过适度涨价，厂商可以筛选出对模型能力有真实刚需、愿意为价值付费的客户，从而优化收入结构。

这一策略在SaaS行业有一个经典概念——「客户质量分层」。在价格极低时，大量用户可能只是抱着"试试看"的心态使用服务，他们的调用模式往往是零散、低频且对模型输出质量要求不高的。这类用户贡献的收入微薄，但同样占用GPU资源和技术支持带宽。相比之下，真正将大模型API深度集成到自身产品中的企业客户——例如将AI客服、智能文档处理、代码辅助等功能嵌入核心业务流程的公司——其调用量大、留存率高、付费意愿强，是支撑平台长期营收的"锚定客户"。适度涨价的效果类似于一个天然的筛选机制：价格敏感型用户可能会流失或转向开源方案，而高价值客户因为迁移成本和对模型特定能力的依赖，通常会选择留下。

这也解释了为何多家厂商会在相近的时间窗口内做出类似决策——这是行业周期性的集体调整，本质上是一种"纳什均衡"的演化：当所有竞争者都意识到持续亏损不可持续，且没有任何一家能通过低价彻底消灭对手时，集体回归理性定价就成为博弈论意义上的稳定策略。

对开发者与企业的实际影响

短期：运营成本上升与迁移压力

60%-65%的涨幅对于调用量较大的应用而言，意味着运营成本的显著增加。对于毛利本就微薄的AI应用创业者来说，这可能直接影响商业模式的可行性。因此，锁定现有价格、评估多供应商组合、优化调用效率（如缓存、批处理、压缩prompt）等策略变得尤为重要。

具体而言，这些优化策略各有侧重：语义缓存（Semantic Caching）是指对相似的用户查询复用之前的模型输出，避免重复调用API。与传统的精确匹配缓存不同，语义缓存使用向量相似度来判断两个查询是否"足够相似"——即使用户用不同的措辞提出了本质相同的问题，也能命中缓存。工具如GPTCache可以实现这一功能，在某些场景下（如FAQ类客服、知识库问答）可将API调用量降低30%-70%。批处理（Batching）是将多个请求合并为一次API调用，减少请求开销并可能享受批量折扣——OpenAI等厂商已提供专门的Batch API端点，价格通常比实时调用低50%，代价是响应延迟从秒级变为小时级，适合离线数据处理、批量内容生成等不需要实时响应的场景。Prompt压缩则是通过精简系统提示词、去除冗余上下文、使用更高效的提示词工程技巧来减少输入Token数量——例如用结构化的JSON格式替代冗长的自然语言指令，或使用LLMLingua等专门的prompt压缩工具，在几乎不损失输出质量的前提下将输入Token数减少2-5倍。此外，还有一些进阶策略，如使用路由机制（Router）根据任务复杂度将请求分发给不同规模的模型——简单任务用小模型、复杂任务才调用大模型——从而在整体层面降低平均调用成本。像Martian、OpenRouter等服务已经提供了这类智能路由功能，开发者也可以基于简单的分类器自行实现。

长期：市场格局走向重塑

涨价潮实际上是行业从「野蛮生长」走向「精耕细作」的信号。对开发者而言，这意味着需要：

• 建立多模型能力：避免对单一供应商的过度依赖，保持技术栈的灵活性。具体做法包括使用抽象层（如LiteLLM、LangChain的模型切换接口）将业务逻辑与底层模型解耦，使得切换供应商只需修改配置而非重写代码；
• 关注性价比而非绝对低价：在能力、延迟、稳定性和价格之间寻找平衡；
• 重视开源模型方案：随着开源模型能力不断提升，自建部署或使用开源模型可能成为控制长期成本的重要选项。

关于开源模型方案，值得展开说明的是，开源大模型能力在2024-2025年经历了飞速提升。Meta的Llama系列（Llama 3/3.1/4）、阿里的Qwen系列（通义千问开源版）、DeepSeek^广告的DeepSeek-V3/R1、Mistral AI的系列模型等，都已达到接近甚至部分超越闭源商业模型的水平。开发者可以通过Ollama、vLLM、TGI（Text Generation Inference）等推理框架在自有服务器或云GPU上部署这些开源模型，一次性支付算力租赁费用而无需按Token付费。

这些推理框架各有技术特色：vLLM由UC Berkeley团队开发，其核心创新是PagedAttention技术——借鉴了操作系统虚拟内存管理的分页思想，将KV Cache（模型推理过程中存储注意力键值对的缓存）组织为非连续的内存页，极大提高了GPU显存利用率，使得同一张GPU卡能同时处理更多并发请求，吞吐量相比传统实现提升2-4倍。Ollama则侧重于简化本地部署体验，一行命令即可在个人电脑上运行开源模型，适合开发测试和轻量级应用。HuggingFace的TGI则提供了生产级的推理服务能力，支持连续批处理（Continuous Batching）、张量并行（Tensor Parallelism）等高级特性，适合需要高可用性的企业级部署。

对于调用量大的应用，自建部署的总成本往往显著低于使用商业API。以一个粗略的成本对比为例：在云平台上租用一张NVIDIA A100-80G GPU（约每小时2-3美元），运行Llama 3 70B模型，每秒可处理约30-50个Token的输出，一天可产生约260万-430万Token的输出。按月计算，GPU租赁成本约1500-2200美元，对应的Token产出如果按商业API定价购买，费用可能高出数倍。当然，自建部署也带来了运维复杂度、模型更新迭代、安全合规等额外挑战，需要团队具备相应的工程能力。中小团队可以考虑使用Replicate、Together AI、Fireworks AI等"开源模型托管平台"作为折中方案——它们提供开源模型的API化服务，价格通常低于闭源商业API，同时免去了自建运维的负担。

结语：价格战终局的开端

MiniMax的这次涨价，或许可以看作国产大模型市场进入新阶段的一个缩影。当补贴退潮，真正的竞争将回归到模型能力、工程效率和商业价值本身。

对于身处其中的开发者和企业，与其被动承受成本波动，不如主动构建更具韧性的技术架构和成本策略。在AI基础设施走向成熟的过程中，理性定价终将取代恶性补贴，成为行业健康发展的必经之路。

（注：本文基于Reddit社区消息整理，MiniMax具体调价细节以官方公告为准。）