科技行业动态点评：一美元能买多少“To ken智能”

科技科技正文目录TOC\o"1-2"\h\z\uGPT-5.6降价，模型竞争转向“同等智能成本” 3OpenAI的模型价格经历过先降后升 3全球竞争由能力竞赛转向“同等智能成本”竞赛 4降价能否转化为收入增长，取决于调用量的价格弹性 5的智能如何更好的被定价 6方式购买力与智能购买力 6方式#2：平均任务成本才是定价关键 7方式#3：先考虑任务阈值，再考虑性价比 7低价模型的实现路径 10因素#1：MoE架构或降低激活参数 10因素#2：模型厂商的推理效率优化 10因素#3：缓存命中可降低重复上下文的边际成本 产业影响：应用需求加速释放，国产模型迎来多维竞争机会 12风险提示 12科技GPT-5.6降价，模型竞争转向“同等智能成本”科技GPT-5.6以三层级定价矩阵覆盖不同任务需求，并通过差异化调价强化各型号定位。据OpenAI模型文档，Sol面向复杂推理、CodingAgent强调能力、速度与成本之间的平衡，LunaOpenAIAPIChangelog信息，GPT-5.6202679730Luna实施价格20%，主要面向生产环境中的主流调用需求；Luna80%，通过较低调在同一模型家族内兼顾旗舰能力变现、主流需求承接与经济型模型放量。发布三周后重新定价，显示本次调整具有较强的市场策略属性。短期内，硬件更新及推理Luna80%的变化幅度，早期需求反馈、不同模型间的流主要承担扩大调用量、提升高并发场景渗透率及巩固开发者入口的功能；Sol继续作则位于两者之间，承接对能力、OpenAI覆盖不同客户预算和任务复杂度，并提升模型家族内部的需求匹配效率。图表1：GPT-5.6系列价格调整模型调整前输入 调整前缓存输入调整前输出当前输入 当前缓存输当前输出降幅GPT-5.6Sol5.000.5030.005.000.5030.000%GPT-5.6Terra2.500.2515.002.000.2012.00-20%GPT-5.6Luna1.000.106.000.200.021.20-80%注：单位为美元/百万TokenOpenAI官网、华泰研究Luna整体的低成本主要来自单据ArtificialAnalysisInieceInxaMx产生约M输出klMxMax96MSolMaxLuna86%Sol5.5%CodingAgent等场景，任务成功率、重试次数及工具调用或会进一步影响总成本，较低价格只有在模型跨过任务门槛后，才能转化为实际的经济性。图表2：GPT-5.6Max档任务Token、速度与完整评测成本模型AA智能指数完整评测输出Token相对SolToken输出速度（Token/s）估算解码时间/Sol完整指数评测成本（美元）成本/SolGPT-5.6SolMax5970M1.00倍63.51.00倍3,442.81100.0%GPT-5.6TerraMax5596M1.37倍125.60.69倍1,607.9346.7%GPT-5.6LunaMax51130M1.86倍172.10.69倍190.875.5%注：ArtificialAnalysis数据截至2026年7月31日，以下同。ArtificialAnalysis、华泰研究OpenAI的模型Token价格经历过先降后升OpenAI模型定价已由持续降价转向前沿提价与同代分层。OpenAI公开价格，GPT‑4GPT‑530美元/1.25美元美元/10美元/Token；GPT-5.2发布后，前沿模型价格重新上行，GPT-5.6Sol、Luna价格曲线已难以完整反映能力升级与成熟能力下沉并行的行业趋势。2025CodingAgent及专业任务需要投入更多测试时计算，同时能够覆盖过去难以完成的高价值场景，因此旗舰模型重OpenAI公开价格，GPT-5GPT-5.54倍，3倍，反映厂商开始围绕能力边界和任务价值重新定价。科技科技OpenAIEUEconomicBlueprintAI122023‑42024GPT‑4o1/150SolLuna图表3OpenAI价格变化时间模型输入价格输出价格价格变化2023年3月GPT-430.0060.00GPT-4定价起点2023年11月GPT-4Turbo10.0030.00输入下降66.7%，输出下降50.0%2024年5月GPT-4o5.0015.00输入、输出均下降50.0%2025年8月GPT-51.2510.00输入下降75.0%，输出下降33.3%2025年12月GPT-5.21.7514.00输入、输出均上涨40.0%2026年3月GPT-5.42.5015.00输入上涨42.9%，输出上涨7.1%2026年上半年GPT-5.55.0030.00输入、输出均上涨100%2026年7月GPT-5.6Sol5.0030.00旗舰价格维持不变2026年7月30日GPT-5.6Terra2.0012.00较发布价下降20%2026年7月30日GPT-5.6Luna0.201.20较发布价下降80%注：单位为美元/百万TokenOpenAI官网、华泰研究全球竞争由能力竞赛转向“同等智能成本”竞赛DeepSeekV4Flash50DeepSeekArtificialAnalysis数据，V4Flash0731AA4050分，说明中国模型在算法架构和单位智能成本控制竞争中处于全球前沿。K3比能力、V4Flash比成本的双线竞争格局。ArtificialAnalysis数据，KimiK3Max57GPT-5.6Sol2分，混合价格和平均任务成2.31美元/0.86Sol47%54%；V4Flash的50Luna1Luna65%和57%开放权重使国产模型的能力与成本优势具备进一步释放空间。KimiK3DeepSeekV4FlashAPIV4Flash284B13B1M上下文；其较低激活规模为低成本部署提供计算基础。我们认为，国产模型的竞争力已经API价格扩展至能力、成本、部署方式和产业生态的综合优势。图表4：国产模型形成强能力与高性价比两条竞争路线竞争路线 国产模海外对标模型混合价格（国产/海外）CostperTask（国产/海外）强能力 KimiK3Max（开放权重，57分）GPT-5.6SolMax（闭源，59分） 2.31/4.35 0.86/高性价比DeepSeekV4Flash0731Max（开放权重，50分）GPT-5.6LunaMax（闭源，51分） 0.06/0.17 0.03/注：最低/最高混合价格单位为美元/百万Token；Costper单位为美元DeepSeek官网、ArtificialAnalysis、华泰研究科技降价能否转化为收入增长，取决于调用量的价格弹性科技价格20%25%即可保持收入稳定；Luna80%后，调用量需扩大5400%LunaOpenAI对需求扩张具有较高预期AgentCodingOpenAILuna，调用规模可能通过新增场景与使用频率共同增长。模型降价仍可能推动推理算力需求增长。价格下降有助于拓展使用场景，AgentArtificialAnalysis数据，LunaMaxSolMax消耗。我们认为，只要调用量增幅高于单次任务算力消耗的下降幅度，降价仍将对推理算力需求形成正向拉动。图表5：GPT-5.6降价后的收入平衡点模型 价格降新价格原价格维持收入所需调用量所需增幅Terra-20%0.801.25倍+25%Luna-80%0.205.00倍+400%ArtificialAnalysis、华泰研究估算降价不仅扩大应用调用规模，也会提升单项任务的计算强度，从而推动总需求非线TheEconomicsofDigitalIntelligenceCapitalAgent-BasedModelAPI50%1.42，同时推理深度45%38%25%消耗随之加快增长，行业Agent需求同时受到任务数量扩张与单任务消耗提升的推动。的价格下降28.4%1.42的需求价格弹性在该9.8%通过适度降价扩大调用规模，并带动收入增长的可能性。Luna80%51.42的弹性在整个价格区间内保持不变，调用量可增至约9.83倍（按照《TheEconomicsofDigitalIntelligenceCapital》论文恒定弹性需求函数计算得到）96.6%；我们认为，该结果仅属于敏感性情景，LunaAgent工作流落地、新增客户进入及竞争对手份额迁移。图表6：GPT-5.6降价后的调用量与收入弹性测算模型 价格降幅 维持收入所需调用所需调用量增幅小幅变化近似恒定弹性情景下调用量Terra-20%1.25倍+25%+28.4%1.37倍+9.8%Luna-80%5.00倍+400%不适合线性外推9.83倍+96.6%《TheEconomicsofDigitalIntelligenceCapital》，Zhang（2026）、ArtificialAnalysis、华泰研究估算科技Token的智能如何更好的被定价科技仅比较输入数量存在差异。2）较低的任务成功率会增加重试次数，并进一步推高失败成本。3）Agent任务通常涉及多轮上下文、缓存读取、工具调用及并行执行，实际资源消耗高于单轮问答。账单。图表7：全球主要模型智能指数与价格模型推理档位AA智能指数混合价格完整评测输出TokenClaudeFable5GPT-5.6SolMaxMax87M70MKimiK3Max572.31130MGPT-5.6TerraGrok4.5MaxHigh96M60MGPT-5.6LunaMax510.17130MGLM-5.2Max510.90140MDeepSeekV4Flash0731Max500.06210MGemini3.5FlashHigh501.3175MQwen3.7Max默认公开档461.43100MDeepSeekV4ProMax440.18180MMiniMaxM3默认公开档440.2289M注：单位为美元/百万TokenArtificialAnalysis、华泰研究方式#1：Token购买力与智能购买力onk1数量，主要AA规模组合，主要反映能力与价格的相对关系。需要注意的是，两项指标均属于价格与能力的比较工具，不能直接代表模型的任务完成质量。V4FlashLuna。ArtificialAnalysis公16.67V4Flash833.3，Sol61.4Luna2.78倍；Luna300.0V4FlashAA智能指50Luna10.06美元/的混合价格。需要注意的是，智能购买力属于能力与价格的相对比较工具，不能直接代表不同任务中的实际完成质量。图表8：1美元能买多少智能模型AA智能指数 混合价格（美元/百万Token购买力（百万）智能购买力指标（指数÷价格）相对Sol购买力ClaudeFable5Max60 7.700.137.80.57倍GPT-5.6SolMax59 4.350.2313.61.00倍KimiK3Max57 2.310.4324.71.82倍GPT-5.6TerraMax55 1.740.5731.62.33倍Grok4.5High54 1.350.7440.02.95倍GPT-5.6LunaMax51 0.175.88300.022.12倍GLM-5.2Max51 0.901.1156.74.18倍DeepSeekV4Flash0731Max50 0.0616.67833.361.44倍Gemini3.5FlashHigh50 1.310.7638.22.81倍Qwen3.7Max461.430.7032.22.37倍DeepSeekV4ProMax440.185.56244.418.02倍MiniMaxM3440.224.55200.014.75倍注：Token购买力等于1美元除以混合价格，智能购买力指标等于AA智能指数除以混合价格。ArtificialAnalysis、华泰研究科技方式#2：平均任务成本才是定价关键科技智能购买力代理指标仅适用于能力与价格的相对比较，不能视为可线性累加的智能总量。AAIntelligenceIndex属于综合基准得分，6030购买对应何种能消耗、任务成功率及失败成本进行综合判断。平均任务成本可进一步衡量模型完成典型任务的实际经济性。ArtificialAnalysis方法，CostperIntelligenceIndex图表9：全球典型模型IntelligenceIndex平均任务成本厂商/模型模型类型AA智能指数API服务商或处理口径当前CostperTask（美元）当前成本/LunaAnthropicClaudeFable5Max海外闭源60Anthropic3.1545.00倍OpenAIGPT-5.6SolMax海外闭源59OpenAI，AA发布值1.8626.57倍MoonshotKimiK3Max国产开放权重57Kimi0.8612.29倍OpenAIGPT-5.6TerraMax海外闭源55AA发布值0.7310.43倍xAIGrok4.5High海外闭源54SpaceXAI0.446.29倍OpenAIGPT-5.6LunaMax海外闭源51AA发布值0.071.00倍Z.aiGLM-5.2Max国产开放权重51Wafer0.365.14倍DeepSeekV4Flash0731Max国产开放权重50DeepSeek0.030.43倍GoogleGemini3.5FlashHigh海外闭源50GoogleAIStudio0.699.86倍AlibabaQwen3.7Max国产闭源46AlibabaCloud1.2818.29倍DeepSeekV4ProMax国产开放权重44DeepSeek0.050.71倍MiniMaxM3国产开放权重44MiniMax0.142.00倍注：GLM-5.2采用WaferAPI实测值，不同API服务商数值或有不同。ArtificialAnalysis、华泰研究V4Flash在接近Luna能力水平的同时，将平均任务成本进一步降至约0.03美元。据ArtificialAnalysis数据，V4FlashAA50Luna1分，平均任务0.03Luna0.0757%V4Flash210MLuna130M价格。V4Flash同时开放权重，进一步增加了企业私有化部署和持续优化推理成本的空间。KimiK3Max57分智能Sol590.86Sol1.8654%Flash则证明中国模型仍能在相近能力下建立更低的任务成本优势。方式#3：先考虑任务阈值，再考虑性价比对于常规任务，OpenAI评测数据，SolLuna在上述高难任务中的表现差距显著扩大，说明综合指数接近并不意味着模型在复杂场景下具备相近的任务可用性。因此，平均任务成本更适合衡量常规任务经济性，对高难任务仍需结合成功率及能力门槛进行判断。科技LunaOpenAIExploitBenchKernelGen1PMRCRv28-needle评测中，Sol73.5%61.1%33.2%22.4%约为Luna2.21倍、2.732.22ARCPrize数据，SolARC-AGI-3官方半私有Luna43.2在该任务上接近失效。上述结果表明，Luna科技图表10：GPT-5.6系列在高难任务上的能力差异评测任务类型SolTerraLunaSol较Luna差值Sol/LunaBigFinanceBench高难金融任务53.0%51.0%36.0%+17.0pct1.47倍OSWorld2.0计算机操作62.6%50.2%45.6%+17.0pct1.37倍SEC-BenchPro网络安全71.2%57.7%48.9%+22.3pct1.46倍ExploitBench漏洞利用73.5%52.9%33.2%+40.3pct2.21倍KernelGen1P内核生成与自我改进61.1%49.2%22.4%+38.7pct2.73倍FrontierMathTier4v2前沿数学83.0%68.3%58.5%+24.5pct1.42倍MRCRv28-needle256K-512K超长上下文检索91.5%89.6%41.3%+50.2pct2.22倍ARC-AGI-3抽象推理7.78%0.80%0.18%+7.60pct43.22倍注：ExploitBench主要衡量模型完成漏洞利用链的能力。KernelGen1P用于评估模型直接优化AI基础设施的能力。MRCRv28-needle反映超长上下文中的多目标检索与记忆能力。ARC-AGI-3用于考察无说明书环境中的学习与适应能力。OpenAI官网、ARCPrize、ArtificialAnalysis、华泰研究价格具备更强经济性；当任务要求超长上下文成功率达到70%、达到50%或hr4aa或图表11：能力门槛下的最低成本模型选择任务示意性最低成功率SolTerraLuna达标模型最低成本达标模型及混合价格BigFinanceBench50%53.0%51.0%36.0%Sol、TerraTerra，1.74美元/百万TokenOSWorld2.060%62.6%50.2%45.6%SolSol，4.35美元/百万TokenSEC-BenchPro60%71.2%57.7%48.9%SolSol，4.35美元/百万TokenExploitBench60%73.5%52.9%33.2%SolSol，4.35美元/百万TokenKernelGen1P50%61.1%49.2%22.4%SolSol，4.35美元/百万TokenFrontierMathTier4v275%83.0%68.3%58.5%SolSol，4.35美元/百万TokenMRCRv28-needle256K-512K70%91.5%89.6%41.3%Sol、TerraTerra，1.74美元/百万TokenARC-AGI-31%7.78%0.80%0.18%SolSol，4.35美元/百万TokenArtificialAnalysis、华泰研究次任务成本÷任务成功率”；若进一步考虑失败损失，模型预期价值可表示为“成功率×任务价值－单次成本－失败率×失败损失”。任务价值越高、失败代价越大，成功率差异越可能覆盖旗舰模型的价格溢价。科技ARC-AGI-3ArtificialAnalysis当前平均任务成本作为单次尝试成本代理，ClaudeOpus5High单次成本约为Luna17.6Luna1684.08Luna26.6Luna4323.91Luna38.891%的成功率通常难以通过机械重试形成稳定供给，Luna555.6125科技ARC-AGI-32026731ARCPrize公开状态，KimiK3仍处于测试阶段，DeepSeekV4Flash、GLM-5.2、Qwen3.7Max、DeepSeekV4ProMiniMaxM3暂无公开验证结果。在已完成验证的模型中，ClaudeOpus5Sol的成功率处于较高水平，Grok、Luna1%。我们认为，现阶段该评测主要用于识别已测试海外闭源模型内部的能力差异，暂不足以形Infra图表12：ARC-AGI-3单位成功任务成本与全球模型测试状态厂商/模型类型当前平均单次任务成本代理（美元）获得一次成功所需预期单位成功任务成本（美元）Sol的倍数ARC-AGI-3验证成绩尝试次数AnthropicClaudeOpus5HighOpenAIGPT-5.6SolMaxOpenAIGPT-5.6TerraMaxxAIGrok4.5High海外闭源海外闭源海外闭源海外闭源3.3次12.9次125.0次333.3次0.17倍1.00倍3.82倍6.13倍OpenAIGPT-5.6LunaMax海外闭源 0.070.18%555.6次38.891.63倍MoonshotKimiK3MaxDeepSeekV4Flash0731Max国产开放权重 0.860国产开放权重 0.030测试进行中暂无公开验证结果——————Z.aiGLM-5.2MaxAlibabaQwen3.7MaxDeepSeekV4ProMaxMiniMaxM3国产开放权重————————————ARCPrize、华泰研究科技低价模型的实现路径科技因素#1：MoE架构或降低激活参数MoE模型仅激活与当前任务相关的部分专家参数，ArtificialAnalysis数据，V4Flash284B总参数、每13BAA500.06美元百万k2M输出k，Luna定价则将成本优势传导至客户账单。图表13：部分开放权重模型的激活参数、Token消耗与评测成本模型总参数量 每激活参数量激活比例AA智能指数完整评测输出混合价格完整指数评测成本（美元）DeepSeekV4Flash0731284B 4.58%50210M0.0672.02DeepSeekV4Pro1,600B 3.06%44180M0.18176.34GLM-5.2753B 5.31%51140M0.901,061.18KimiK32,800B 3.71%57130M2.312,437.41注：最低/最高混合价格单位为美元/百万Token；CostperTask单位为美元ArtificialAnalysis、华泰研究因素#2：模型厂商的推理效率优化价格下降的重要因素。API供应商之价格、输出速度和任务成本仍可能存在明显差异，说明服务价格不仅取决于模型本身，也受到量化精度、硬件配置、批处理规模、并行策略、任务调度及基础设施运营效率影响。通过提升推理吞吐、降低单位计算资源消耗，降价提供空间。API供应商之间的价格、任务成本与推理速度差异较为显著。ArtificialAnalysis数据，GLM-5.2Max5.14.4倍、输出10.7M34.19.1跨供应商出现数倍价格与成本差异，仍表明推理系统及部署工程优化能够显著降低单位服价格下降的重要因素。图表14模型 供应商数量 最低/最高混合价格价格差异 最低/最高Costper任务成本差异 最慢/最快输出速速度差异GLM-5.2Max150.49/2.525.1倍0.36/1.574.4倍41.1/438.4Token/s10.7倍Qwen3.7Max30.80/1.431.8倍0.65/1.282.0倍51.3/199.0Token/s3.9倍MiniMaxM390.18/0.392.2倍0.11/0.454.1倍31.3/285.7Token/s9.1倍注：最低/最高混合价格单位为美元/Token；Costper单位为美元ArtificialAnalysis、华泰研究科技因素#3：缓存命中可降低重复上下文的边际成本科技缓存机制能够显著降低重复上下文调用的边际成本。OpenAIAPIPricing，GPT-5.6三10%1.25倍。对于需要反复调用相同系统提示、历史对话或长上下文的任务，较高缓存命中率可减少重复输入对应的计费成本，从而改善模型在持续运行场景下的经济性。缓存命中率提升能够同步降低不同档位模型的稳态调用成本。通常复杂任务的输入10%90%0%、50%70%；测算不含首次缓存写入，适用70%时，SolLuna42%Agent、多轮对话及长上下文等高频复用场景。图表15：GPT-5.6在不同缓存命中率下的混合Token价格模型新增输入价 缓存读取缓存写入价输出价 0%命中混合价50%命中混合价70%命中混合价70%命中节省比例GPT-5.6Sol5.000.506.2530.007.505.254.3542%GPT-5.6Terra2.000.202.5012.003.002.101.7442%GPT-5.6Luna0.200.020.251.200.300.210.17442%注：单位为美元/百万TokenOpenAI官网、华泰研究估算科技产业影响：应用需求加速释放，国产模型迎来多维竞争机会科技AI应用是模型降价的直接受益环节。客服、搜索、营销生成、CodingAgent、办公助手和数据分析均需要持续调用模型，模型降价能够降低单次推理和多轮Agent执行成本，并为提高使用频率、增加Agent执行次数及优化应用公司毛利率和付费转化提供空间。推荐标的：迅策，迈富时，中控技术，金山办公。相关标的：滴普科技，金蝶软件，合合信息。降价带来onK3与4FlahGT-降价说明低成本推理已成为全球模型竞争方向，V4Flash随后以更低混合价格和任务成本50K357分智能指数接近海外旗舰，表明国产开放权重模型也已进入高能力区间。未来，国内厂商可依托真实任务能力、开放权重、私有化部署、国产算力适配、中文场景优化及企业服务持续形成差异化优势。我们认为，国产模型已经从单一价格竞争扩展至强能力与高性价比并行。相关标的：智谱，MiniMax风险提示模型调用需求增长不及预期。模型降价可能无法带动调用量同比例增长，进而影响模型厂商收入及盈利改善。模型能力迭代不及预期。可能限制复杂任务、Agent及企业级场景的需求释放。第三方评测口径及数据变化风险。第三方评测口径、模型版本和API价格可能持续调整，不同模型的测试条件及推理配置也存在差异，相关比较结果可能发生变化。图表16：重点公司推荐一览表最新收盘价目标价市值(百万)EPS(元)PE倍)股票名称股票代码投资评级(当地币种)(当地币种)(当地币种)20252026E 2028E20252026E2027E2028E迅策3317HK买入 103.50239.1134,153-0.29-0.03 0.431.34-314.29-2,829.13208.9966.87迈富时2556HK买入 62.9311,8190.331.22 1.983.05115.0231.1619.2812.48中控技术688777CH买入 93.12113.0773,6760.561.23 1.531.79166.8875.5560.7651.90金山办公688111CH买入 269.58303.77125,0893.967.85 6.087.4568.0234.3544.3436.21Bloomberg预测图表17：重点推荐公司最新观点股票名称 最新观点迅策(3317HK)迈富时(2556HK)中控技术(688777CH)金山办公(688111CH)

20262026H19.67亿元，同比+389%0.730.67亿元，均实现扭亏。AI26-2823.57/39.15/59.4083.4%/66.1%/51.7%26-280.02/1.77/5.530.1%/4.5%/9.3%2027EPS680.19789.022027EPS17.37x（240.08港元，27EPS17.06x），维持“买入”评级。风险提示：AI跨行业拓展进度不及预期；按Token计费的商业化落地不及预期；行业竞争加剧导致毛利率承压；AI技术路线变化风险；监管政策变动风险；估值波动风险。报告发布日期：2026年08月01日点击下载全文：迅策(3317HK,买入):Token业务加速驱动收入大幅增长20262026H118.58-20.54+100%-121%1.82-2.22+386%-494%。AIAgentAI业务占比提升带来AI工厂新逻辑将共同打开公司成长空间，公司未来有望延续业绩高增长，维持“买入”评级。我们认为AI应用高增与全栈Token工厂新逻辑将共同打开公司成长空间，上调公司26-28年收入为44.75/67.36/104.20亿元（前值为41.20/62.02/97.91亿元，分别上调9%/9%/6%），其中AI应用收入上调为26.78/45.80/78.