智能体写代码时，缓存读取成本占总 Token 支出的 96%—99%，因为每轮对话都要把全部历史重新喂进模型。这意味着真正决定成本的不是输入/输出标价，而是缓存命中价：Fable 5.1 把缓存读取从 1 美元砍到 0.25 美元（降 75%），整体使用成本直接掉 70%—75%；GPT-6.1 Sol 缓存读取仅为输入价的 5%。盯着网站首页的输入输出价看，基本等于看错账单。

「先低价养用户、垄断后涨价」这套逻辑的前提，是当年 Uber、Lyft 能垄断市场。大模型推理不一样：DeepSeek 的缓存读取价只有输入价的 2%，OpenRouter 上托管 DeepSeek V4 Flash 1017 的服务商从 13 家涨到 29 家，Cloudflare、DeepInfra 与官方价差不到 10%。用户换一家几乎零成本，任何一家抬价立刻被邻居接走。真正会先动刀的很可能是订阅套餐额度——OpenAI 已在发布 GPT-6.1 Sol 时把 200 美元 Codex 套餐额度砍半。

论证是这样搭的：模型正被商品化（切换成本近乎为零）→ 供给端有 29 家推理商加开放权重模型 → 任何一家涨价就会被邻座接走 → 所以价格趋近多提供一个 Token 的边际成本。这个链条成立的关键假设有三条：缓存命中率能维持 90% 以上、开放权重模型质量继续逼近闭源旗舰、服务商之间不会形成价格默契。任何一条松动——比如前沿能力差距重新拉开、算力被少数玩家锁定——「价格不会大涨」的结论都要打折扣。

价格战最反常之处在于它发生的时间点。Anthropic 拟以「ANT」登陆纳斯达克，招股书显示 2026 上半年营收 162.9 亿美元、净亏 807 亿美元，其中约 724 亿是可转换票据公允价值变动这类非现金计提，真实经营亏损约 6.93 亿，但有超过 5000 亿美元的算力采购承诺。一边把主要收入来源砍价 80%，一边准备上市，市场用真金白银定价：Polymarket 上「2028 年底破产」合约一度触及 24%。降价的另一种解读是，它不是为了抢份额，而是推理成本本身塌了。

Token 会不会突然大涨？当下能看到的制衡变量有两个：一是开放权重模型的性能追赶速度——Kimi K3.1 Pro 评测 55 分对 Opus 5.5 的 58 分，输入输出价只有一半；二是服务商自身的盈利约束，亏损的模型会被下架换盈利模型，29 家服务商没有长期做慈善的动机。焦点是「Token 真实成本」能否稳定在边际成本附近，要等开放权重模型权重放出后第三方推理商的实际报价才能看清；若 IPO 后厂商削减免费额度，才是真正值得盯的转折信号。

模型单价跌 75%，作者却把 Codex 订阅额度砍到原来的五分之一——因为同样的钱现在能买到 4 倍算力，总支出不变。这里有个反直觉的追问：厂商降价的目标是让你多花，但它同时也在削减套餐额度，用户实际该怎么算账？另一个更硬的问题是：缓存读取占成本九成以上，那么一家厂商的缓存命中率与 TTL 策略，是不是比它的模型跑分更能决定你的真实单位成本？