如何给一款模型定价?

“价格的本质是什么，我只回复一个词：价值。”《定价制胜》的作者赫尔曼·西蒙说。

但对大模型产品来说，技术在按月进化，应用却还没有充分验证，“价值” 仍难以量化、定价方式也很难类比其他成熟商品。

综合公开信息和多位大模型厂商商业化员工的说法，我们发现大模型产品目前基本只有两种定价方式：成本定价法和市场定位定价法。有些公司更偏成本端，比如 Deepseek 和小米 Mimo，其他大部分厂商更侧重市场定位。

成本定价法比较简单，公司算出持续提供服务需要花多少钱，再加上希望赚取的利润，算出一个价格。这笔成本主要包括推理算力、网络、存储和运维，不计算前期模型研发支出和销售、薪酬等其他经营费用。

DeepSeek 最为典型。今年 5 月，梁文锋在一场投资者交流会上解释过 DeepSeek 的定价原则：API 业务以十个月收回设备投入为目标。在他看来，这已经是可以接受的回报，没有必要把价格提高到收入或利润最大化的位置。

按照他的计算，⼗个⽉收回成本，5 年左右的折旧年限，⼤概对应的是六倍利润。做一个简化计算：假设成本只考虑折旧，对应的毛利率需要达到约 83.3%。根据《The Information》援引知情人士的报道，DeepSeek 今年前七个月的 API 业务毛利率为 82.9%，与这一测算相近。

这种思路也体现在后续的价格调整中。9 月发布 V4.1 Flash 时，公司表示，新架构把 KV Cache 对高带宽显存的需求降至上一代的四分之一，对 SSD 的需求降至八分之一。随后，缓存命中和输出 token 的价格也降了下来。

减少重复计算、压缩缓存、提高吞吐量，都能变成降价空间。但成本也并不是全部的解释，为了让算力和设备充分被利用，DeepSeek 也会根据需求来调整价格。

比如 8 月，DeepSeek 引入峰谷定价，闲时调用的价格，只有高峰时段的一半。9 月模型降价后，峰谷差价仍然保留。这种价格策略让高峰的拥堵得以缓解，闲置的设备也能挣到钱。

一位模型公司的商业化员工形容，DeepSeek 的定价有种 “以我为主” 的意味：“他去划定了一个特殊的产品类别空间，然后主导了这个产品类别空间里的变化。”

大部分其他模型厂商不这么定价。在推理成本外，他们首要考虑的是市场定位，是在诸多模型的性能、价格的参考坐标体系里找到自己的位置。

上述大模型厂员工称，每家定价时，想的都是要去到什么样的价格带，“本质上是模型定位嘛，大家都是朝着这个模型定位去做。”

一个新模型发布前，商业化部门通常要和 Infra 部门一起测算真实负载下的推理成本，再参考第三方评测、内测客户的反馈和业务目标。价格往往由多个部门一起决定。

以 Kimi 的 K3 模型为例，这是一款总参数 2.8T、每 token 激活参数约 104B 的大模型，运行成本不低。

英伟达分销商 Openzeka 曾用一台 8 卡 B300 服务器测试 K3。按测试结果折算，这台机器每小时可处理约 405 万输入 token 和 405 万输出 token。如果用 Runpod 上 B300 单卡每小时 8.99 美元的租金粗略计算，处理 “百万输入 token 加百万输出 token”，仅算力租金就约为 17.7 美元。

这与月之暗面的真实成本必然有出入，但已经足以说明，K3 很难成为一款廉价模型。

有了大致的成本范围，下一步是找对标产品。

7 月 17 日，Artificial Analysis 测算，K3 的综合能力接近 Claude Opus 4.8 和 GPT-5.5。当时，两款模型的输入价格分别为每百万 token 5 美元、4 美元，输出价格为 25 美元、20 美元。

Kimi 最终给 K3 定的价格是输入 3 美元、输出 15 美元。

这个数字还包含了公司的战略选择。K3 发布后，月之暗面的 B 端负责人曾公开表示，不希望中国模型一直被贴上低价标签。能力达到前沿水平，就应该卖出合理的价格。相比此前的模型，K3 希望保留更充足的毛利空间，尝试建立旗舰模型的溢价。

实际任务场景中的客户测试也会影响报价。一位模型厂商的工程师说，现在大家越来越重视 “单 Token 智能”，而不是纯粹的性价比。如果小范围的客户测试下来，一个任务能用更少 Token 完成，Token 的单位定价会提高；相反，则会往下调整。

Artificial Analysis 曾让 K3 和 GLM-5.3 执行同一项任务。K3 消耗约 1.6 亿 token，GLM-5.3 用了约 2 亿。K3 的 token 单价更高，两者完成任务的总花费相近。

成本、竞品、测试结果决定了大致价格。最后还会有一些更细的取舍。Kimi 就曾决定，同一个模型，中国市场的报价要比海外低，“哪怕只是 1 毛钱”。

渠道也会影响定价。除了原厂直接提供 API，模型也可以由云平台代销或托管，由聚合平台转接，或者由客户自行部署。原厂的公开报价相对固定。其他渠道则要考虑上游采购成本、设备价格、部署效率和运维支出。在许可允许的范围内，云厂商和算力服务商可以自行部署开源模型，按照自己的成本和效率报价，可能会挤压原厂的收入。

梁文锋在那场投资者交流会上谈到了这件事。他判断，原厂如果索取极高利润，即使第三方运行效率较差，也能通过低价抢走客户。DeepSeek 按十个月收回设备投入的标准收费，已经把价格压到一个第三方很难匹配的位置，能让官方 API 保持价格优势的同时留有利润。

据我们了解，绝大部分二级算力供应商都无法把 DeepSeek 模型优化到官方宣称的水平。