AI斩杀线竞争白热化：OpenAI、Anthropic 降价，国产模型性价比突围

【纵横网】近期，全球大模型市场迎来密集产品发布，9 月 22 日 OpenAI、Anthropic 接连推出新模型，小米同步上线 MiMo V2.6 系列，三家新品共同推动行业 “斩杀线” 竞争进入新阶段，核心方向是用更低成本提供更强的 AI 能力。

Anthropic 发布 Claude Opus 5.5，拿下 Artificial Analysis 智能指数榜首，该模型价格较上一代下降两成，缓存读取价格降幅高达六成。紧随其后，OpenAI 推出 GPT-6 Sol、Luna，作为旗舰 GPT-6 Astra 的中端与入门版本，两款新品价格在 GPT-5.6 基础上减半，官方概括其特点为 “成本减半，错误减半”。国产方面，小米 MiMo V2.6 Pro 的 AA 智能指数达到 46 分，相比前代性能接近翻倍，位居国产模型、开源模型双第一；API 定价维持不变，每百万 token 输入 3 元、输出 6 元。

所谓大模型 “斩杀线”，本质就是经济学上的帕累托前沿：落在这条线上的模型，同等价格下性能最优，或是同等智能水平下成本最低；在线内的产品，会面临竞品性能更强、价格更低的挤压，在市场竞争中容易被淘汰。这个概念自今年 4 月 DeepSeek 发布 V4 预览版后开始广泛传播，厂商持续通过调价、迭代模型，推动斩杀线不断移动。

行业竞争分化为两大主线，一方面头部企业持续冲击性能上限，另一方面几乎所有厂商都争夺高性价比赛道。伴随 Agent、代码开发成为主流应用场景，单次任务 token 消耗量大幅提升，模型调用成本从可忽略的支出，变成企业需要精细管控的硬性指标，也让性价比成为行业核心博弈点。不少企业开始搭建模型路由机制，根据任务难度匹配不同模型。行业测算显示，85% 的效率提升场景无需调用顶级大模型，轻量高性价比模型需求快速增长。

对比各模型单任务成本，小米 MiMo V2.6 Pro 仅 0.13 美元；Claude Opus 5.5 约 5.86 美元，是 MiMo V2.6 Pro 的 45 倍；降价后的 GPT-6 Sol 单任务成本 1.06 美元，达到小米模型的 8 倍。MiMo V2.6 Pro 实现以 Flash 档位的价格，提供第一梯队模型能力，将行业斩杀线推上新台阶。目前 AA 榜单中，仅有 6 款闭源模型智能指数超过该模型，其余大量开源、闭源产品落入被 “斩杀” 区间。

不同厂商选择差异化技术路线争夺效率优势。DeepSeek 依托出色推理工程降低部署成本；OpenAI、Anthropic 通过缓存、推理系统优化实现降价；Kimi、通义千问等选择做大参数规模提升能力；智谱 AI、小米则依靠强化学习挖掘模型潜力。小米 MiMo V2.6 系列沿用和 V2.5 相同基座、参数与预训练数据，性能提升几乎全部来自后训练强化学习，依托混合注意力、分层缓存等架构设计提升推理效率。作为硬件厂商，小米将大模型作为手机、汽车、海量 IoT 设备的底层基座，天然具备优化模型运行效率的动力。市场数据显示，MiMo 开放平台自 3 月初至 9 月中旬，日均 token 消耗增长超 40 倍，注册用户突破 250 万，海外用户占比接近半数。

成本下降催生杰文斯悖论：模型单价降低后，市场 token 总用量反而快速上涨，大量此前因成本受限的 AI 应用场景具备商业化可行性。行业数据显示，自 2023 年以来，达到同等 AI 性能所需成本每季度平均下降 47%，下降速度远超算力、锂电池、早期电力等技术。

与此同时，行业竞争逻辑正在演化。有观点提出，未来竞争除智能水平、成本之外，还要加入迭代速度这一维度。市场也在讨论大模型是否会演变为大宗商品，部分厂商探索按价值定价模式。开源模型带来的私有化部署选项持续压缩闭源 API 溢价空间，未来市场或将分化成多条并行 “斩杀线”，旗舰、中端、端侧赛道各自形成竞争门槛。行业普遍认为，单纯堆砌参数的边际效益持续递减，长期来看，底层原始创新才是推动行业曲线跳变的关键。

编辑：顾远