技术、价格、稳定性，这三者若不能拧成一股绳，产品便撑不起用户的续费期待。

文/林书

硅谷的AI圈最近一个月热闹得有些过火。GPT-5.6、fable5、Grok-4.5这些名字接连登场，节奏快得让人喘不过气。

国内的开发者和程序员们瞬间被点燃，关于GPT-5.6等前沿模型的讨论和测评铺天盖地。

虽然这个月也冒出了Kimi-K3这样的国产新锐，但摆在台面上的现实是：在一线开发者眼里，国产大模型依旧陷在“叫好不叫座”的尴尬境地。

看调用量，数据确实漂亮。OpenRouter统计显示，6月22日到28日这一周，中国模型的调用量高达20.39万亿Token，美国模型只有4.25万亿。前者已经连续九周把后者甩在身后。

但营收这块，国内AI六小龙的表现却略显寒酸。翻看公开财报，智谱2025年营收7.24亿元，亏损额超过30亿元；MiniMax营收7900万美元（折合约5.7亿元）；月之暗面等另外四家还没交出完整的年度成绩单。

哪怕是最头部的企业，收入也就停留在数亿这个量级。

再看对手Anthropic，这家AI巨头的ARR已经摸到了600亿到700亿美元的高位，主要靠B2B API和AI Coding场景驱动。

这反差太强烈，不得不让人问一个尖锐的问题：

明明号称“便宜”、“量大”的国产模型，为什么还是叫好不叫座？在AI Coding这种高价值场景里，为什么至今没法跟国外顶尖模型正面对抗？

经过和多位一线开发者的深入聊天，笔者发现了一个挺反直觉的事实：

某种程度上，国产大模型其实很“贵”。

正是这份隐形的“贵”，让那些在性能上有点突破的国产模型，很难真正发光发热。

01

“低价”的错觉

提到国产大模型，大家脑海里跳出来的通常是DeepSeek、Kimi、智谱这些名字。它们身上贴着一个最紧的标签：便宜。

单看Token单价，国产模型跟GPT-5.6、fable5这些顶级选手比，确实有优势。比如GLM-5.2和DeepSeek V4对比：GLM-5.2每百万Token输入1.4美元、输出4.4美元；DeepSeek-V4-Pro则是0.435美元和0.87美元。再看看GPT-5.6 Sol，输入5美元、输出30美元；Claude Fable 5更贵，10美元和50美元。

但这只是表象，是个圈外人长久的误区。

特别是在高强度的编程场景下，国产模型的单价不仅没优势，甚至比买了套餐的GPT、Claude还要贵出好几倍。

李光（化名）是AI领域的科研工作者。因为工作性质，他每天要在AI Coding里消耗几十亿Token。在这个消耗量级下，如果用国产模型，成本简直不敢想。

那天聊天的时候，李光晒出的账单显示，他当天消耗的Token已经接近40亿。咱们算笔账：假如他用的是GLM-5.2，成本大概是：（8639万普通输入×1.4美元＋33.80亿缓存输入×0.26美元＋1906万输出及推理×4.4美元），合计约1084美元。按1美元兑7.2元汇率算，差不多是人民币7800元。

李光敢这么放开手脚烧钱，是因为他开了GPT的CodeX套餐。

简单说，CodeX是针对编程场景推出的订阅服务。它不是真正的不限量，而是把Codex功能打包进ChatGPT订阅里：Plus版20美元/月，Pro版从100美元/月起，额度分别是Plus的5倍或20倍；额度用完了再买Credits继续用。

Anthropic的Claude Code也是类似套路：Claude Pro每月20美元，Max 5x和Max 20x分别是100美元和200美元/月。网页端和Code共享每5小时及每周的额度，超了按API价格续用。

有了套餐兜底，巨额Token成本就被抹平了。

对于国内开发者来说，高强度AI Coding时，每天消耗几十亿甚至上百亿Token，是很平常的事。

小刘也是个重度AI Coding开发者。他在Codex上实际一周花费300元人民币，这还是没公司报销的情况。

即便这样，跟国产模型比，依然显得“便宜”。同样的300元，根本买不到GLM 5.2同等数量的token。

在国内开发者看来，GPT的codex套餐是目前能买到的最便宜的token方案，比智谱、kimi便宜好几倍。这听起来反直觉，但事实就是：在高强度Coding场景下，国产模型的性价比完全没法跟人家比。

这里得澄清一点：codex并非真正不限量。按最高档200美元算，一周大概20亿额度。

不过，有些开发者会通过“中转站”等手段使用模型，某些渠道的实际成本比官方低很多。这就导致有时能用更低的价格买到更多Token，于是出现了300块买120亿Token的现象。

实际上，国产模型也不是没想过搞类似套餐。但细究起来，这类套餐在限额方面，跟codex相比限制多得多。

02

定价的痛点

国产大模型目前的定价现状，可以用一句话概括：

“你以为进了自助餐场子，最后发现商家还是按斤称。”

看套餐，国内的Kimi、GLM-5.2：Kimi Code分49、99、199、699元四档，额度按周刷新；GLM Coding Plan的Lite、Pro、Max每5小时分别约80、400、1600次Prompt，每周约400、2000、8000次，而且GLM-5.2高峰期要扣3倍额度。

以阿里的qoder为例，笔者一位做B端运维的朋友阿迷（化名）吐槽：“qoder曾经是国内最好用的AI IDE，可惜新定价把优势作没了。”

套餐方面：Qoder CN个人Pro、Pro+分别是59、169元/月，含2000、6000 Credits；Teams与VPC版分别是99、199元/席位·月，都含3000 Credits，50席起售。

“今年他们合并灵码调定价后，至少二三十家放弃续费了。”阿迷后来补充道。

据阿迷测试，qoder企业版199元的套餐，按他的用法3天就耗尽了；如果是重度开发者，估计一天就没影了。

同样让国内用户五味杂陈的还有GLM-5.2的套餐。

开发者小薇直言：“GLM-5.2的套餐约等于没有。就算有，高峰期照样限流，还经常‘背刺’用户。”

36氪曾报道：GLM-5.2的套餐之前比演唱会门票还难抢，每天早上十点钟准时刷新，全凭手速。

到了2026年1月，智谱发公告称因算力紧张，每日可销售量直接砍到原来的20%，每天早上10点放一点额度，几分钟就卖光。

归根结底，国产模型在套餐和价格上的“吝啬”，本质是算力不足的窘迫。

2025年中国信通院和工信部的数据显示，中国现存数据中心449个，美国则有5427个。总算力方面，中国是1053 EFLOPS，美国是2400。

关键区别在于：美国那2,400 EFLOPS里，高端GPU占比极高；中国的算力中，大量是华为昇腾、寒武纪等国产芯片，单卡性能与H100仍有代差。

为了应对高涨的算力需求，2026年3月起，智谱、阿里云、腾讯云、百度集体涨价，涨幅从5%到460%不等。

说白了，国产模型的“低价”和“价格战”早就翻篇了。

不是不想搞自助模式，而是账算不过来：以现在的算力成本和亏损状态，搞包月等于拿固定月费赌用户不会刷爆。按照国内开发者动辄一天烧几十亿、上百亿Token的习惯，这种商业模式很快会被击穿成本线。

反观OpenAI和Anthropic，他们的编程套餐瞄准的是高净值企业客户——像Cursor、GitHub Copilot这样的大客户，一年能给Anthropic贡献14亿美元收入。

在高算力加持下，这套模式本质是用“固定月费”换“长期锁客”。客户质量高，ARPU相对高，成本自然摊得平。

相比之下，国内虽然有阿里这样的云巨头，但问题在于：阿里云FY2026调整后EBITA Margin只有7.5%。云智能集团收入增长虽快，利润却并不丰厚。

传统云厂商敢卖“不限量云服务器”，是因为用户不是24小时满负载运行。一台ECS，实际CPU利用率可能只有10%，云厂商可以把一台物理机超卖给十个人。

但大模型推理不一样：来一个token，就要实打实烧一次GPU算力。用户如果24小时不间断刷，云厂商的HBM显存、GPU核心、电费全是刚性支出，没有任何超卖空间。

03

模型的“黄金三角”

除了价格因素，对国内开发者而言，选择Codex、Calude Code的另一大理由，是它们强大的编程性能。

但在性能层面，国产模型也没像某些刻板印象中那样不堪。

跟多位开发者聊完后，笔者发现一个普遍观点：国产大模型，特别是GLM-5.2等最新款，已经能承接一些辅助性、次要的任务，比如写测试代码和修bug。

但在处理复杂、长时间的异步任务时，国产模型与GPT、Calude等顶尖模型相比，差距依然明显。

开发者小张今年3月份试用过一次国产模型编程。他用GLM、qwen和GPT跑同样的任务，结果只有GPT跑完了，且符合页面要求。那是一个多级、多列内容比对和结果生成的项目。

另一位开发者小薇则表示，根据她的体验，Kimi 2.7和豆包2.1 Pro性能尚可，但整体弱一档（属第二梯队），不过总体而言也超过了Claude Sonnet 4.6。

目前开发者群体的共识是：GLM-5.2是第一个达到Opus级别的国产模型。

在执行真实、复杂、长时间的异步任务中，它是可用的，占有一席之地。

尽管在世界知识等多个维度上，它与真正的Opus模型仍有较大差距，但这不妨碍它成为国产模型的新高度。

但现实很骨感：这几个刚刚崭露头角的“尖子生”，却被性能之外的因素拖累了。

具体包括缓存效率不高、高峰期依然限流等，导致开发者实际体验糟糕。

这就引出了当下模型对比中的另一个维度：稳定性。

在一线开发者眼里，选模型早已不是简单的性能PK，而是——

性能—价格—稳定性的“黄金三角”。

在这三个维度中，国产模型只勉强拿下了第一维度的部分指标。

近期，国内Kimi发布了最新旗舰模型K3。这是一款拥有2.8万亿参数、原生多模态和100万Token上下文的开放权重旗舰模型，主攻长程编程、知识工作与深度推理。

在众多测评中，它在Artificial Analysis上的智力指数为57分，位列全球第三；Arena前端编程榜以1679分登顶。甚至有传言称，其性能已能比肩Claude Fable 5。

但在耀眼的分数背后，开发者最关心的词只有一个：性价比。

K3发布后，不少开发者表示，现在Kimi依然很贵，跟Codex比没性价比，额度也不够用。单看API价格，K3算不上“白菜价”：每百万Token缓存/输入/输出分别为2/20/100元。相比之下，GPT-5.6 Sol为0.5/5/30美元，K3虽低于Sol，却明显高于GPT-5.6 Luna的0.1/1/6美元。

更糟的是，在使用K3的过程中，开发者反馈出现了API断连，甚至断了一上午的情况。

就目前来看，国内开发者并非不愿为国产模型付费，而是受限于算力紧缺和高成本，目前开不起Codex那样具性价比的套餐，只能提供看似自助餐、实则限量的“大众点评套餐”（类似智谱的Coding Plan）。

套餐体验不稳定、性价比模糊，导致用户用过就流失。这在当前算力底座成本高的背景下，其实是用户的理性选择。

以上种种，并非要长他人志气、灭自己威风，只是想提示一种风险。

目前国产模型在追赶GPT、Claude的路上，过于强调性能。但从研发到应用，国产大模型要攀登的，远不止性能这座高山。

我们需要等待。等到国产算力基座大规模量产，在技术、价格、稳定性方面形成合力时，我们的产品才能真正撑起用户的期待。