大模型，站在“向下竞底”和“向上定价”的分岔路口

2024年以来，大模型的价格出现了显著的下降趋势，并且是全球性的。

海外AI巨头，OpenAI和谷歌都在五月的新品发布会上，下调了模型调用价格。

OpenAI的GPT-4o支持免费试用，调用API的价格也比GPT-4-turbo降低了一半，为5 美元/百万tokens。谷歌的当家王牌Gemini大模型系列，Gemini 1.5 Flash 的价格为0.35美元/百万tokens，比GPT-4o 便宜得多。

同样的“价格战”，也在国内开打。

5月13日智谱AI上线了新的价格体系，入门级产品GLM-3 Turbo模型，调用价格从5 元/百万tokens，降至1元/百万tokens。紧随其后的字节跳动，正式发布豆包大模型家族，其中的豆包通用模型Pro 32k模型，定价为0.0008元/千tokens。

当一串代表价格的数字，成为各家发布会上最显眼的一页、最广为传播的信息，其他厂商为了不失去曝光度，不流失现有用户，当然也要有所表示，被动跟进，加入“价格战”。

就在今天，5月21日，阿里云也抛出重磅炸弹，宣布通义千问主力模型Qwen-Long，API输入价格降至0.0005元/千tokens。

大模型价格正在竞底，但究其本质，向下竞底是不具备“向上定价”的条件。将“降价”而非“卖贵”作为核心竞争力的大模型，是走不长远的。

降价的本质，是无法“向上定价”

大模型百万tokens价格一再跳水，OpenAI说是为了“造福世界”，谷歌说是为了扩大AI用户，国产大模型厂商也纷纷表示要让利个人和企业开发者。

那为什么ChatGPT、Gemini刚问世的时候，就敢于强势向开发者收钱呢？那时怎么不践行“造福世界”的初心呢？

我们越过那些官方的宣传辞藻，来看几组行业数据，就会发现：降价是一种必然。

第一，模型能力正在趋同，OpenAI/谷歌也没有护城河。

数据显示，自GPT-4发布以来，多个模型在GPT-4水平性能上的巨大收敛，然而并没有明显领先的模型。

就是大家都在向GPT-4看齐，但谁都没有突出优势。能力趋同的前提下，不得不放弃收费，靠降价/免费来争夺用户，保住地盘。

第二，大模型的边际收益正在持续走低。

Gary Marcus 博士在“Evidence that LLMs are reaching a point of diminishing returns — and what that might mean”《LLMs正达到收益递减的证据——及其可能意味着什么》一文中提到，从GPT-2到GPT-4甚至GPT-4 Turbo的性能变化，已经出现了性能递减的迹象。

在收益递减的背景下，意味着处理相同的任务，开发者的实际成本是在上升的。在AI创新商业化前景还不明朗的市场环境下，为了保住现有用户，大模型厂商必须给出有吸引力的对策。包括提供更小的模型，比如谷歌推出的Gemini 1.5 Flash，通过“蒸馏”实现了与Gemini 1.5 Pro性能接近、成本更低。另一个手段就是直接降价。

综上，大模型降价的本质，是因同质化竞争+投入产出比降低，而无法卖贵、不敢卖贵的必然选择。

向下竞底的前途，是没有前途

论迹不论心，只要大模型厂商的降价行动，能够切实惠及企业和开发者，当然是受市场欢迎的。

问题就在这里，企业和开发者能从中获得多大收益呢？

有人说，降低成本能推动大模型的“价值创造”，是错误的因果归因。大模型的“价值创造”，是以大模型本身为锚点，而非价格。

最直接的例子，ChatGPT问世即付费，当时很多从业者都很开心，认为市场终于重返工程师主导的文化，技术为王，代码竞争，“没有那些精心设计的流量游戏或者运营技巧，没人会动砍一刀送1000个token的心思”。说明明码标价、为好东西付费的模式，才是开发者心中的良性商业模式。

差的商业模式是什么？是模型能力不行，企业和个人开发者投入了大量时间、精力，结果无法建立竞争力，无法从应用创新中获得商业回报。

有一个SaaS开发者直言：“我们折腾了一年（做基于LLM的产品），也有不少用户提出了付费需求，但我们感觉做不到SLA，全部婉拒了。”所谓SLA，是指一定开销下，服务商与用户之间的一种协定，来保障服务的性能和可靠性。