雖然國產AI大模型的調用量已領先美國九週，但在高強度編程場景下，實際成本遠高於GPT Codex套裝。智譜2025年虧損超過30億元，Kimi等套裝配額受限且高峰時段限流。主因是中國算力基礎設施不足（數據中心449個 vs 美國5427個），導致無法推出類似Codex的高性價比套裝。當前開發者需在性能、價格、穩定性三個維度間權衡，國產模型僅在部分性能指標上接近國際頂級模型，整體仍面臨叫好不叫座的困境。

文章作者、來源：最話FunTalk

過去一個月，矽谷AI界頻出大招，GPT-5.6、fable5、Grok-4.5 紛紛亮相。

一時間，國內開發者、程式員群體紛紛沸騰，各種關於 GPT-5.6 等前沿模型的討論、評測此起彼伏。

儘管這個月也有 Kimi-K3 這樣的新銳國產模型問世，但總的來看，國產大模型當前在一線開發者群體中，始終處於一種「叫好不叫座」的狀態。

根據最新數據，在使用量方面：OpenRouter 6月22日至28日的數據顯示，中國模型週調用量達20.39萬億Token，美國模型為4.25萬億，前者已連續九週領先。

但與之形成對比的是，國內AI六小龍在營收方面的表現卻不盡如人意：公開財報顯示，智譜2025年營收7.24億元，虧損卻達到了30億元以上；MiniMax為7900萬美元（約5.7億元）；月之暗面等其餘四家尚未披露完整年營收。

Even top-tier companies still have revenues at the hundreds of millions level.

相比之下，作為 AI 頭部企業的 Anthropic，其 ARR 已達到約 600 億—700 億美元，主要驅動力為 B2B API 及 AI Coding 場景。

這不禁引出了一個尖銳的問題：

為何號稱「便宜」、「調用量大」的國產模型，至今仍叫好不叫座，在 AI Coding 等高價值場景上，仍難以與國外頂尖模型正面抗衡？

最近，筆者在與多個一線開發者深入探討此問題後，發現了一個很反直覺的事實：

國產大模型，在某種程度上其實非常「貴」。

也正是這樣的「貴」，讓某些在性能上有所突破的國產模型，難以真正展現自己的閃光之處。

01 “低價” 的幻覺

提到國產大模型，很多人想到的都是 DeepSeek、Kimi 這樣的代表，而與之關聯最緊密的標籤之一，就是低價、便宜；

如果僅從 Token 單價來看，國產模型與 GPT-5.6、fable5 等頂尖模型相比，確實有著不小的優勢，以 GLM-5.2 與 DeepSeek V4 為例：GLM-5.2 每百萬 Token 輸入/輸出為 1.4/4.4 美元，DeepSeek-V4-Pro 為 0.435/0.87 美元；GPT-5.6 Sol 為 5/30 美元，Claude Fable 5 則為 10/50 美元。

但實際上，這種「低價」的印象，是圈外人長期的誤區。

尤其在高強度的程式設計場景下，國產大模型的單價不但沒有優勢，甚至反而比有套裝方案的 GPT、Claude 貴出好幾倍。

李光（化名）是AI領域的一位科研工作者，由於工作需要，每天都要在AI Coding的場景下消耗幾十億Token，在這樣的消耗量下，如果使用國產大模型，例如GLM-5.2，整體的成本就會變得非常恐怖。

李光晒出的 Token 賬單

於當天對話中，李光消耗的 Token 已接近 40 億，若他使用的是 GLM-5.2，成本大致為：（8639 萬普通輸入 × 1.4 美元 ＋ 33.80 億快取輸入 × 0.26 美元 ＋ 1906 萬輸出及推理 × 4.4 美元）約為 1084 美元，按 1 美元兌 7.2 元人民幣估算，約合人民幣 7800 元。

而讓李光如此放手燒 Token 的原因，就是因為他開了 GPT 的 CodeX 套餐，

這裡簡單解釋一下 CodeX 套餐的具體形式：簡單來說，這是為編程場景推出的套餐；嚴格來說，它並非真正無限量，而是將 Codex 納入 ChatGPT 訂閱：Plus 為 20 美元/月，Pro 從 100 美元/月起，配額約為 Plus 的 5 倍或 20 倍；達到上限後可購買 Credits 繼續使用。

同樣地，Anthropic 的 Claude Code 也有一套類似的套餐，具體形式為：Claude Pro 為 20 美元/月，Max 5x 和 Max 20x 分別為 100、200 美元/月；Claude 網頁端與 Claude Code 共享每 5 小時及每周配額，觸頂後可按 API 價格續用。

在這樣的套餐兜底下，巨大的 Token 成本反而被抹平了。

對於國內的開發者來說，在高強度 AI Coding 場景下，每天消耗幾十億、上百億 Token，是一個很普遍的常態。

小劉也是 AI 編程的重度開發者，他在 Codex 上實際一週的花費是 300 元人民幣，這還是在沒有公司報銷的情況下。

但即使是這樣的成本，與國產模型相比，依然顯得「便宜」了很多，因為同樣 300 元，根本買不來 GLM 5.2 等數量的 token。

小劉的 Token 賬單

在中國開發者看來，GPT 的 Codex 套餐是目前能買到的最便宜的 token，比智譜、Kimi 便宜好幾倍，這可能違反直覺，但事實就是國產模型在高強度的 Coding 場景下，性價比完全無法與之相比。

這裡需要說明的是：Codex 並非真正意義上的不限量套餐，如果按最高檔 200 美元計算，一週大約有 20 億額度。

但由於部分開發者會透過「中轉站」等手段使用模型，某些模型的實際成本會比官方渠道低很多，這就導致有時能以更低的價格買到更多 Token，於是才有了 300 塊能買 120 億 Token 的現象。

實際上，國產模型在定價方面並非沒有推出過類似的套餐，但如果細究起來，此類套餐在限額方面與 Codex 相比，存在很大的限制。

02 國產定價之痛

國產大模型在定價方面的現狀，可以用一句話來形容：

你以為你進的是自助餐的場子，但最後發現，商家還是按斤計費。

例如，在套餐方面，國內的 Kimi、GLM-5.2：Kimi Code 分為 49、99、199、699 元四檔，配額每週刷新；GLM Coding Plan 的 Lite、Pro、Max 每 5 小時分別約 80、400、1600 次 Prompt，每週約 400、2000、8000 次，且 GLM-5.2 高峰期按 3 倍扣額。

以阿里的 Qoder 為例，根據筆者一位從事 B 端客戶運維的朋友阿迷（化名）介紹：「Qoder 曾經是國內最好用的 AI IDE，可惜它自己的新定價，把優勢搞沒了。」

在套餐方面：Qoder CN 個人 Pro、Pro+ 分別為 59、169 元/月，包含 2000、6000 Credits；Teams 與 VPC 版分別為 99、199 元/席位·月，均包含 3000 Credits，後者從 50 席起售。

“今年他們合併靈碼調了定價後，就我知道的，至少都有二三十家放棄續費了。”阿迷後來介紹道。

根據阿迷的測試，Qoder 企業版 199 的套餐，按他的使用方式，3 天就用完了，如果按重度開發者的使用方式，估計一天就用完了。

同樣地，在套餐方面，令國內用戶感到五味陳雜的，還有 GLM-5.2。

根據開發者小薇的說法：「GLM-5.2 的套餐約等於沒有，就算有套餐，高峰期仍然限流，並且還存在『背刺』用戶的現象。」

根據36氪的報導：GLM-5.2 的套餐，之前比演唱會門票還難搶，每天早上 10 點鐘準時刷新，能不能買到全憑手速。

2026年1月，智譜發佈公告，因算力緊張，將每日可售數量直接削減至原量的20%，每天早上10點釋出部分配額，幾分鐘內即售罄。

歸根結底，國產模型在套餐和價格上的「吝嗇」，本質上是由算力不足所導致的窘境。

根據2025年中國信通院、工信部的數據，中國現有的數據中心為449個，而美國則為5427個；在總算力方面，中國為1053 EFLOPS，而美國則為2400。

但這裡的關鍵在於：美國那 2,400 EFLOPS 中，高端 GPU 的佔比極高；中國的算力中，大量是華為昇騰、寒武紀等國產晶片，單卡性能與 H100 仍有代差。

為應對日益增長的算力需求，自2026年3月起，智譜、阿里雲、騰訊雲、百度在Token價格上集體調漲，漲幅介於5%至460%不等。

To be frank, the “low price” and “price war” of domestic models have long become a thing of the past.

不是國產模型不想搞 buffet，是因為算過賬：以現在的算力成本和虧損狀態，搞包月等於拿固定月費去賭用戶不會刷爆，而按照國內開發者、程式設計師動輒一天燒幾十億、甚至上百億 Token 的用法，這樣的商業模式，很快會被擊穿成本線。

而 OpenAI 和 Anthropic 的程式設計方案，主打高淨值企業客戶——Cursor、GitHub Copilot 這類大客戶每年能為 Anthropic 帶來 14 億美元的收入。

在高算力的加持下，這套商業模式本質是用「固定月費」換「長期鎖客」，客戶質量高，ARPU 也相對較高，攤得平成本。

相比之下，國內雖然有阿里這樣的雲巨頭，但問題是：阿里雲 FY2026 調整後 EBITA Margin 僅為 7.5%，雲智能集團雖然收入增長迅速，但利潤並不豐厚。

此外，傳統雲廠商敢於銷售「無限量雲伺服器」，是因為用戶並非24小時滿負載。一台ECS的實際CPU利用率可能僅為10%，雲廠商可以將一台物理機超售給十位用戶。

但大模型推理不同：每生成一個 token，就必須實實在在消耗一次 GPU 計算資源。如果用戶 24 小時持續不斷地使用，雲廠商的 HBM 显存、GPU 核心和電費都是剛性支出，完全沒有超售空間。

03 模型的「黃金三角」

除了價格因素外，對國內開發者而言，選擇 Codex、Claude Code 的原因，無疑是其強大的編程性能。

然而，在性能方面，國產模型也並非像某些刻板印象中所想的那樣。

在與多位開發者交談後，筆者發現一個較為普遍的觀點是：國產大模型，尤其是 GLM-5.2 等最新模型，已經可以承擔一些輔助性、次要的任務，例如進行測試和修復 bug。

但在較為複雜、長時間的異步任務上，國產模型目前與 GPT、Claude 等頂尖模型仍有較大差距。

開發者小張，今年3月曾使用一次國產模型進行編程，對比 GLM、Qwen 和 GPT 完成同一任務，僅有 GPT 成功完成，且符合頁面要求，那是一個多級、多列內容比對與結果生成的項目。

而另一位開發者小薇則表示，根據她的體驗，Kimi 2.7 和 豆包 2.1 Pro 的性能也尚可，但整體來說還是弱一檔（屬於第二梯隊），但總體而言也超過 Claude Sonnet 4.6 了。

目前，開發者群體中的普遍共識是：GLM-5.2 是第一個達到 Opus 級別的國產模型。

它在執行真實、複雜、長時間的非同步任務中，是可用且佔有一席之地的。

儘管在許多維度上，例如世界知識方面，其與真正的 Opus 模型仍有較大差距，但這不妨礙它成為國產模型的新高度。

但現實是：這剛剛嶄露頭角的少數「尖子生」，卻被與性能無關的其他因素拖累了。

具體來說，此類因素包括快取效率不佳、高峰時段仍會限流等，導致開發者的實際體驗非常糟糕。

這就引出了當下模型對比中的另一個維度：穩定性。

在一線開發者、程式員的體驗中，模型的選擇，早已不是簡單的性能對比，而是——

Performance–Price–Stability: The Golden Triangle.

在這三個維度中，國產模型僅勉強獲得了第一維度的部分指標。

近期，國內的 Kimi 發布了其最新的旗艦模型 K3：這是一款擁有 2.8 萬億參數、原生多模態和 100 萬 Token 上下文的開放權重旗艦模型，主攻長程編程、知識工作與深度推理。

在眾多評測中，其在 Artificial Analysis 上的智力指數為 57 分、位列全球第三；Arena 前端編程榜以 1679 分登頂，甚至有傳言稱，其性能已經能比肩 Claude Fable 5。

然而，在耀眼的分數與排名背後，開發者最關心的，仍是一個詞：性價比。

在 K3 發布後，許多開發者表示，目前 Kimi 仍然昂貴，與 Codex 相比缺乏性價比，且配額不足；單看 API 價格，K3 也談不上「白菜價」：每百萬 Token 的緩存/輸入/輸出分別為 2/20/100 元；GPT-5.6 Sol 為 0.5/5/30 美元，K3 雖低於 Sol，卻明顯高於 GPT-5.6 Luna 的 0.1/1/6 美元。

且在使用 K3 的過程中，開發者表示還出現了 API 斷連，甚至斷了一上午的情況。

就目前的情況來看，國內開發者並非不願意為國產模型付費，而是國產模型因算力緊張、成本高昂，目前無法開設像 Codex 那樣具有性價比的套餐，只能開設看似自助餐、實則限量的「大眾點評套餐」（類似智譜的 Coding Plan）。

而套餐體驗不穩定、性價比模糊，導致用戶使用過後難以留存。這本質上，是在目前算力底座成本高昂的情況下，用戶的理性選擇。

以上這些，並非我們要長他人志氣、滅自己威風，只是想提示一種風險。

目前，國產模型在追趕 GPT、Claude 的過程中，非常喜歡強調性能，但國產大模型從研發到應用，需要攀登的，遠不止性能這一座高山。

我們需要的是等待，等到國產算力基座大規模量產了，在技術、價格、穩定性方面，形成合力了，我們的產品就能撐起用戶的期待。