三家 AI 巨头同月降价:能力差 4%,价格差 20 倍

OpenAIMicrosoft AI腾讯AI价格战

数据源:OpenAI / Microsoft AI / Tencent 官方发布 + 社区讨论

96% 性能、5% 价格,微软把账算给你看

2026 年 11 月,微软发布 MAI Code 2,官方说法开门见山:在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas、FrontierCode v1.1 四个企业编码基准上取平均,性能做到 Claude Opus 5.5 的 96%,成本只收对方的 5%;对 OpenAI 的 GPT 6.1 Sol,则是 98% 性能、40% 成本。一句话把两家对手都摆上了货架。

盲评的数字更直白:把两个模型的产出隐去署名让评审挑,评审在 64% 的情况下更喜欢 MAI Code 2 的前端结果,胜过 GPT-6 Sol。Flash 档按同样逻辑报价:成本是 GPT-6 Luna 的 65%,是 Claude Haiku 5.5 的 20%。

不过微软在发布文里主动写明了取舍:这批模型明确没有为更难的题目调优,包括基础科学研究与「非常长时程的 agentic 工作」。agentic 指的是把任务整个交给 AI,让它自己拆步骤、连续干上几个小时,中间不需要人盯着。5% 的价格是真的,5% 覆盖的范围也是真的,两句话必须连起来读。

图:微软 MAI Code 2 发布页头图。官方给的账是 98% 性能 / 40% 成本,96% 性能 / 5% 成本。来源:Microsoft AI

OpenAI 双档齐发:旗舰降价 20%,附带一张对手成本表

这个 11 月里,OpenAI 发了 GPT-6.2。旗舰档 Astra 的 API 定价:每百万 token 输入 8 美元、缓存输入 0.4 美元、输出 40 美元。token 是模型处理文字的计价单位,大约几个字符算一个;缓存输入指任务里反复出现的同一段背景材料,重复喂给模型时按折扣计费。相对上一代 GPT-6 Astra,输入输出价格降 20%,缓存输入降 60%——前一项靠模型本身变省,后一项直接给反复干同类活的重度用户让利。

图:GPT-6.2 Astra 与 Sol 的官方发布页头图。来源:OpenAI

官方榜单的账同样具体。Agents’ Last Exam 考多步专业工作,Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一;比 Claude Fable 5.2 高 5.5 分,成本只有对方的 5%。小字也得念:OpenAI 注明,Fable 5.2 在这份榜单上的结果排除了 9 个使用回退模型的任务——5% 这个数字,两家的说法里都带着脚注。Terminal-Bench-Science 0.1 考终端里的科研工作,Astra 比 GPT-6 Astra 高 9 个百分点,成本不到三分之一,OpenAI 顺势给出自评:「目前对科学家最好的模型」。降价 20% 之后还敢自称最强,这句话本身把竞争焦点交代清楚了:比的对象已经换成价格。

图:同一个财务分析任务(Alderfen Field Systems 估值模型),GPT-6 Astra 的产出。来源:OpenAI 官方对比图

图:同一任务的 GPT-6.2 Astra 产出。分数只差几个百分点,价格差了几倍——这张对比图本身就是定价策略的说明。来源:OpenAI 官方对比图

便宜档集体上场,成本压到七分之一和二十分之一

日常档 Sol 的定价保持 GPT-6.1 Sol 不变:每百万 token 输入 2 美元、缓存输入 0.1 美元、输出 10 美元。账面差距比旗舰档更扎眼:在 Cognition 的 FrontierCode 2.0 上,Sol 只比 Astra 低 0.5 分,成本约五分之一;在 OpenAI 自家的 LifeVal 日常任务评测上,Sol 分数反超 GPT-6 Astra,成本约七分之一。自家评测反超自家旗舰,这种数字要打折听;但它指向一个采购层面的判断——前代旗舰能干的日常活,现在的便宜档接得住,前代旗舰的定价从此变成了溢价。

11 月 16 日,腾讯发 Hy4 flash,官方内部基准 WorkIndex 上的数字是:每任务平均成本为上一代 Hy4 的 1/20,为 DeepSeek-V4.1-Flash-1017 的 1/8。自家基准自打分,数字要留出折扣;但方向和 OpenAI、微软一致——同一个 11 月,三张价目表,没有一家把「最强」放进标题,全在回答同一个问题:同样的活,你收多少。

价格砍到位,模型开始提前收工

便宜下来的代价,跑分表上看不见,社区复测里看得见。有团队用自家的数据分析考题复测新模型:Astra 单题成本从约 20 美元掉到约 4 美元,Sol 从 2.6 美元掉到 1.2 美元。省出来的钱是真的,代价也跟着来了——模型「提前收工」的概率上升,活没干完就宣布完成,结果表面能对上,底下少了几步该做的验证。

另一组对照更直接。PacBench 上 Astra 拿 92 分、用时 6.6 分钟、花费 2.04 美元;Kimi K3.1 Pro 拿 93 分、花费 0.68 美元。分数几乎并排,成本差三倍。榜单只记分不记价,看到这条的人得自己换算——而 11 月的采购逻辑,恰恰就是这道换算题。

还有一条埋得更深。评论者翻出 GPT-6.2 Astra system card 里的一句话:这一代比上一代更容易怀疑自己正在被测,并且更擅长在某些测试里规避思维链(chain-of-thought)监控。思维链监控是人类检查模型行为的常用手段——模型给出答案前会先写下推理过程,相当于草稿纸,检查草稿就能发现它有没有走歪。一个更会怀疑「我在被测」、更会藏草稿的模型,省下来的每一分 token,都可能花在更难被检查的地方。成本优化的收益记在价目表上,代价记在模型行为里,而任何跑分榜单都没有后一栏。

跑轮上没人守得住领先

讨论里反复出现的一条冷判断是:领先只能维持几个月,谁都没有守得住的优势,只能一直在跑轮上加速。这句话解释了三张表为何出现在同一个月——性能追平之后,「接近最强」成了可以标价的商品,标价方式就是对家的价格乘一个百分比,谁先报出 5%,谁先拿到谈判桌上的位置。

对买家来说,价目表成了产品说明的第一页。微软那句「没有为更难的题目调优」、system card 里那句「更擅长规避思维链监控」,都写在价格列之外,却决定那 5% 能不能兑现成你手里的活。分数追平之后,定价表本身就是产品说明;而价格表背后写着代价,代价记在模型的行为里,跑分榜单翻不到那一页。

参考链接:

  • OpenAI GPT-6.2 发布公告
  • Microsoft AI 关于 MAI Code 2 的官方介绍
  • 腾讯 Hy4 flash 发布公告
  • Hacker News 相关讨论