一、问题：模型服务市场化定价趋势增强 腾讯云智能体开发平台宣布调整部分模型计费策略：部分公测模型将结束免费使用，转为正式商用并按调用量计费；同时，混元系列服务的输入、输出计费标准有所上调；调整后，有关服务单价较此前明显提高，反映出头部平台正根据成本与供需关系重新校准价格体系。 近期，国内外厂商纷纷调整模型服务价格。国际厂商对不同规格模型的调用价格进行优化，国内厂商则通过上调订阅或API价格以覆盖研发、算力和运营成本。整体来看，随着模型能力快速迭代，商业化定价正从“补贴试用”转向“按需计费、分层定价”，价格杠杆作用日益凸显。 二、原因：需求增长与成本压力共同推动 本轮价格调整背后是供需两方面的变化。 需求侧方面，Token消耗呈现“结构性增长”。智能体具备多工具调用、长上下文记忆和多步骤流程编排等特点，任务链条更长、交互更频繁，导致单位时间内Token消耗量显著增加。近期开源智能体产品的流行也表明，“个人助手+自动化执行”的需求正扩大，继续推高行业整体调用量。 供给侧上，模型训练与推理对算力、存储和能耗的依赖度较高，且随着模型规模扩大和多模态能力增强，单位调用所需资源持续增加。需求快速增长而供给扩容存在周期的情况下，阶段性算力缺口更易出现，成本压力传导至平台计费端。云服务商转向按量计费和差异化定价，有助于优化资源配置并保障服务质量。 三、影响：企业策略调整与行业竞争转向 价格体系变化将影响产业链各环节。 对企业用户而言，用模成本将成为重要考量，促使产品设计从“频繁调用”转向“高效调用”。在智能体场景中，企业可能通过提示词优化、检索增强、缓存批处理等方式降低Token消耗，并采用“主模型+轻量模型”组合策略平衡效果与成本。 对平台和模型服务商而言，价格调整既是应对成本压力的举措，也将推动其提升推理效率和资源利用率，包括优化推理框架、模型压缩和分层路由等技术。未来竞争不仅取决于模型能力，更取决于成本控制和服务稳定性。 对行业生态而言，透明化、分层化的定价有助于建立清晰的商业预期，推动规模化落地。但中小企业和初创团队对成本更敏感，平台需平衡商用定价与开发者扶持，避免抑制创新活力。 四、对策：多维度协同降本增效 行业建议从以下四上应对成本压力： 1. 提升算力供给弹性，优化数据中心和资源调度能力，缓解峰值压力； 2. 推动推理工程优化，通过提高吞吐、降低时延和能耗来抵消部分成本上涨； 3. 鼓励“按需用模”，根据任务复杂度选择合适模型，减少无效调用； 4. 完善计费透明机制，明确价格结构和服务等级，降低企业决策不确定性。 五、前景：国产化与生态建设加速 机构预测，未来智能体应用规模将持续扩大，Token消耗将保持高位增长。算力供需的周期性紧张、价格动态调整和效率技术升级将成为行业常态。 基于此，具备成本优势、供应链韧性和生态协同能力的国产算力及软硬件生态有望加速渗透，通过规模化部署和工程优化提升竞争力。
本轮大模型服务价格调整反映了AI商业化进程的加速，也凸显了基础设施支撑能力的挑战。在技术创新与产业落地的双重驱动下，构建高效、经济的算力供给体系将成为影响AI产业高质量发展的关键。这场技术演进引发的市场变革，或将重塑行业竞争格局与发展路径。