11 月 30 日之后,Google Gemini 的四个服务档位 Standard、Batch、Flex、Priority 全部翻倍,没有一个便宜档位活下来;同一天,gemini-2.5-pro 这个模型 ID 开始自动路由到 gemini-3.8-flash 并按新费率计费。而 Anthropic 宣布 Fable 5.2 降价 20% 的同一周,官方却建议多数任务从价格只有一半的 Opus 5.5 起步。同一枚 token 有六个价格,"档位"已经变成一种比 token 更实用的记账单位。
上一篇预告里的那个问题,今天有答案了:档位不会变成货币,但它已经变成了一种比 Token 更实用的记账单位。
先看一组动作。
11 月 10 日,Google 把 Gemini 4 Carbon 从"网络安全防御者的定向预览"推向所有付费开发者与企业,定价 每百万输入 token 2 美元、输出 10 美元,并写明这是推广价,11 月 30 日到期。
11 月 30 日之后,按 Google 自己的定价页:
| 服务方式 | 输入(每百万 token) | 输出(含思考 token) | 缓存输入 |
|---|---|---|---|
| Standard | $2.00 → $4.00 | $10.00 → $20.00 | $0.10 → $0.20 |
| Batch | $1.00 → $2.00 | $5.00 → $10.00 | $0.05 → $0.10 |
| Flex | $1.00 → $2.00 | $5.00 → $10.00 | $0.05 → $0.10 |
| Priority | $3.60 → $7.20 | $18.00 → $36.00 | $0.18 → $0.36 |
四个档位,没有一个便宜档位活下来。
这件事在定价史上的反常之处在于:过去厂商涨价,标准档涨、批处理档留着当逃生口——你至少可以退回异步模式省一半。现在 Google 把逃生口一起焊死了:Batch 和 Flex 也是 ×2,Priority 更是从 1.8 倍变成 1.8 倍($3.60→$7.20,相对倍数没变,但绝对价跟着翻了)。
而这只是 12 月 1 日这一天的其中一半。同一天,gemini-2.5-pro 这个模型 ID 开始自动路由到 gemini-3.8-flash,并且按 3.8 Flash 的费率计费。 你写的模型字符串不再决定你拿到哪个模型,也不决定你付多少钱。
再往后一周:2027 年 1 月 1 日,Gemini 3.8 Flash 和 3.6 Flash 再翻一倍,$0.75/$3.75 → $1.50/$7.50。
三十天里,Google 的价格表上有一个档位翻倍、有一个档位被静默替换、还有一个档位预告翻倍。
如果说 12 月 1 日的涨价是"明牌",那 11 月 9 日 Anthropic 的动作就是"暗牌"。
11 月 9 日,Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,两款模型共享同一底层模型。官方口径是:
每百万输入 token 8 美元、输出 40 美元,较 Fable 5.1 的 10 美元与 50 美元下调 20%;生成速度最高提升 30%;快速模式下速度最高可达 2.5 倍。
这是一次教科书式的降价。$10/$50 → $8/$40,两个数字都降了 20%。
但如果你只记住"降价 20%",你会漏掉三件事。
第一件事:Anthropic 自己建议大多数任务别用 Fable 5.2。
Opus 5.5 的价格是 $4/$20——正好是 Fable 5.2 的一半。官方的建议是:多数编程和知识工作从 Opus 5.5 起步,只有在 Opus 也达不到要求时才升到 Fable。所以"旗舰模型"和"推荐使用的模型"不是同一个。11/12 那一篇我们写过《同一个 GPU,有人付 2 美元,有人付 7 美元》——这一次,厂商自己把价目表的两端摆在了你面前。
第二件事:三个月前,Anthropic 用过一次"单价不降、成本降"的手法。
2026 年 9 月 1 日发布 Fable 5.1 时,标准单价完全没动($10/$50 与 Fable 5 持平),唯一变化的是缓存读取价从每百万 token 1 美元降到 0.25 美元。Anthropic 随即宣布:按 2026 年 8 月实际用量测算,典型负载成本约降 25%,高度 Agent 化负载最多降 45%。
这就是"降价 20%"的两种含义:
| 单价降价 | 配置降价 | |
|---|---|---|
| 做法 | 价目表上的数字变小 | 数字不变,但你用的那个配置变便宜了 |
| 例子 | Fable 5.2:$10/$50 → $8/$40 | Fable 5.1:单价持平,缓存读取 $1 → $0.25 |
| 厂商口径 | "降价 20%" | "典型负载降 25%,高 Agent 化最多降 45%" |
| 实际含义 | 你不用改任何代码 | 你必须改缓存策略、上下文结构、调用方式 |
第一种对你是免费的,第二种要你干活。
第三件事:真正决定账单的那个旋钮,藏在价目表的最下面一行。
Claude 5.2 的价目表长这样:
| 模型 | 输入 | 缓存命中 | 输出 | Batch 输入/输出 |
|---|---|---|---|---|
| Claude Fable 5.2 | $8.00 | $0.20 | $40.00 | $4 / $20 |
| Claude Opus 5.5 | $4.00 | $0.20 | $20.00 | $2 / $10 |
| Claude Sonnet 5.5 | $2.00 | $0.10 | $10.00 | $1 / $5 |
| Claude Haiku 5.5 | $0.10 | $0.01 | $0.50 | $0.05 / $0.25 |
注意缓存命中那一列:$0.20 是 Fable 5.2 输入价的 2.5%,$0.10 是 Sonnet 5.5 输入价的 5%,$0.01 是 Haiku 5.5 输入价的 10%。
同一个"缓存折扣",在不同档位上是 2.5%、5%、10% 三个不同的折扣率。你不是在买一个模型,你是在买一个"缓存命中的规模经济"。
到这里可以给出一个更完整的框架了。
2026 年 11 月,"每百万 token 单价"这个数字单独存在的意义已经接近于零。真实价格是六个旋钮共同转出来的结果:
| 旋钮 | 它决定什么 | 2026 年 11 月的实际档位 |
|---|---|---|
| ① 服务档位 | 你为等待还是为速度付钱 | Batch/Flex 0.5×;Standard 1×;Priority 1.8×;Fast 2×;Ultrafast 6× |
| ② 上下文长度 | 长历史是否要额外付费 | GPT-6 全系输入 >272K 整单重计价;Haiku 5.5 超 100K 涨 5× |
| ③ 缓存状态 | 重复的 token 要不要重算 | 缓存读 2.5%–10%;缓存写 1.25×(5 分钟)/2×(1 小时);另有存储费 |
| ④ 思考档位 | 你为"想多久"付钱 | low / medium / high / xhigh / max / none——单价同,消耗不同 |
| ⑤ 路由 | 供应商最终给你什么 | 12/1 起 2.5-pro 自动改道 3.8 Flash 并按新价计费 |
| ⑥ 托管渠道 | 同一个模型谁在卖 | 同一个开源模型,跨渠道价差可达 7 倍 |
这六个旋钮有一个共同点,值得单独拎出来说:它们全都是离散的、可以枚举的档位,而不是连续可调的旋钮。 你不能调出"稍微快一点"或"稍微长一点"的中间态。你只能在厂商预先切好的格子里选一个。
而每一个格子背后,都站着一次明确的交换。
把所有档位翻译成交易语言,会发现它们的结构惊人地一致——每一档都是你用一种稀缺去换另一种稀缺:
| 档位 | 你省下了 | 你付出了 |
|---|---|---|
| Batch / Flex | 等待时间(异步、可以几小时后拿结果) | 50% 的价格 |
| Fast / Ultrafast | 延迟(SLA 变成产品的一部分) | 2× 到 6× 的价格 |
| Priority(Google) | 排队时间 | 1.8× 的价格 |
| 缓存命中 | 重复处理(系统提示、工具定义、会话历史) | 缓存写入的溢价与存储时间 |
| 长上下文(>272K) | 不用切碎历史去换低单价 | 整单 2× 输入 / 1.5× 输出 |
| 低思考档(low) | 深度与准确率 | 质量可能下降 |
| 高思考档(high / xhigh / max) | 试错的轮次 | 每轮更多 token,且思考按输出计费 |
看这张表最右边一列,会发现一件不太舒服的事:
档位经济的产出不是"更便宜的 token",而是"把不确定的工作变成了可调度的负载"。
Batch/Flex 把 token 变成一条可以预约的产线;Fast/Ultrafast 把 token 变成一份可以写进 SLA 的合同;缓存把 token 变成一份可以跨请求复用的资产;思考档位把 token 变成一个质量旋钮;长上下文让"不切碎历史"这件事变成一个要付钱的选择。
厂商不再卖"能力",卖的是"你能把工作排进哪一格"。
OpenAI GPT-6 全系的规则是这样的:输入超过 272,000 token 的提示,整笔请求按 2× 输入与缓存费率、1.5× 输出费率计费。不是超出部分加倍,是全部加倍。
算法很朴素:
| 请求 | 输入 | 输出 | 合计 |
|---|---|---|---|
| 271,000 输入 + 5,000 输出 | 271,000 × $10/M = $2.71 | 5,000 × $50/M = $0.25 | $2.96 |
| 273,000 输入 + 5,000 输出 | 273,000 × $20/M = $5.46 | 5,000 × $75/M = $0.375 | $5.84 |
输入多了 0.7%,账单多了 97%。 这不是所得税式的累进档,这是悬崖——第 272,001 个 token 的边际成本,等于把整张账单又付了一遍。
它有一个特别恶劣的后果:这个悬崖由输入触发,而智能体的上下文是逐轮累积的。一个从 15 万 token 开始的会话,会在某一次调用时无声地跨过这条线,然后从那一轮起永远以两倍价格计费——界面里没有任何提示。
顺带一个对照:Anthropic 的做法相反。Claude 4.6 及以后,完整 1M 窗口按标准价计费,唯一的例外是 Haiku 5.5,它在 100K 以上涨 5 倍(输入 $0.10 → $0.50,输出 $0.50 → $2.50)。Google 当前文本模型里,只有 Gemini 3.1 Pro Preview 在 200K 以上列了更高费率。
同样一件事,三家三种设计:OpenAI 惩罚长上下文,Anthropic 只在最低档惩罚,Google 大部分模型不惩罚。 这不是技术差异,这是定价策略差异。
上一篇预告里留了个问题:档位会不会变成货币。这个问题得先定义清楚什么叫货币。货币通常有四个条件:普遍接受、单位稳定、价值可预测、可以长期持有。逐条对照档位:
| 货币的条件 | 档位满足吗 | 证据 |
|---|---|---|
| 普遍接受 | 部分满足 | AI 应用几乎都在按 token 计价,但没人拿"档位"去交换别的东西 |
| 单位稳定 | 不满足 | 同一个模型 272,000 是个悬崖;不同厂商的"一百万 token"不是同一个单位 |
| 价值可预测 | 不满足 | 12/1 一天之内,Google 同时涨价、换路由、改名 |
| 可长期持有 | 不满足 | 档位随调用即时结算,不存在"持有" |
四条里两条不满足,而且不满足的方式很具体:
单位不稳定,有两个层面。
第一个层面是同一个厂商内部:一百万 token 跨过 272K,输入单价从 $10 跳到 $20,输出从 $50 跳到 $75。同一张发票上的两个数字,单位相同而价格不同。
第二个层面更狠,是跨厂商。Anthropic 明确说明:Claude 4.7 及以后的版本,对同一段文本产生的 token 比老模型多约 30%。也就是说,"一百万 token"在 Claude 4.7 和 Claude 4.6 之间就不是同一个物理量,在 Claude 和 OpenAI 之间更不是。
货币要求单位可换算。token 不满足这个要求。
这不是数字游戏。一个 20 万 token 的提示,在 Claude 4.6 上是 20 万,在 Claude 4.7 上是 26 万,账单直接差 30%。你不可能拿着两个厂商的报价单做预算对比,因为单位本身在漂移。
价值不可预测,12 月 1 日那天给出了完整的样本。
同一天,Google 做了三件事:把 Gemini 4 Carbon 和 Argon 的全部四个服务档位翻倍;把 gemini-2.5-pro 这个模型 ID 静默改道到 gemini-3.8-flash 并按新价计费;以及两天后预告 Gemini 3.8 Flash 与 3.6 Flash 在 2027 年 1 月 1 日再翻倍。
所以答案很清楚:档位不会变成货币。
它更像分时电价表——不是货币,是一套让你把负载排进不同格子的调度协议。你不能拿着"Batch 档"去换别的东西,你只能把它当成一个价目表上的坐标。
但正因为如此,有一个替代说法更准确,也更有用:
档位是一种"可编程的计价单位"。
它的价值不在于能不能当货币花,而在于它可以被供应商单方面重新定义。
这才是 12 月 1 日真正值得记住的地方。
前五个旋钮里,前四个(服务档位、上下文长度、缓存状态、思考档位)你至少还能在请求里显式写出来:
service_tier="batch" / "flex" / "priority" / "fast" / "ultrafast"reasoning_effort 或 thinking_level 决定第六个旋钮不一样:路由,是供应商替你选的。
Google 在 11 月 2 日的 Gemini API 更新日志里写了两条弃用通知,12 月 1 日生效:
gemini-2.5-pro 的 API 请求,自动路由到 gemini-3.8-flash,并按 Gemini 3.8 Flash 的费率计费;gemini-2.5-flash 的请求,自动路由到 gemini-3.5-flash-lite,按 3.5 Flash-Lite 的费率计费。同时 Google 列出了四项破坏性变更:
| 变更 | 含义 |
|---|---|
函数调用与 thought_signature 校验 | 老代码的调用签名可能被拒 |
thinking_level 取代 thinking_budget | 思考预算的写法变了 |
| 移除采样参数 | temperature / top_p 不再可用 |
| 移除预填充模型文本 | 不能再用 assistant 前缀"诱导"回答风格 |
第二项和第四项尤其值得留意。thinking_budget 被 thinking_level 取代——这正是第四个旋钮(思考档位)的接口在改。而"移除预填充模型文本"意味着你连用提示工程微调输出这个老办法都被拿走了。
Google 给的迁移建议是:"在 12 月 1 日之前把模型字符串改成 gemini-3.8-flash,并阅读迁移指南。"
翻译过来就是:你必须主动放弃一个旧的模型 ID,否则你的代码会静默地跑在另一个模型上、按另一个价目表计费、带着四个破坏性变更。
有一个第三方测算给出了这次改道的价差:12 月 1 日到 12 月 31 日,这次替换让输出 token 成本下降 62.5%;但从 2027 年 1 月 1 日起,同样的替换让输入 token 成本上升 20%——因为那天 Gemini 3.8 Flash 自己翻了一倍。
一个你从未主动选择的替换,先给你降价 62.5%,再给你涨价 20%。
这就是"路由档位"的完整成本。它是唯一一个你连价格都看不见的旋钮:其他五个旋钮你至少知道自己在哪个格子里,路由是你在格子被换掉之后才收到账单。
如果前五节讲的是价目表的结构,这一节讲的是这些结构在排行榜上打架时会变成什么样。
11 月 13 日,独立数学基准 MathArena(ETH Zurich SRI Lab 与 INSAIT)更新了榜单:
| 排名 | 模型(推理设置) | 预期成绩 | 预期成本 | 相对 GPT-6.1 Sol |
|---|---|---|---|---|
| 1 | Gemini 4 Carbon(high) | 85.4% ±3.0% | $15.70 ±1.33 | 约 15× |
| 2 | Claude Fable 5.2(max) | 82.8% ±5.3% | $40.20 ±2.59 | 约 40× |
| 3 | GPT-6.1 Sol(max) | 80.6% ±2.7% | $1.07 ±0.018 | 1× |
第一名的成绩比第三名高 4.8 个百分点,成本高 14.7 倍。第二名比第三名高 2.2 个百分点,成本高 37.6 倍。
这里有两件事必须拆开看。
第一件:贵的原因不在单价,在思考档位。
Gemini 4 Carbon 和 Gemini 4 Argon 的每 token 单价完全相同(入门期 $2/$10,12 月 1 日起都是 $4/$20)。Google 文档写得很清楚:两者共享 1M 统一上下文窗口、内置工具和每 token 价格,主要差别是每一轮花费的思考 token 数量。
Carbon 是为"检验模型智能极限"造的,每一轮会用更多思考 token 去探索假设、验证工作、检查边界;Argon 响应更快、每轮消耗更少,Google 建议用于交互式编码和快速生产循环。
所以榜单上 15 倍的成本差,来自第四个旋钮(思考档位)的极端设置,不是来自第一档(单价)。
第二件:一个更刺眼的细节——Carbon 的主要失败模式是超时,不是放弃。
有评测者记录到:Carbon 在一道题上跑脚本超过 11 小时未停止;而当把 Argon 调到 high 档,它一路思考到撞上 24,000 token 的上限,仍然没有给出答案。
也就是说,在这份榜单上,第一名的一部分"更高准确率"是用"更长的挂钟时间"换来的,而这种时间在账单上不单独计价——它被折进了思考 token 里。
把这件事和前四节连起来,榜单经济学真正的结论是:
能力档位和价格档位不是同一条轴,但被放在同一张表上比较。
任何人说"Carbon 是目前最好的模型",都是在说一个配置(Carbon + high 档 + 无限时间 + $15.70/题),不是在一个说模型本身。
这和上一篇《只有拿到许可的电才算电》是同一个道理:名义的和实际的不是一回事。 上一轮的稀缺品是"能开工的电",这一轮的稀缺品是"算得完、并且你知道花了多少钱的那一次调用"。
那么问题来了:面对这样一张价目表,一个工程团队该怎么决策?
先给一个反直觉的答案:换模型往往是最差的杠杆。
第三方的一份成本测算给了一个具体的工作负载:每月 1 万个智能体任务,每任务 8 次模型调用,每次 2 万输入 token(其中 1.5 万是稳定缓存前缀)、1500 输出 token(含推理),标准档、不用批处理。
| 模型 | 月度模型费用 | 每任务 |
|---|---|---|
| GPT-6 Astra | $11,200 | $1.12 |
| Claude Fable 5.2 | $8,240 | $0.82 |
| Claude Opus 5.5 | $4,240 | $0.42 |
| Gemini 4 Carbon(12 月 1 日起) | $4,240 | $0.42 |
| GPT-6 Sol | $2,240 | $0.22 |
| Claude Sonnet 5.5 / GPT-6.1 Sol / Gemini 4 Carbon(11 月) | $2,120 | $0.21 |
| Gemini 4 Hydrogen | $1,590 | $0.16 |
| GPT-6.1 Terra | $1,060 | $0.11 |
| Gemini 3.8 Flash(12 月 31 日前) | $840 | $0.08 |
| Claude Haiku 5.5 / GPT-6 Luna | $112 | $0.01 |
同一份工作负载,最贵和最便宜差 100 倍。
但真正值得看的不是这张表的跨度,而是这张表上不换模型能得到什么:
杠杆一:缓存。 Claude 系列的缓存命中价是正常输入价的 2.5% 到 5%(Fable 5.2 是 2.5%,Opus 5.5 和 Sonnet 5.5 是 5%),OpenAI GPT-6 系列是 5% 到 10%。在上面的负载里,开启缓存把 Opus 5.5 的月度账单从 $8,800 降到 $4,240,省 52%。注意 Anthropic 的批处理折扣可以和缓存叠加。
杠杆二:路由。 如果让 Opus 5.5 只处理每个任务里 2 次规划调用,Haiku 5.5 处理剩下 6 次,账单从 $4,240 降到 $1,144。Anthropic 官方就把这个模式写成文档(executor/advisor、orchestrator/worker)。
杠杆三:档位选择。 Batch 和 Flex 都在三家都是标准价的 50%,OpenAI 还把同样的 50% 作为"Flex"卖给可以多等一会儿的同步调用。评测、回填、文档处理、夜间任务全部适合放进去。反方向是速度:OpenAI Fast 档 2×、Ultrafast 档 6×($12/$60),Anthropic Opus 5.5 快速模式 $8/$40 也是 2×,Google Priority 是 1.8×。
三个杠杆加起来的量级远超换模型。 而且注意:三个杠杆没有一个需要换供应商。
再叠一句反向的提醒:Anthropic 明确指出,Claude 4.7 及以后对同一段文本产生的 token 比老模型多约 30%。换厂商省下来的钱,可能被 tokenizer 差异吃回去一部分。 换供应商前,先在两个厂商上各跑一次同样的提示,量一下实际 token 数。
gemini-2.5-pro 演示过一次静默改道加四项破坏性变更。在生产系统里把模型名写成配置项,并且给账单设告警。本周是 11 月的定价周,两场考试在 24 小时内:
这两个数字放在一起看才完整。 硬件侧的价格(英伟达指引)回答"算力供给还值多少钱",软件侧的价格(Anthropic 发行估值)回答"卖算力的人能留下多少"。
而 11 月 18 日之后还有 12 月 1 日——Google 的四个档位同时翻倍、gemini-2.5-pro 静默改道。那一天会比财报更能说明问题:模型会迭代,档位会重写,而你的代码里只有一个模型 ID。
下一篇写推理的成本曲线本身:当模型之间的能力差距缩到 5 个百分点以内,而成本差距是 15 倍到 40 倍,产业的竞争会从"谁的模型更强"转向"谁把成本曲线做成了可预测的台阶"。会具体拆:单次任务成本的工程学、评测成本本身、以及为什么"每任务成本"正在取代"每 token 价格"成为行业的新指标。
gemini-4-carbon、入门价与脚注中 11 月 30 日后价格、CursorBench 4.0 / WANDR / AutomationBench 排名第一且每任务成本低于次优外部模型 2 倍以上、MKA 基准排名第二且每任务成本低于榜首 6 倍以上。gemini-2.5-pro 与 gemini-2.5-flash 弃用通知,12 月 1 日起分别自动路由至 gemini-3.8-flash 与 gemini-3.5-flash-lite 并按新模型费率计费;四项破坏性变更(函数调用与 thought_signature 校验、thinking_level 取代 thinking_budget、移除采样参数、移除预填充模型文本);Anthropic 侧 Claude Platform 发布说明(2026-11-12 自托管 Managed Agents、2026-11-09 Fable 5.2 与 Mythos 5.2 发布、1M 上下文与 128k 最大输出与自适应思考常开)。说明:本文所有价格均标注了来源与日期,且均为标准档、正常提示长度下的公开标价(未含协议折扣与税)。凡出现口径差异处(如 Anthropic 对 Gemini 档位对比中 Gemini 4 Carbon 12 月 1 日后的价格、第三方对 gemini-2.5-pro 改道的成本测算),已在正文中标明来源与限定条件,未做单一化处理。本文不构成任何采购建议。