OpenAI 与 Anthropic 几个月里把 LLM 价格砍掉八成，为什么？

深度摘要

作者按时间线复盘了 2026 年 6 月以来两家 labs 的降价：GPT-5.6 Luna 降价 80% 至 0.20/1.20/0.02 美元每百万 token，GPT-6.1 Sol 累计比 GPT-5.6 Sol 便宜 75%，Claude Opus 5.5 比 Opus 5 总成本低 40%–60% 且性能更强。关键洞察在缓存：agent 编程场景里缓存读取占 token 支出的 96%–99%，Fable 5.1 把缓存读价砍 75% 就等于总成本砍 70%–75%。作者的核心论点是降价不是补贴战，而是商品化倒逼：模型切换成本趋近于零，DeepSeek 开源模型在 OpenRouter 上已有 29 家推理商托管，Kimi K3.1 Pro 性能接近 Opus 5.5、价格只有一半；只要推理商能以低于收入的价格服务，价格就会向边际成本靠拢。文中也留了反向线索：两家公司都临近 IPO，降价与招股书体面程度相悖，推理毛利率成谜，订阅档位的用量缩水（如 Codex 200 美元档用量减半）可能是先兆。

关键要点

• GPT-5.6 Luna 降价 80% 至 0.20/1.20/0.02 美元每百万输入/输出/缓存读取 token
• GPT-6.1 Sol 累计比 GPT-5.6 Sol 便宜 75%，且性能与 GPT-6 Astra 相当
• Claude Opus 5.5 总成本比 Opus 5 低 40%–60%，性能优于 Fable 5.1
• agent 编程中缓存读取占 token 支出的 96%–99%，缓存读价才是降价主战场
• Vercel 网关数据：token 单价已降至 2026 年 4 月的 43.3%，但总支出仍在上升
• DeepSeek Flash V4.1 1017 在 OpenRouter 上有 29 家推理商托管，价格竞争来自供给侧
• Kimi K3.1 Pro 性能接近 Opus 5.5，输入/输出价只有一半，权重将于 11 月 4 日放出

关键事实

事实：GPT-5.6 Sol 首发价 5/30/0.50 美元，Luna 首发价 1/6/0.10 美元，后降至 0.20/1.20/0.02 美元；Claude Sonnet 5 首发价 2/10/0.20 美元，临时降价后转为永久；Fable 5.1 价 10/50/0.25 美元，缓存读价比 Fable 5 的 1 美元降 75%；GPT-6 Sol 价 2/10/0.20 美元，GPT-6.1 Sol 缓存读价再减半至 0.10 美元；Opus 5.5 价 4/20/0.20 美元；DeepSeek Flash V4.1 1017 价 0.15/0.60/0.003 美元；Vercel 网关 token 单价为 4 月的 43.3%。以上均为作者引用的厂商定价与第三方网关数据。

作者观点

作者主张：降价的真正原因是模型商品化与开源推理供给的竞争，而非 labs 的善意；“token 价格先低后涨、收割用户”的说法缺乏证据支撑，因为只要 29 家推理商能盈利服务，价格就会继续向边际成本靠拢；即使 OpenAI 与 Anthropic 的 IPO 失败甚至倒闭，LLM 行业也不会随之死亡。

为什么重要

对所有用 API 或订阅跑 agent 的人，这直接决定了成本结构：谈判与选型时应盯着缓存读价而非标价，并且把可迁移性（多家推理商、开源权重）当作对冲 labs 定价权的筹码。

编辑点评

编辑分析：这篇的价值不在价格表，而在把缓存读价从脚注提到了主角位置——agent 场景的成本结构确实由它决定。但两处需打折：其一，作者用 OpenRouter 托管商数量论证“价格不会回涨”，托管数量不等于履约质量与长期供给意愿；其二，IPO 前降价与招股书体面的矛盾只是推测，推理毛利率“高达 80%”的说法作者自己也加了 caveat。读的时候把价格事实与动机解释分开，前者硬，后者是假说。

深度摘要

美国创意行业四年流失超 20 万岗位，过去一年约 5 万，强度与持续时间仅次于 2001 与 2008 年衰退期，但当下并无全局衰退。重灾区是电影与录音业：四年流失超 10 万，接近行业总量的三分之一，夏季低点已低于 2008 年以来任何时点；出版业流失超 7 万。作者的诚实之处在于先承认无法定量：企业讳言 AI 使用（怕舆论反弹，更怕动摇版权主张），且 AI 效应与好莱坞整合、离岸外包、社媒分流绞在一起。但他给出了一条间接证据链：所有数字艺术子行业都在失血，而线下娱乐仍在健康增长；音乐业的前车之鉴是，Napster 后的盗版与流媒体把单曲价值打到地板，音乐人靠巡演续命，而影视没有等价的“现场”可退。最坏情形是出版业剧本：报业雇员从约 50 万跌去 85%，杂志跌 66%，图书跌 40%。作者也留了反例：BookTok 在六年里把图书销量推高 70%，技术对艺术的溢出效应不可预测。

关键要点

• 创意行业四年流失超 20 万岗位，过去一年约 5 万，强度仅次于 2001 与 2008 年衰退
• 电影与录音业四年流失超 10 万，近三分之一，夏季就业低点为 2008 年以来最低
• 出版业同期流失超 7 万；几乎所有媒体子行业都在失血，线下娱乐仍在增长
• 电影票房比 2019 年峰值低 25%，有线电视收入比峰值低 18%，流媒体未能补缺
• 艺术娱乐业约 32% 从业者使用生成式 AI，低于全行业平均 62%
• 音乐业前车：流媒体时代音乐人转向巡演续命，影视没有等价的现场退路
• 出版业最坏剧本：报业雇员跌 85%，杂志跌 66%，图书跌 40%
• 反例：BookTok 六年把图书销量推高 70%，技术溢出不可预测

关键事实

事实：创意行业四年流失超 20 万岗位、过去一年约 5 万；电影与录音业四年流失超 10 万；出版业流失超 7 万；电影票房较 2019 年峰值低 25%，有线电视收入较峰值低 18%；艺术娱乐业生成式 AI 使用率约 32%，全行业平均约 62%；报业雇员较峰值跌约 85%，杂志跌 66%，图书跌 40%；图书销量六年涨 70%。以上均为作者引用的就业与行业数据，AI 归因部分作者明确表示无法精确量化。

作者观点

作者主张：AI 是创意就业失血的重要嫌疑，但不是唯一凶手；真正的风险不是宏观 GDP，而是商业模式被“版权稀释 + 渠道解绑”掏空——出版业的崩塌剧本可能重演；同时承认技术溢出不可预测，不宜据此断言艺术已死。

为什么重要

这是目前少有的把“AI 抢工作”从口号落到分行业就业数据的分析：它提醒读者区分三个层次——岗位数量、商业模式、文化影响，混在一起谈就会得出错误的政策结论。

编辑点评

编辑分析：这篇最值得学的是克制：作者手握一个很抓眼球的数字（20 万），却拒绝把它直接换算成“AI 杀死了 20 万岗位”。间接证据链（数字子行业普跌 vs 线下增长）有说服力，但仍是相关性而非因果识别。另注意作者埋的一句冷水：Anthropic 根本不做图像视频音乐生成，OpenAI 甚至放弃了 Sora——头部 labs 认为艺术生成的经济价值微不足道，颠覆主要由二线玩家完成，这对“AI 巨头 vs 艺术家”的叙事框架是个修正。

深度摘要

作者是伦敦的皮肤科医生，用 200 例经活检证实的皮损（100 例不应出院：30 例黑色素瘤、25 例基底细胞癌、25 例鳞状细胞癌、20 例光化性角化病；100 例可出院：50 例痣、50 例脂溢性角化病）同时考了三个模型。结果：2015 年的 Inception v3 微调版首选诊断正确率 62%（125/200），GPT-6 Astra 与 Claude Fable 5.1 均为 42%（84 与 85 例）；放宽到第二选择，CNN 为 173/200，对手为 134 与 138。失败模式也不同：GPT-6 Astra 把 75 例判成基底细胞癌（实际 25 例），其中 14 例是黑色素瘤；Fable 5.1 把 53 例判成光化性角化病（实际 20 例）；CNN 漏掉的黑色素瘤多判成了痣或脂溢性角化病。作者的实验设计相当干净：CNN 在单块 H100 上用 ISIC 存档的 68011 张图像微调约 20 分钟，测试集及其同患者全部照片均已剔除；LLM 给的是临床照加皮肤镜照、同一提示、默认设置，且 MILK10k 自 2025 年公开，LLM 若见过训练数据只会占便宜。作者也主动列了局限：200 例样本小、每例 LLM 只跑一次、CNN 远非当前最优水平。

关键要点

• 200 例活检证实皮损：CNN 首选诊断正确 62%，两款前沿 LLM 均为 42%
• 第二选择放宽后：CNN 173/200，GPT-6 Astra 134/200，Fable 5.1 138/200
• 黑色素瘤 30 例中 CNN 判对 13 例，GPT-6 Astra 8 例，Fable 5.1 11 例
• LLM 各有偏好答案：GPT-6 Astra 滥判基底细胞癌，Fable 5.1 滥判光化性角化病
• CNN 为 Inception v3（2015 年架构），在单块 H100 上微调约 20 分钟
• 训练用 ISIC 存档 68011 张图像，测试集同患者照片全部剔除
• CNN 小到可在手机浏览器里用 WebGPU 本地运行，不上传图像
• 换作患者口吻只给临床照问要不要看医生时，两款 LLM 几乎逢例必劝就诊

关键事实

事实：测试集为 MILK10k 数据集的 200 例活检证实皮损；CNN 首选正确 125/200，GPT-6 Astra 84/200，Claude Fable 5.1 85/200；第二选择 CNN 173/200、GPT-6 Astra 134/200、Fable 5.1 138/200；黑色素瘤判对 CNN 13/30、GPT-6 Astra 8/30、Fable 5.1 11/30；CNN 训练数据 68011 张、单 H100 微调约 20 分钟；普通存档图像上 CNN 的出院/不出院区分 AUC 为 0.96，本测试集为 0.86。以上均为作者公布的实验结果，样本量小是作者自认的局限。

作者观点

作者主张：专科小模型在窄任务上仍显著优于通用前沿模型；“越大越通用”不是医疗 AI 的默认答案，任务、数据与评估方式比模型规模更重要；同时强调这不是最优水平的皮肤癌 AI，监管产品表现更好。

为什么重要

这是对“前沿 LLM 无所不能”叙事的一次可复现的反驳：实验、提示、评分代码全部公开，且作者用对手可能占便宜（数据污染）的方式设计了偏向对手的对照。它给医疗 AI 选型立了个规矩——先看专科基准，再谈通用模型。

编辑点评

编辑分析：这篇的可信度来自两处自我设限：一是主动承认 CNN 不是最优水平，二是承认 200 例样本不足以给接近的结果排序。但也要注意适用边界：测试的是“只看两张图、六选一”的离线诊断，不是真实门诊流程；LLM 在患者口吻下几乎逢例必劝就诊，说明提示与角色设定会大幅改变表现，不能直接推导出“LLM 临床无用”或“有用”的结论。

深度摘要

单块 Cerebras WSE-3T 晶圆只有 44GB 片上内存，而万亿参数模型光权重就要数 TB，Cerebras 的解法是把模型按层切开、权重常驻片上 SRAM、只传激活值。文章以开源的 Kimi K3（约 3 万亿参数，69 层线性注意力层加 24 层稠密层）为例算账：4 比特量化后每层约 16GB；线性注意力层不需要 KV 缓存，一块晶圆可放两层，稠密层需留 KV 缓存空间，一块晶圆只放一层；合计 35 加 24 共 59 块晶圆组成流水线，晶圆间经 RDMA over Ethernet 传激活值，每跳约 2 微秒，输出速度可达每秒 1000 至 2000 个 token 以上。流水线满载时每一级同时处理不同请求的 token，微批次权衡速度与吞吐；并发上限由稠密层晶圆剩余内存能装多少 KV 缓存决定。文章最后把评价标准也说清楚了：有意义的指标是单位功耗的 token 吞吐，而非单纯并发数或批次大小。

关键要点

• 单块 WSE-3T 晶圆片上内存 44GB，万亿参数模型权重需数 TB
• 示例模型 Kimi K3 约 3 万亿参数：69 层线性注意力层加 24 层稠密层
• 4 比特量化后每层约 16GB；线性层一晶圆放两层，稠密层一晶圆放一层
• 合计 59 块晶圆：35 块放线性层，24 块放稠密层
• 晶圆间只传激活值，经 RDMA over Ethernet，每跳约 2 微秒
• 权重常驻片上，推理时层与层之间不搬权重
• 输出速度每秒 1000 至 2000 个 token 以上
• 并发上限由稠密层晶圆的 KV 缓存剩余空间决定
• 评价标准应为单位功耗 token 吞吐，而非并发数或批次大小

关键事实

事实：WSE-3T 单晶圆片上内存 44GB；Kimi K3 约 3 万亿参数，69 层线性注意力层、24 层稠密层，Terminal-Bench 2.1 得分 88.3%，BrowseComp 91.2%；4 比特量化下每层约 16GB；晶圆总数 59 块；晶圆间激活传输每跳约 2 微秒；输出速度每秒 1000 至 2000 个 token 以上。以上均为 Cerebras 文章陈述，属厂商自述的部署方案与性能口径。

作者观点

作者主张：晶圆级架构的核心优势是权重不动、只动激活值；流水线加微批次可以在不等待的情况下跑满各层；评估推理系统应看单位功耗吞吐，而非并发或批次数字。

为什么重要

这是理解“后 GPU 推理”的一张具体施工图：它把抽象的“内存墙”换算成了晶圆数、KV 缓存与每跳微秒，对评估任何推理硬件宣传都有参照价值——先问权重放哪、KV 缓存占多少、激活传多远。

编辑点评

编辑分析：作为厂商技术博客，这篇的算账过程是透明的（层数、量化位数、每层 GB 数都给了），但性能数字是自家口径：1000 至 2000 token 每秒未注明批次与上下文条件，且示例模型是开源的 Kimi K3 而非客户生产负载。读的时候把它当作架构课，而非跑分结论；真正的对照应是同等输出速度下的单位功耗吞吐，文章自己也承认这一点。

深度摘要

作者先设了五种世界：现状延续、 messy transition（新任务补位，短期阵痛、长期尚可）、复位失败（自动化快于再培训，财富向极少数集中）、食利世界（UBI 发了钱，但房租把涨幅吃掉，人人只够生存）与丰裕世界（生产资料共有）。核心论点是：UBI 解决不了分配问题，因为住房等稀缺资源的供给固定，需求侧发钱最终会被租金吸走——作者引用 Henry George、Moretti 与 Hornbeck 的研究，称地主对生产率提升的截留近乎完全。解法分三段：对土地收土地价值税（供给固定，税负无法转嫁）；把土地价值税推广为现金流税——对全部收入征税、全部支出即时抵扣，政府成为“强制沉默合伙人”，挪威对石油水电已有类似做法；把税款无条件分红给全民，让每个人都持有生产率提升的一份。文中还处理了硬边界：住房税款可递延至出售时缴纳，避免固定收入者被现金流逼走；频谱、IPv4、矿权等公共稀缺资源可用定期拍卖代替估值。

关键要点

• 五种情景：现状延续、 messy transition、复位失败、食利世界、丰裕世界
• 复位效应（新任务补位）若失败，财富向极少数人集中，食利阶层成型
• UBI 的漏洞：住房等稀缺供给固定，需求侧发钱会被租金吸走
• 土地价值税有效的原因：土地供给固定，税负无法转嫁给租客
• 现金流税：收入全征、支出全抵，政府成为强制沉默合伙人，亏损企业可获退税
• 工资同样适用抵扣，避免政策偏向资本轻视劳动
• 税款以无条件分红返还全民，人人持有生产率提升的一份
• 住房税可递延至出售时缴纳，避免逼走固定收入者
• 频谱、IPv4、矿权等公共稀缺资源可用定期拍卖代替估值

关键事实

事实：作者引用的研究包括 Acemoglu 与 Restrepo 关于自动化位移与复位效应的论文、Brynjolfsson 等人关于 AI 就业效应的论文、Henry George 的土地价值税理论、Moretti 与 Hornbeck 关于生产率收益归属的研究、英国财政研究所的现金流税论文，以及挪威对石油水电实行类似现金流税的做法。情景划分与政策组合为作者自己的论证框架，非实证结论。

作者观点

作者主张：AI 生产率红利的默认归属不是劳动者，而是稀缺资源持有者；只发 UBI 不够，必须同时对地租与经济租征税并分红，才能让丰裕世界成立；作者明言这是自己想建设的世界，而非预测。

为什么重要

这篇把“AI 会不会抢工作”的争论往后推了一步：即使工作问题解决了，分配问题还在。它给出的土地价值税加现金流税组合，是目前 AI 分配讨论里少见的、带机制细节的方案，而不是一句“发钱就行”。

编辑点评

编辑分析：这篇的长处是把分配问题拆成了可检验的机制（供给是否固定、税负能否转嫁），弱点也同样明显：现金流税“无扭曲”的结论依赖理想征管，而估值、跨境、政治可行性都被轻轻带过。另注意作者的情景推演是思想实验，不是预测——“食利世界”与“丰裕世界”之间没有给出转换概率，读的时候应把它当作政策设计草稿，而非未来路线图。

深度摘要

UC 伯克利数学教授、菲尔兹奖得主 Richard Borcherds 不再按正确性批改作业：学生用 AI 后持续拿最高分，他认为 AI 使用已无法避免，继续花钱请阅卷人按正确性打分“没有意义”。目前他只按完成情况给分，并承认这“不是个很好的制度”，但暂无替代办法。表态的背景是 OpenAI 宣布其 AI 智能体似乎解决了数学难题之一——Navier-Stokes 存在性与光滑性问题；Borcherds 认为若 AI 按当前速度进步，几年后人类数学家能做的事 AI 都能做得更好。五年前数学家还是最不怕 AI 冲击的职业之一，如今他已不确定是否应鼓励学生进数学系，甚至把这个问题抛给了 ChatGPT，而 ChatGPT 也表示不知道未来会怎样。校园政策侧：伯克利学术评议会要求教师在课程大纲中写明 AI 使用期望，但具体政策由教师自定；学校试过 Turnitin 与 Rumi 等检测工具，认为均不足以全校标准化。

关键要点

• Richard Borcherds：UC 伯克利数学教授、菲尔兹奖得主
• 不再按正确性批改作业，改按完成情况给分，并承认这不是好制度
• 原因：学生用 AI 后持续拿最高分，AI 使用已无法避免
• 背景：OpenAI 宣布 AI 智能体似乎解决了 Navier-Stokes 存在性与光滑性问题
• 判断：若 AI 按当前速度进步，几年后人类数学家能做的事 AI 都能做得更好
• 不再确定是否应鼓励学生进数学系，五年前数学家还是最不怕 AI 冲击的职业之一
• 学术体系惯性大：纸质期刊早已失去实际意义仍在出版
• 伯克利要求大纲写明 AI 使用期望，具体政策由教师自定
• Turnitin 与 Rumi 等检测工具均被认为不足以全校标准化

关键事实

事实：Richard Borcherds 为 UC 伯克利数学教授、菲尔兹奖得主；他目前按完成情况而非正确性给作业打分；表态发表于一次面对面采访，背景为 OpenAI 宣布 AI 智能体似乎解决了 Navier-Stokes 存在性与光滑性问题；伯克利学术评议会要求教师在课程大纲中写明 AI 使用期望，具体政策由教师自定；校园试过的检测工具包括 Turnitin 与 Rumi。以上均为 Daily Californian 报道内容，其中“AI 解决了 Navier-Stokes 问题”为 OpenAI 的宣布口径，报道未独立验证。

作者观点

作者主张（报道口径）：这不是一篇社论，报道呈现的是 Borcherds 的判断与伯克利的政策现状——评分制度已先于教学目标崩解，而检测工具与大纲声明都未能补上缺口。

为什么重要

作业评分是最早被 AI 击穿的评估环节之一：当正确性可以外包，大学先要回答“作业到底在测什么”。这篇的价值在于主角不是泛泛的“教授们”，而是一位菲尔兹奖得主在数学——曾被认为最安全的学科——内部的投降声明。

编辑点评

编辑分析：注意区分三层：Borcherds 的个人判断（几年后 AI 全面超越人类数学家）是预测而非事实；“AI 解决了 Navier-Stokes”是 OpenAI 的宣布口径，报道未做独立验证，不宜当作定论引用；扎实的部分是制度现状——按完成给分、检测工具未达标、大纲声明各自为政。这三点才是其他学校可以直接对照的事实。