大模型价格战下一站：低价Token能否撑起企业成本账
作者｜何晴 编辑｜重点君 过去一年，大模型价格战愈演愈烈，但对于真正想把AI用进业务流程的企业来说，买到便宜的Token，未必意味着能够以更低成本完成工作。 一方面，A....
过去一年，大模型的价格战越打越凶，但
对于
真正想把
AI对那些把模型接进业务流程的企业而言，买到便宜的
Token
不等于就能用更低的成本把活干完。
一方面，
Agent写代码、整理客户信息这类事，模型能替程序员和销售分担，过去要几个岗位配合才能完成的任务，现在可以自动跑完。员工效率上去了，企业用
AI
的意愿也在增强，可同时又开始担心那张越烧越长的
token
成本账单。于是，主打低价模型的
API
纷纷出招，有的打五折，有的甚至能卖到两三折。
但
token市场热起来，水也浑了。今年
7
月，央广网的调查显示，市面上已经冒出大量低价
Token
中转站
Token
日卡、月卡满天飞，却不写明具体
Token
能用多少额度，烧起来反倒比官方渠道快得多。
真正该盯的，其实不是这些渠道是真是假。同一款真模型，各家交到用户手里的东西也可能不一样。独立评测机构
Vals拿同一个开源模型去比不同推理服务商的任务表现，算下来任务完成成本最多能差
1.3
好几倍。权重一样，不代表交付出来的智能就一样。
那到底什么样的交付才配收费？
Token
这门生意，正在变成一笔“信用账”。
11
月
12
日，百度世界
2026
大会上，
AI
的下一幕是
“
智能组织
”
他判断，企业不该只把[[保留1]]当成给个人提效的工具，还要围绕
AI
[[保留2]]把岗位怎么分工、知识怎么沉淀、业务流程怎么走重新设计一遍。
AI
换句话说，模型调用不再是程序员手里的研发开支，它会变成企业日常生产中的一笔持续投入。
一旦企业让越来越多的
Agent真实业务落到这些模型上，背后的智能供给能不能靠得住、管得住、用得起，就成了问题。
百度在这次大会上
正式发布
推出了大模型交易平台[[保留4]]
“
词元所
”
，试图通过
试图
这个平台面向模型服务市场
给出了一套中立、可信的标准[[保留9]]
。
与他们呼吁
“
AI
百度也在往这个方向走，想拿自己的经验和技术，去支撑市场供需两端的多方。
想用好AI可这笔账，很多公司根本算不明白。token账
“AI
业务扎得越深，成本就越难管住。
”
一位江浙
科技企业
有老板对划重点说，眼下企业把这套东西引进来早就是共识，尤其是下面这些情况。
AIAgent
的火热，把
AI
这套东西已经跳出员工手边的辅助工具，进了真实的业务流程。电商公司里，客服
Agent
不光能答客户的问题，还能查订单、调业务系统、处理售后申请；运营那边
Agent
数据分析、内容生产、活动执行可以串成一条线，反复核对和来回协调的工夫就省下来了。
可麻烦也跟着来，
“AI
用
得
越好，
token账单越厚。
”
企业过去的采购一般按账号、席位或者年度订阅走账，投入多少总能估个大概；但不管是自己本地部署，还是采购
三方大模型
API 虽说一开始
Token
输入输出的价格都写得明白，可是
Agent
做完一次业务任务，究竟要调多少次模型、消耗多少
Token
，很难事先准确判断。
“
特别是在
Agent
到了和业务磨合的阶段，还得反复调试，要喂进去分析的数据量极大，月中token plan
就用光了，分析准不准也没法保证。月底一算账，可能比专门雇个人还贵。
”
今年百度世界大会上，李彦宏也提到，自己在调研中碰到过企业负责人这样问：花费越来越多，收入和利润怎么没跟着涨？在他看来，原因之一是企业还把
TokenAI当成给个人提效的工具，没有围绕去重新设计组织。
AI
模型供应这一头，另一个现实问题也绕不开：企业得把
AI的调用成本从难以预测的技术支出，变成能衡量、能管理的采购成本。一旦开始持续、大规模地用
Agent
，光靠在采购时比几家模型厂商的报价，是控不住费用的。
API
所以，一些开发者和企业转而去找更便宜的第三方模型服务。
开源模型起来之后，模型厂商和模型服务提供商之间的关系慢慢松动了。一款开源模型发布，只要有算力资源和推理部署能力，云厂商、模型厂商都能提供调用服务。市场上还冒出了大量把不同模型接口汇到一起、再往下游转售的
Token中转站。
其中不少供应商是有正规授权的。可老板们更头疼的是中转站太多，还得判断供应商靠不靠谱、模型有没有被掉包、接口能不能一直稳定跑。有些平台会拿低配模型冒充高配版本，也可能因为账号供应不稳，突然限流、断服，把公司业务弄停摆。
AI
用得越深，企业越难拿到成本可控、质量有保证的
token
供应。想省钱，结果往往走进一个质量不透明的市场。模型越来越多、智能不断涌现的当下，模型正逐渐
偏向
买方市场，
可
对企业而言，真正缺的其实是靠得住的供给。
Token这个市场，呼唤信用机制。
如果把大模型当成一种商品来看，它所在的市场正撞上一个老问题——信用。经济学家肯尼斯
Token·
阿罗说过，几乎每一笔商业交易里都藏着信任。信用机制的作用，就是让交易的不确定性降下来。放到一个供需两端都在猛涨、规则还没立起来的新市场，信用的分量只会更重。
在今天的
Token眼下的模型市场，正处在这样一个阶段。
开源模型越来越多，第三方推理服务商也在增加，模型的生产方和服务提供方已经分开。企业下单之前，光看报价往往判断不出一家供应商到底能交付什么。每接一家新的模型服务商，都得企业自己去完成模型
而今年
10月底，全球大模型聚合平台OpenRouter做了一次不小的调整。以前，OpenRouter默认把用户请求派给报价更低的推理供应商；改完之后，它会综合看价格、首
Token
响应时间、输出吞吐量和服务可靠性。价格虽然不再排第一，可新算法上线后，输出吞吐量反倒涨了
16.3%
，触发容量限制错误的请求比例从
7.1%
降至
3.8%
。
这也解释了百度为什么在今年世界大会上推出词元所——一个面向大模型服务的中立、可信交易平台，想聚合不同模型及
资源提供方
让企业和开发者能
在一个公开透明的平台上
采购模型
Token。
大会上，李彦宏拿证券交易所打了个比方：交易所让投资者更容易找到并买卖上市公司的股票，词元所想做的，是让客户更方便地发现和采购可信的模型资源。
这个模式要真正跑通，头一道坎其实不在接入了多少模型，而在于怎么证明模型和供应商靠得住。词元所为此重点建了两项能力：验真和征信。
验真管的是交易之前那一步，确认东西是不是真的。平台靠供应商资质核验等手段来把关。
征信针对的则是交易之后的持续监督。模型上架，不等于一次审核就能一直担保服务质量。供应商只要调整推理引擎、算力资源或者部署参数，模型表现就会跟着变。所以词元所会定期抽检拨测、监测实际调用，把履约情况持续记下来，做成客户能查的信用档案。
官方数据显示，词元所
试运营
一个月下来，入驻的供应资源已经超过
100个，日均模型调用次数突破
5000
万，日均调用
Token
超过
7000
亿。
对一个刚上线的交易平台来说，这说明它已经攒起了
吸引到
一定规模的供给和需求。不过，比交易量更该盯住的，是它由此长出来的那套信用机制，这对企业是好事。
智能组织，需要一条可信的智能供应链
还有一点要说明，
AI产业下一轮较量，不光看模型能力和价格，信用与交付体系也会成为战场。
以前企业买
AI这类东西，需求大多落在某一项具体能力上。比如买一款
Coding Agent
来提升程序员的开发效率，或者接一个大模型来增强客服的应答能力，但
AI
到了下半场，越来越多的
Agent
开始接手业务任务，企业的流程可能要靠多个
Agent
协同完成，智能组织也就成了企业转型的下一步。
这不是把
AI
工具之外，更关键的是让智能体真正长进组织里。
AI
李彦宏的设想是，企业未来的工作不会再完全按岗位来切分，改由人和智能体围绕任务一起协作，经验得以不断积累下来，在业务流程里反复使用、持续打磨。
Agent百度同时披露了一组内部数据：过去一年，百度内部日活跃智能体数量从日均约
5000个增长到
3.7
万个，智能体每周完成的有效任务数从约万个涨到超过
8.4
100
万个。企业内部还搭起了Workspace
4300
个
，沉淀超过
2
万个
Skill
。
这些数字至少能说明一点：一旦真正落到组织里，企业要管的就不只是几款[[保留1]]
AgentAI
工具了，还得让一整套智能生产体系持续转起来。因此企业真正缺的并不是无限量的
Token资源，而是把有限的[[保留2]]
Token
资源转化成更多可衡量业务结果的能力。
要走到这一步，两类问题得同时解决。一类在企业内部：怎样让
Agent稳定跑起来，把任务、权限、知识和流程管住，让效率持续往上走。另一类在企业外部：怎样拿到可信、稳定、价格合理的模型和算力服务。
前一类问题，落在 Agent Infra 以及企业智能体管理体系上；后一类，则对应词元所及的 AI Infra
所涉及的
资源
供给
、
算力基础设施
等
能力。
这也是百度
“
芯云模体
”
这是全栈能力绕不开的一步。
十年下来，百度在芯片、云基础设施、模型和智能体上已经搭出一整套完整体系
AI技术体系。
在底层，
AI Infra负责提供智能计算以及模型训练、推理所需的基础能力；夹在中间的，
但随着
词元所正是百度朝这个方向做的新尝试。放进
“
芯云模体
”
这套体系里看，它更像是在模型服务的供需之间补了一层市场基础设施。
对百度对百度来说，这似乎意味着在全栈AI的布局之下，又多了一种连接外部面向不同模型供应商与企业客户的平台能力。百度全栈AI战略的边界正从生产智能、运行智能，往组织和连接智能的供给上延伸。
这个平台本身，也给百度自己的技术体系和资源提供了另一种与而对本身就有各项
外部市场
连接的方式
。
AI
对于本就具备资源服务能力的智能云来说，搭建这样一个平台，跟它对市场变化的敏感度有关。过去云厂商比拼的是算力规模、模型能力、服务价格和市场份额。可现在越来越多模型能由第三方提供，企业可选的空间大了很多，光有模型和算力，未必对得上客户的需求。云厂商之间的较量，也长出了新的维度。
一边，谁能以更低的成本生产和交付智能，依然要紧。另一边，谁能把企业获取智能的交易成本压下来，让企业用更划算的价格拿到更可靠的服务，这件事越来越关键。
这也是智能组织与信用经济之间更深一层的关联。
Token工业时代，企业之所以能组织起复杂生产，靠的是工厂内部的管理制度，也靠工厂外部成熟的原料采购、物流运输和供应商体系。
智能组织也一样。企业的生产流程如果越来越依赖那么模型和算力服务就不只是研发部门采购的技术资源，会一步步变成支撑业务持续运行的生产资料。企业要管的，不只是内部员工，还有外部供应链。公允、中立、透明的交易机制，正是这条供应链能长期运转的重要条件。
AgentAI
眼下对百度来说，词元所还得靠长期的交易表现，来证明自己的信用体系是不是真的可信，平台能不能让优质供给拿到合理回报。不过它背后对应的产业需求，已经开始露头。
未来
AI产业的竞争不只在模型能力和价格上展开，也会落到智能的交付、信用与资源配置体系上。从这个意义上说，只有智能能被企业放心获取、持续使用，才有机会从一项不断消耗预算的技术投入，变成真正支撑智能组织运行的生产力，从智能涌现走向价值涌现。
AI
百度已经先落了一子，这场信用经济的争夺，才刚拉开帷幕。
T
oken
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
