Token均价翻倍了，为什么你的账单反而可以更便宜

10月23日，中国信通院联合发布了《大模型词元服务性能监测报告（2026年）》。报告里有一个数字，估计不少开发者看完会愣一下：国内大模型的归一化Token均价，从2025年下半年的6.8元/百万，涨到了今年的13.46元——接近翻倍。

另一组数据是：日均词元消耗量不跌反涨，2026年6月约500万亿，是2025年12月的近4倍。价格翻倍，用量涨四倍。前两年大厂把Token当白菜送，把开发者养成了习惯；等应用接进去、迁不动了，价格开始往回走。

听起来很丧。但同一周，还发生了另外两件事，把这张悲观账单撕开了一个口子。

挂牌价是给别人看的，实付价才是你的账单

10月23日，月之暗面发布Kimi K3.1 Pro。3万亿参数，100万上下文，API定价输入2美元、输出10美元，缓存命中0.20美元。作为对照，GPT-6 Astra是10/50美元，Claude Opus 5.5是4/20美元。K3.1 Pro的价格是Astra的五分之一，而Terminal-Bench 4.0编程智能体测试拿到65.7%，反超Astra的58.2%，只比Opus 5.5的66.4%低一点点。

更关键的是OpenRouter上的真实数据：K3.1 Pro的缓存命中率高达94.5%到94.8%，加权实付输入价只有0.295美元/百万——是挂牌价2美元的约15%。

这就是今天最值得记住的一句话：信通院统计的是“挂牌价的归一化平均”，而实际流过你账户的钱，取决于另一个变量——缓存命中率。 DeepSeek V4.1 Flash在OpenCode上的公开数据同样印证了这点：缓存占比94%，平均每个会话190万Token，成本输入0.3美元、输出1.2美元每百万。更极端的实测里，V4.1 Flash在三天的连续Agent运行中维持了99.30%的输入缓存命中率，每百万Token的实际处理成本只有0.0089美元。

所以真相是：价格确实在涨，但涨的主要是“你没复用上下文的那部分”。

钱还漏在另一个地方：模型外面的那层壳

如果说缓存命中率是第一个杠杆，第二个杠杆藏在更隐蔽的地方。

10月24日，The Decoder报道了山东大学两位研究者的一篇论文，标题很直白：《What Does a Harness Buy? Mostly Tokens.》。模型权重一个字不动，任务不动，只换Agent外壳——结果单任务成本最高差3倍，通过率的变化落在重跑噪声范围内。

钱花在哪儿了？系统提示词和工具定义，每一步都要重发一遍。论文里三个外壳的量级差别很大：Claude Code的system prompt加工具定义约16,581个Token，OpenCode约7,025个，mini-SWE-agent不到1,000个。这个基数乘以步数，就是你的账单。具体看：用GLM-5.3-Flash跑同一批任务，Claude Code一次1.81元，OpenCode只要0.56元。

换句话说，你为“更好的框架”多付的那些钱，买到的可能只是和“手抖重跑一次”差不多的波动。

竞争已经从“谁便宜”转到“谁的结构省”

把这周的三件事串起来，脉络很清楚。

第一，单价战的意义在衰减。 K3.1 Pro把旗舰打到2美元，MiniMax M3.1 Flash开源后72小时处理超100万亿Token，DeepSeek V4.1 Flash单周33.6万亿——供给端的便宜已经不稀缺了，稀缺的是“谁能把便宜真正落到账单上”。

第二，价值在往调用层转移。 开发者用脚投票的方向很一致——不是换更便宜的模型，而是加一层能路由、能缓存、能压缩的中间层。

第三，灰产中转的窗口正在被两头夹死。 一头是官方把价格打到地板，另一头是监管收紧。差价空间被挤没了，风险却从来没消失。

四条能马上做的事

第一，把系统提示词和工具定义当成本项审一遍。 Harness Tax论文已经证明preamble是乘数不是加数。能精简的工具描述精简掉，能静态化的前缀做到字节级一致。有开发者的实测是：模板循环生成的换行符数量不一致，命中率卡在三成；改成硬编码固定字符串后，直接跳到九成以上。

第二，把“缓存命中率”设成周度KPI，而不是出了账单才看。 K3.1 Pro 94.7%的命中率意味着实付价只有挂牌价的15%。你的命中率是多少？如果答不上来，那你现在做的所有“选型”都是在猜。

第三，记账单位换成“单任务成本”，别再比单价。 用你自己的100条真实任务跑一遍，记下每个模型的完成成本。DeepSeek V4.1 Flash在77分能力水平下，单任务平均成本只有1.2元——这个数字比任何价目表都有参考价值。

第四，圈住三个日历节点： 11月1日DeepSeek搜索API开始按5元/千次计费；11月4日Kimi K3.1 Pro权重开源（开源后本地部署和第三方托管价格会重排）；11月30日Gemini 4 Argon从2/10美元翻倍到4/20美元，只剩五周窗口。

价格是别人定的，结构是你自己的

Token涨价这件事，厂商有厂商的难处，算力确实扛不住。但真正决定账单的从来不是那张价目表——是你有没有把上下文复用起来，有没有给外壳减过肥，有没有把模型名从代码里抽象成一个配置项。

当缓存命中率和外壳成本成为账单的两个最大变量时，你需要的是一个能把这些变量放在同一张表里看的入口。EasyAPI这类聚合层把多模型接入和费用明细收在同一层：一个Key接入所有主流模型，按任务类型分配路由，缓存命中的效果和单任务成本在用量明细里直接体现。你不需要追着每一家平台的调价公告跑，只需要关心自己的结构有没有优化到位。

数据来源： 中国信通院《大模型词元服务性能监测报告（2026年）》；OpenRouter官方榜单及模型页（截至2026年10月25日）；Kimi K3.1 Pro Tech Blog；山东大学arXiv预印本《What Does a Harness Buy? Tokens, Mostly》；The Decoder、VentureBeat、InfoQ对Harness Tax论文的报道；Artificial Analysis；Gemini 4 Argon官方定价页；MiniMax M3.1 Flash开源公告。