Newsletter · · Ashutosh Agarwal

扎克伯格挑起AI模型价格战 - Platform Watch - 2026年7月17日当周

2026年7月17日当周的创业与风投新闻简报。马克·扎克伯格打破三年沉默，推出一款价格仅为OpenAI和Anthropic四分之一的Meta模型；Grok和GPT-5.6也纷纷降价，模型层正在商品化，迫使创业者重新思考自己的护城河究竟在哪里。

Platform Watch

2026年7月17日当周：扎克伯格挑起AI模型价格战

上周的担忧是,某个实验室会把"面向X领域的Claude"直接推向你所在的赛道。这周,风向反了过来:马克·扎克伯格打破了三年的Twitter沉默,宣布推出一款价格比OpenAI和Anthropic低约75%的模型;SpaceX基于Cursor数据训练的Grok价格更低;OpenAI也发布了半价的旗舰模型。更便宜的token对任何构建在模型之上的人来说听起来都是好消息。但这同时也在告诉你,模型层正在变成一种商品,这改变了你的护城河必须建在何处。

本周平台动向:扎克伯格引爆了智能的价格

如果你是构建在基础模型之上的(OpenAI、Anthropic、Google,如今还有Meta和SpaceX这些大型AI系统),本周发生的最重要的事情就是:你所租用的东西的价格,开始有意地断崖式下跌。

导火索是马克·扎克伯格。他几乎是三年来第一次发推,宣布了一款新的Meta模型Muse Spark 1.1,而他的说辞完全围绕价格展开:"今天我们发布MuseSpark 1.1,这是一款价格极低的强大智能体式编程模型。它可以通过我们新的Meta Model API以及Meta AI获取"(The AI Daily Brief,"ChatGPT Just Became a Work Agent",2026年7月10日)。Meta向彭博社透露,该API的定价"大约是OpenAI和Anthropic等其他顶级模型所公布成本的25%"(即四分之一价格),扎克伯格对此直言不讳:"其他一些实验室的定价非常极端,利润率非常高。我们认为,确实存在以更低廉的成本提供前沿级别或非常高水平智能的真实空间"(Big Technology Podcast,"OpenAI Finally Ships Its Superapp, Meta's AI Price War, ChatGPT Cheating At Brown",2026年7月10日)。

这是一家第一方实验室在蓄意试图击垮其他实验室的利润率。而Muse Spark的各项数据确实令人瞠目。它在Vals AI的公开评测中位列第四,超过了GPT-5.5和Grok 4.5,同时"运行速度是排名前三模型的三倍"。在成本方面,Vals的一位评测者Rayon写道:"这款模型便宜到我几乎不敢相信。实际测算下来,它的成本是Fable和GPT-5.5两者的十分之一。如果你以为开源模型会靠竞争压低利润率,那等你看到这个就知道了。用Muse Spark 1.1居然比自己托管一个开源模型还便宜"(The AI Daily Brief,"ChatGPT Just Became a Work Agent",2026年7月10日)。挂牌价格为每百万输入token 1.25美元,每百万输出token 4.25美元(Last Week in AI,"#252 - GPT 5.6, Grok 4.5, Nemotron-Labs-Diffusion, AI 2040",2026年7月15日)。"token"大致相当于一个词的片段;你按照进出的数量付费。

而扎克伯格并非孤例。这一周,整个行业都卷入了价格战:

  • SpaceX基于Cursor数据训练的Grok 4.5,价格低得惊人。 SpaceX AI(由xAI更名而来)发布了一款1.5万亿参数的Grok 4.5,与编程创业公司Cursor联合开发,而SpaceX正以全股票600亿美元收购Cursor(该公司正式名称为AnySphere)(Elon Musk Podcast,"SpaceXAI and Cursor Launch Grok 4.5 for Professional Industries",2026年7月10日;DealQuest Podcast with Corey Kupfer,"Episode 412: The DealQuest Quarterly Roundtable",2026年7月15日)。Grok 4.5挂牌价为每百万输入token 2美元,每百万输出6美元,一位主持人测算后指出这"是Opus价格的四分之一,是Fable价格的八分之一"(Last Week in AI,"#252……",2026年7月15日)。作为对比,Anthropic的旗舰产品Fable 5的价格为每百万输入10美元,每百万输出50美元(Everyday AI Podcast,"Ep 817: ChatGPT's 5.6 Sol, Grok and Meta bounce back and OpenAI's biggest week ever?",2026年7月13日)。Grok在纯智力水平上仅被认为"大致与Opus 4.7相当",但低廉的价格改变了它的使用方式:因为它又快又便宜,"编程不再是精心撰写每一行逻辑……而变成了无限次的测试",你让模型写一个函数,写十个测试,运行它们,读取报错,再重写,直到通过,这是"上千个微小的循环",如果每次迭代都要烧掉一大笔预算,你根本无法负担(Elon Musk Podcast,"SpaceXAI and Cursor Launch Grok 4.5……",2026年7月10日)。
  • OpenAI推出了半价旗舰模型,分为三个档位。 GPT-5.6首次以系列形式亮相:Sol(旗舰版)、Terra(中端)和Luna(便宜且快速)。Sol挂牌价约为每百万输入5美元,每百万输出30美元,相比Fable"价格约为一半,性能却更强"(Everyday AI,"Ep 817……",2026年7月13日)。独立测试显示,GPT-5.6在某个智力指数上以微弱差距排名第二,仅次于Fable,但做到这一点"只花了Fable三分之一的成本,甚至比Opus 4.8便宜40%",并且在一项领先的编程智能体基准测试中直接夺得第一(The AI Daily Brief,"ChatGPT Just Became a Work Agent",2026年7月10日)。本周的一个风向标是:OpenAI不再公布简单的基准测试表格,转而开始发布单位美元性能图表(一个轴是分数,另一个轴是API成本)。正如The AI Daily Brief所说,"实验室自己也意识到,他们所竞争的完全是另一个维度,而不仅仅是纯粹的前沿性能。"

综合来看,正如一位主持人所总结的,Anthropic"过了非常糟糕的一周",被GPT-5.6和Grok从最顶端拉了下来,又被廉价的开源权重模型和Muse Spark从底部蚕食(Everyday AI,"Ep 817……",2026年7月13日)。定价10美元/50美元的Fable 5,一下子成了货架上最贵的选项。

为什么Meta要烧掉价格?因为即便这款模型本身不赚钱,便宜的模型也照样能服务于Meta的利益。 The Information的报道在Big Technology节目中被朗读出来,阐明了其中的逻辑:Meta"深知AI成本已成为众多企业最关切的问题",因此通过"在价格上全面压低其他所有对手,它可以说服用户至少试用一下自己的新模型,并有可能借此把用户黏住。如果这个策略奏效,Meta以后可以再涨价"。一位主持人将其称为"经济学上的毒贩模式,先给你尝一口甜头,让你上瘾,然后……如果你想继续用,价格就会贵一些"(Big Technology Podcast,"OpenAI Finally Ships Its Superapp……",2026年7月10日)。Meta还希望AI足够便宜,以便价值落在产品这一层——在那里它拥有30亿到40亿月活用户并掌控着分发渠道;同时它也想拥有一款自家模型,作为向OpenAI、Anthropic和Google租用算力时的谈判筹码。

业内人士反复援引的类比,是网约车行业的补贴时代。The Information的Nick Wingfield表示:"我真的感觉我们正处于Uber上市前的那个阶段,当时感觉这家公司在补贴打车费用,以从传统出租车行业手中抢夺生意。你还记得Uber很便宜的那些日子吗?现在的感觉很像那个阶段"(The Information's TITV,"Meta Debuts Muse Spark 1.1, Blue Origin to Raise $10B, Cursor Develops AI Agent",2026年7月10日)。一档现场辩论类播客更直白地发出了同样的警告:"这就是2015年的Uber,那时候打车很便宜"(Digital Disruption with Geoff Nielson,"One of Us Thinks AI is Overhyped. The Other Doesn't | Live Debate",2026年7月13日)。给创业者的启示是:享受便宜的token没问题,但不要构建一个只有在别人替你补贴投入成本时才成立的生意。

这场变局的另一面:实验室仍在持续向你的产品层攀爬

在实验室们大打价格战的同时,他们也持续向应用层推进——这正是Platform Watch连续数周一直在追踪的事情。

OpenAI推出了ChatGPT Work,这是对Anthropic Claude Cowork的回应,从功能上说是"他们超级应用战略的下一步",一个通用型智能体框架,把在编程领域(其Codex工具)行之有效的经验,扩展到所有知识型工作,配备了连接Notion、Google Drive和Microsoft 365的接口、可调度任务,以及云端执行能力,让智能体在你合上笔记本电脑后依然能运行。Zapier的一位早期用户表示,该工具每月审核数千条销售线索,并"发现了七位数的潜在销售额"。消费者的反应则更多是耸耸肩(甚至连粉丝Dan Shipper也把自己的测评标题写成"the merged app is fine"),但方向毫无疑问(The AI Daily Brief,"ChatGPT Just Became a Work Agent",2026年7月10日)。

而如今已并入SpaceX AI的Cursor,正在打造自己的通用智能体,内部代号SAND,这是一个处理邮件和电子表格的个人助理,是"Cursor第一个面向专业程序员以外任何人的项目",构建在Grok 4.5之上,被定位为Claude Cowork的竞争者(The AI Daily Brief,"ChatGPT Just Became a Work Agent",2026年7月10日)。据The Information报道,CEO Michael Truell告诉员工,Cursor正在从一家编程创业公司转向"通用AI模型",目标是"在年底前跻身顶级AI公司之列",并在2027年前拥有"最多的算力";而SpaceX之所以想要Cursor,既是看中其编程数据,也同样看重其品牌、与财富500强企业的关系以及其市场推广团队(The Information's TITV,"On the Ground at UBS' Private AI, Software and Internet Conference",2026年7月15日)。

本周最有价值的反驳观点来自企业搜索公司Glean的联合创始人Arvind Jain,他所在的那期节目标题干脆就叫"Why OpenAI and Anthropic Won't Win the App Layer"。当被问及是否担心Anthropic会对Glean重演它对Figma所做的事情时,他辩称各大实验室的垂直产品实际上比看起来要浅得多:"他们推出了这类垂直产品包,但依我看相当肤浅。而且我实际上并不知道有谁……把自己的整个工作负载完全从Figma或者……其他任何工具搬到了Anthropic。这基本上总是一种净增量……它在扩大市场。比如说,在设计领域,设计师仍然在用Figma,但非设计师用的是Cloud design"(The Twenty Minute VC,"20VC: Why OpenAI and Anthropic Won't Win the App Layer… with Arvind Jain, Co-Founder @ Glean",2026年7月11日)。他给焦虑的创业者的建议近乎近于强硬的淡定:"完全不必为此担心……你必须实实在在地解决问题,而不是担心。"

而暗流之下的另一面:这些投入真的有回报吗?

在这场价格战之下,潜藏着一个更让人不安的问题:投入到token上的钱,究竟有没有产生真正的回报。Chamath Palihapitiya讲述了他询问自家CTO公司自身token开支走势的经历:"目前,我们的token成本每45天翻一番。"那下游的生产力提升呢?"顶多也就5%。"他得到的解释是,"要达到下一轮的改进迭代,你需要多用得多的token,因为我们实际上已经趋近于饱和了"(All-In with Chamath, Jason, Sacks & Friedberg,"More Trillion Dollar IPOs, Anthropic $3T, Zuck's Price War, China Ends Open Source?, Trump Accounts",2026年7月11日)。他的警告是:"到了某个节点,不去问一句这钱到底是谁在付、他们又能不能持续付得起,那就是傻子了。"

Arvind Jain给出了一个具体的例子。Glean打造了一个工程分诊智能体,如今能为一支15人的值班团队自动处理约95%的生产环境问题,但"我们在那一个智能体上每月要花一百万美元",他承认与直接雇人相比,这笔账"很值得商榷"。他还指出了定价方面真正诡异的一件事:"我认为过去六到九个月里我们看到了一件很怪的事,几乎每个模型实际上都上调了每token价格",这逆转了此前多年持续下降的趋势(The Twenty Minute VC,"Why OpenAI and Anthropic Won't Win the App Layer……",2026年7月11日)。扎克伯格挑起的这场价格战,某种程度上正是市场对这一反弹的纠正。

本周还有一个迷思被戳破了:即所有人都在逃向廉价开源模型这一说法。David Sacks认为,按美元计,情况恰恰相反:"开源在企业支出中的占比,从去年的19%降到了今年的11%",原因是大多数公司缺乏像Coinbase和DoorDash那样在不同模型之间调度任务的工程能力。"心有余而力不足"(All-In,"More Trillion Dollar IPOs……",2026年7月11日)。但也有一个例外:在成本敏感型创业公司当中,情况则大不相同,路由服务OpenRouter上大约30%的token流量,如今流向了DeepSeek和GLM 5.2等廉价的中国开源权重模型(Last Week in AI,"#252……",2026年7月15日)。

本周点名:暴露的与可防御的

暴露的

  • 纯粹的"套壳",一个打扮成公司的功能。 一档以营销为主题的节目给出了本周最犀利的版本:"大多数AI创业公司都不是真正的公司。它们只是一个功能……如果你的产品与客户之间唯一的东西是一段巧妙的提示词,那你没有生意,你只有一个套壳。而套壳无法申请专利……无法注册商标……无法受到保护。今天,基础模型免费把你的功能也做了出来,而且它们还会继续这么做"(Marketing in the Age of AI,"AI Can Build Your Product, But Can It Build Your Business?",2026年7月13日)。它的金句是:"AI能在一个周末造出你的产品,但造不出你的生意。"
  • 模型层本身,以及前沿模型的价格溢价。 商品化不再只是理论,就是从这周开始的。Meta价格是四分之一,Grok是Fable的八分之一,GPT-5.6是一半,处于最顶端所享有的溢价正遭到正面冲击。Anthropic的旗舰产品Fable 5,每百万token 10美元/50美元,如今已是货架上最贵的名字(Everyday AI,"Ep 817……",2026年7月13日;Last Week in AI,"#252……",2026年7月15日)。
  • 传统法律数据巨头。 法律AI创业公司Legora的创始人形容LexisNexis和Westlaw(美国法律检索的双寡头)正"被碾压",价格因"AI带来的不确定性"而下滑,其数据护城河如今每年只能产出"数十亿美元"级别的价值。对于既有巨头为何无法转型,他的看法是:"他们很难跟上、追赶我们的节奏。招不到人才。也不像我们这样长时间工作"(All-In,"The Trillion-Dollar Industries AI Is Disrupting: Voice, Law & the End of the Billable Hour",2026年7月13日)。
  • 按小时计费的专业服务模式。 同一期节目中提到,Kirkland & Ellis律所拥有4000到5000名律师,年营收约"100亿美元",每位合伙人利润为"500万到1000万美元",这一结构建立在向初级律师计费工时的基础上——而这正是AI如今可以做的事。Legora自己今年收购了四家企业,把尽职调查环节收归内部,并创下"从意向书到交割仅用12天"的最快交易纪录(All-In,"The Trillion-Dollar Industries AI Is Disrupting……",2026年7月13日)。
  • 模型无关型编程工具的独立性。 Cursor,这个中立的、可自带模型的编程工具的代表,如今通过600亿美元的AnySphere交易并入SpaceX AI,训练自己的专属模型(Grok 4.5),并打造通用智能体(SAND)。员工的态度"喜忧参半",一些人拿马斯克收购Twitter后"裁掉公司四分之三员工"的先例作为担忧的理由(The Information's TITV,"On the Ground at UBS'… Conference",2026年7月15日)。
  • 依赖单一实验室条款保持友好的任何人。 一位在All-In节目上、与各大实验室直接竞争的语音AI创始人承认,数据泄露风险确实存在:"我们知道有一些公司一直在琢磨怎样蒸馏和利用这些数据……我们有几种机制去阻止或减缓它,但做不到完全阻止"(All-In,"The Trillion-Dollar Industries AI Is Disrupting……",2026年7月13日)。

可防御的

  • 拥有镐头和铁锹。 无论其独立性最终如何演变,Cursor"靠成为那把镐头和铁锹而取胜",年化营收约20亿美元,估值达500亿至600亿美元,团队规模却极小,是"科技史上人均营收最高的公司之一"。自然语言应用搭建工具Lovable的年经常性收入约为**5亿美元,用户超过800万,估值约66亿美元,每天新建项目超过10万个。**MidJourney则是个例外,"完全自筹资金,零外部融资",没有董事会,也无需向投资人交代(Marketing in the Age of AI,"AI Can Build Your Product……",2026年7月13日)。
  • 必须端到端自己拥有的专有数据护城河。 Legora的论点是,法律检索恰恰是精华集锦的反面,"你实际上需要全部内容",每一个案例、每一个司法辖区都要覆盖,这意味着要实打实地把法院书面档案逐一扫描录入。谈到Anthropic自家的Claude for Legal,这位创始人给出了毫不留情且非常具体的评价:它"基本上就是把一堆markdown技能文件和几个集成打包在一起",用户"会撞到天花板……明白它有多浅,然后就会来找我们。所以对我们来说,它实际上是一个巨大的获客管道生成器"。他对各大实验室的结论是:"他们完全没有在我们的产品品类里竞争。至少目前还没有"(All-In,"The Trillion-Dollar Industries AI Is Disrupting……",2026年7月13日)。
  • 实验室无法抄近路的上下文与工作流锁定。 Glean销售的企业搜索能够整合一家公司自身的各类系统,并为每个任务挑选合适的(通常也是最便宜的)模型。当客户问为什么不能干脆用几个连接器配上Claude就够了,Glean的回答是"上下文究竟是什么,以及为什么构建它实际上非常复杂",再加上成本管控本身就是核心的附加价值(The Twenty Minute VC,"Why OpenAI and Anthropic Won't Win the App Layer……",2026年7月11日)。
  • 只用你独有的数据训练出来的自有窄域模型。 Legora的创始人并不相信要打造通用的"法律智能"模型,但确实会构建窄域微调模型,例如其"表格化审查"功能,把100份文档乘以100条提示词处理成一万次API调用,在这种场景下,一个专门构建的抽取模型能同时降低成本和延迟。同台的语音AI创始人对客户保持模型无关立场,但在语音领域胜过各大实验室,原因是"重要的是架构,而不是规模",背后由"超过一千名承包人员"手工标注音频数据作为支撑(All-In,"The Trillion-Dollar Industries AI Is Disrupting……",2026年7月13日)。
  • 出售能控制住AI账单的那把铁锹。 当下最清晰的融资信号是:Ramp以440亿美元估值融资7.5亿美元(估值较一年前几乎翻了三倍),讲的是控制支出、抓住欺诈的故事——"下一个预算难题已经是AI账单了。投资人押注的是谁能把它解决好。"而AlphaSense这家垂直AI公司,"为付真金白银且不会流失的客户做实实在在的工作",以75亿美元估值融资3.5亿美元,年经常性收入达6.5亿美元,高于去年10月的5亿美元(Marketing in the Age of AI,"AI Can Build Your Product……",2026年7月13日)。
  • 在没有人能关闭的开源权重上,拥有你自己运行的模型。 随着美国政府乃至(如今的)中国都在威胁限制模型访问,多位主持人认为,对大型企业而言,最安全的长期策略是运行像英伟达Nemotron或GLM 5.2这样的开源权重模型,并部署在自有硬件上,"没有人能把它从我这儿关掉……一旦我把它跑在自己的服务器上,它就会一直跑在我的服务器上"(What the AI?!,"The Invisible OpenAI Update Killing the Chatbot",2026年7月14日;Last Week in AI,"#252……",2026年7月15日)。

值得保留的一分怀疑:那些兜售"团队更精简、一个人撑起十亿美元公司"这一梦想的人,本身正是从中获益的一方。谈到各大实验室新出的创业指南时,一位主持人一针见血地点出了其中的矛盾:"当那家卖给你模型的公司告诉你,你需要更少的资金和更少的人手时,这条建议既有用,又同时对它自己有利。拿地图可以,但要质疑画地图的人"(Marketing in the Age of AI,"AI Can Build Your Product……",2026年7月13日)。

创业者启示

这周重新定义了平台风险。威胁不再仅仅是某个实验室把"面向X的Claude"推向你的赛道,而是各大实验室如今正在打一场价格战,这场战争让模型层变得廉价且可互换——这对你的成本线是好事,但对那些价值全部建立在转售模型访问权之上的人来说,则是灾难性的。

所以,用好便宜的token,但不要把它误认为是护城河:

  1. 先把降价收益揣进兜里,再问问还剩下什么。 Grok是Fable的八分之一,Meta是四分之一,GPT-5.6是一半,今天就用这些新的每token费率重新核算你产品的成本结构。如果你的经济模型只有在模型便宜时才成立,记住业内人士反复提到的那个2015年Uber的类比:补贴阶段总会结束。
  2. 用一句话说清你的护城河,说不出来就是没有。 "别人没有的数据。不容易离开的客户。一条你端到端自己拥有的工作流。"Legora的全语料法律数据、Glean的上下文、由上千名人类标注员支撑的语音模型——这些能在价格战中存活下来。一段巧妙的提示词不能。
  3. 把实验室那些"浅层垂直产品"当作获客来源,而不是死刑判决。 Arvind Jain和Legora的创始人都认为,"面向X的Claude"这类产品包很单薄,大多数情况下反而是在扩大市场——用户先试用它们,撞到天花板,再毕业升级到真正的产品。那就去打造他们最终会升级投奔的那个产品。
  4. 要么出售铁锹,要么拥有模型。 本周最大的几笔融资流向了那些帮别人管控AI支出的公司(Ramp),或是那些做实实在在、不会流失客户的垂直业务的公司(AlphaSense);与此同时,最安全的基础设施策略,是运行那些你自己拥有、任何政府或实验室都无法关闭的开源权重模型。

各大实验室刚刚向你证明了,为了拥有人人都依赖的那一层,他们愿意主动竞相压低自己的利润率。从此以后能够胜出的创业者,不是那些最巧妙地租用这一层的人,而是那些拥有这一层触及不到的东西的人。