【科技资讯】Token 的生意：谁在卖，谁在赚

📌 信息分类：数据要素
🗄️ 信息来源：用户推荐
🔗 原文链接：点击访问原文
📅 原文发布时间：2026-07
⏱️ 本站采集时间：2026-07-14 14:15:20

—

Token 不仅仅是模型厂商价格表里的一个单位。进入商业链路后，它会变成价格、路由、账单、供应链和合规问题。

本文接着《什么是 Token》，继续讨论这门生意里谁在卖 token，谁在赚 token 的钱。

Token 为什么能卖钱

Token 并不是一种独立商品。模型厂商出售的，是围绕 token 计量出来的模型调用服务。

你调用一次模型，要按 token 计费；采购一套 AI 系统，供应商会把 token 成本放进报价；用 Agent 跑长任务，后台也在持续消耗 token；你觉得某个中转站便宜，背后往往也是另一套 token 获取方式和价差安排。

Token 只是把算力、显存、带宽、工程系统和模型研发这些成本折算成用户看得懂、供应商算得清的单位，就像电表的”度”。

但 token 又比电表复杂得多：

一百万 token 在不同模型里，实际含义并不完全一致

不同模型分词器不同，同一句中文切成 token 数量不同

输入 token、输出 token、缓存 token 的成本不一样

所以，token 是计费单位，但还不是一个完全标准化的商品单位。

输入 Token 和输出 Token 为什么不是一个价

打开模型厂商的定价页，会看到一个很直接的现象：输入 token 通常比输出 token 便宜很多。

以 OpenAI 官方 API 定价页为例（截至 2026 年 6 月 30 日）：

GPT-5.5 标准 API：每百万输入 token 5 美元，每百万输出 token 30 美元 → 输出价格是输入价格的 6 倍

Anthropic Claude Opus 4.8：每百万输入 token 5 美元，每百万输出 token 25 美元

DeepSeek deepseek-v4-flash：缓存未命中输入 0.14 美元/M，输出 0.28 美元/M

为什么输出更贵？原因不简单是”模型写答案更辛苦”，而是工程负载不同：

输入阶段：模型可以一次性读取一批 token，做并行处理，像读材料，可以整段同时送进计算

输出阶段：大语言模型通常是自回归生成，一步一步往后生成，每生成一个 token 都要依赖前面内容，显存和内存带宽压力更大

这也解释了一个常见误区：用户觉得”我只问了一句话”，为什么账单不低。因为账单不只看你问了多少，也看模型答了多少。你让模型写一篇长报告，或者连续跑一个 Agent 任务，贵的往往不是输入，而是后续持续输出和多轮调用。

缓存折扣：Token 生意里的第二张价目表

近两年各家模型厂商越来越强调另一种价格：缓存 token。

所谓缓存：如果同一段上下文被反复使用，模型服务商不必每次都按完整成本重新处理，成本可以下降。比如：

AI 编程助手反复读取同一个代码库

企业知识库问答系统反复使用同一批文档

法律 Agent 反复读取同一份项目材料

缓存价格对比（例子）：

OpenAI GPT-5.5：缓存输入 0.5 美元/M → 仅为普通输入价格的 10%

DeepSeek deepseek-v4-flash：缓存命中 0.0028 美元/M → 仅为缓存未命中价格的很小一部分

对高频调用场景来说，缓存命中率会直接影响成本结构。一个企业如果每天让 AI 读取同一套制度，缓存策略做得好，账单可能下降一大截。

未来采购 AI 服务时，不能只问「每百万 token 多少钱」，还要问：

是否支持上下文缓存？

缓存怎么计费？

命中率能不能在后台看到？

缓存数据会不会被用于训练？保存多久？

Token 生意的四层结构

第一层：模型厂商卖基础能力

OpenAI、Anthropic、Google、DeepSeek、阿里云、火山引擎、智谱等厂商，训练模型、维护推理基础设施，通过 API 开放能力，掌握最底层定价权。

定价围绕三件事：能力分层（旗舰/中端/轻量）、成本拆分（输入/输出/缓存分别计费）、用户习惯（API 计费 + 订阅制并行）。

有意思的现象：订阅制对重度用户往往更划算，但平台不可能长期无限补贴，所以很多采取”限量供应”。未来 AI 工具的用量管理将成为重要话题。

第二层：云服务商卖稳定性、合规和企业入口

企业不一定直接找模型厂商，很多时候通过 Azure、阿里云百炼、火山方舟、Google Cloud 等平台调用。

这一层卖的不只有模型能力，还有统一账号、账单、权限管理、日志、SLA、区域部署、数据驻留、企业合同、发票、本地技术支持。对企业来说，这些往往比”每百万 token 便宜几毛钱”更重要。

结论：token 可能只是入口，云才是生意。

第三层：聚合平台卖路由和统一接口

典型代表 OpenRouter，把多个模型接到同一个接口，开发者不用分别对接每一家，可以做模型切换、成本比较、路由管理。

赚的是接口统一、模型选择、路由策略和账单管理的钱。

风险：当企业通过聚合平台调用多个模型，需要关心请求到底去了哪个模型、数据经过哪些供应商、日志留在哪里、失败时是否自动切换，这已经进入供应链管理。

第四层：中转站卖访问能力和信息差

用户不直接调用官方 API，发给中转站，中转站再通过自己的账号/渠道调用，最后返回结果。

存在原因：解决访问限制、支付困难、账号门槛、发票需求、企业采购不便、海外模型偏好等痛点。

风险提示：价格低到不符合常识时，需要追问：

模型来源是否合法？

是否真的调用了声称的模型？

请求和响应日志是否会被保存或转售？

token 用量能否被独立核验？

便宜本身不是问题。真正的问题是，便宜背后可能不是效率，而是风险转嫁。

图：Token 生意的四层流转｜数熵制图

Token 生意里的几种常见套利

订阅制套利：用户买固定价格订阅，用自动化工具跑满额度，利用订阅价远低于 API 等价成本套利

地区和渠道套利：利用国内外模型价格差、支付条件差，转卖获利

模型替换套利：用户以为买的是高级模型，后台实际调用更便宜模型

计量口径套利：虚报 token 数量，用户无法独立核验

数据套利：用户把高质量业务数据交给服务，服务商攒下训练数据，这是另一层收入

这些套利不一定都违法，但对企业用户来说，调用链条越长，风险越大。

企业采购：真正买的不是 Token，而是可验证的服务

从企业采购角度看，token 价格当然重要，但不能只看价格。企业真正需要买的，是可验证的模型服务。重点看五件事：

模型身份能不能核验：供应商应当说明实际调用的模型名称、版本、供应商和切换规则，不能只写”支持 ChatGPT/Claude”实际随意替换

计费口径能不能复核：输入/输出/缓存/重试/工具调用/失败请求是否计费，应当说清楚，最好提供调用明细和用量日志

数据流向能不能说清：请求内容是否被保存，保存多久，是否用于训练，是否向第三方提供，合同里要写清楚

服务责任能不能追溯：模型错误、调用失败、数据泄露、服务中断，责任谁承担，赔偿上限多少，有没有安全事件通知义务

价格变动能不能管理：合同里需要约定价格调整通知、替代模型选择、服务降级处理和终止权

Token 价格会越来越便宜吗？

很多人直觉上认为，token 一定会越来越便宜。这个判断大体没错，但不完整：

✅ 模型推理成本确实在下降：更高效架构、更便宜国产模型、更成熟缓存批量调用，都会拉低单位 token 价格

⚠️ 但用户消耗 token 的方式也在变化：过去聊天一轮一问一答；现在 Agent 连续读取文件、调用工具、改代码、跑测试、自我修正，一个任务拆成几十上百次调用

因此，未来真正重要的不是 token 单价，而是 token 效率。同一个任务，能不能用更少 token 完成；能不能命中缓存；能不能避免无效上下文；能不能选择合适模型；能不能减少 Agent 无意义循环。

AI 服务的成本控制，正在从「买便宜 token」变成「管理 token 使用效率」。

结语

Token 的生意，看起来是模型厂商的价格表，实际是一条完整的 AI 服务供应链：

模型厂商卖基础能力

云服务商卖企业入口

聚合平台卖统一接口

中转站卖访问能力和信息差

企业用户在这些链条里购买模型能力、承担数据风险，并最终为账单负责

所以，讨论 token，不能只停在”多少钱一百万”。更应该问的是：

这个 token 是谁计的，谁卖的，谁路由的，谁保存了请求，谁能解释账单，出了问题谁负责。

当计量单位进入商业世界，它就会变成价格、合同、供应链和合规问题。这就是词元经济。

免责声明：本文仅为人工智能服务商业模式与合规风险的一般性讨论，不构成任何法律意见或投资建议。文中价格信息以相关厂商公开页面为基础，具体价格、模型名称和计费规则可能随时调整，实际使用应以服务商最新公示及合同约定为准。

—

🔗 阅读原文

Token 的生意：谁在卖，谁在赚