OpenAI 疯狂降价，DeepSeek 却反向涨价，大模型战场彻底乱了！
2026年夏天，全球大模型行业上演了一场匪夷所思的价格反向操作！
2026年7月9日，OpenAI正式向全球推出GPT-5.6系列三款模型。旗舰版Sol主打编程、生物学和网络安全等高阶应用；均衡版Terra面向企业日常工作；轻量版Luna则定位为速度快、价格实惠的高吞吐量模型。三款模型覆盖了从尖端到经济型的完整产品线。
仅仅22天后，7月31日，OpenAI突然宣布将Luna价格下调80%。调整后，每百万输入Token仅需0.20美元，输出1.20美元。Terra也同步降价20%。
而就在OpenAI举起价格屠刀的同一周，另一家公司的动作却完全相反。
8月13日，深度求索发布DeepSeek-V4-Pro正式版，同时宣布新价格方案将于8月17日生效。新方案采用峰谷定价——高峰时段为工作日9:00-12:00和14:00-18:00，空闲时段价格减半。调价后，V4-Pro高峰时段每百万Token输出价格将达27元，较现行6元上涨约350%。V4-Flash价格同步上调，最高涨幅达400%。
一家在降价，一家在涨价。同一片市场，同一个夏天，完全相反的方向。
这到底是为什么？
51分对50分，智商差距不到一个选择题
Artificial Analysis Intelligence Index，这是衡量大模型综合智能水平的独立评测标准。在这项测试中，GPT-5.6 Luna拿到50分，DeepSeek V4 Flash 0731拿到52分。
两分之差。在百分制的考试里，52分和50分的差距，大概就是一两道选择题的运气。
在另一组配置下，GPT-5.6 Luna（medium）得分39，DeepSeek V4 Pro（Reasoning, Max Effort）得分45。但不同配置的分数口径不同，直接比较意义有限。更关键的是另一组数据：在代码能力测试DeepSWE中，GPT-5.6 Luna的pass@1达到67.2%，DeepSeek V4 Flash为53.3%。差距14个百分点，这是Luna表现更优的领域。但在AutomationBench和Toolathlon两项测试中，DeepSeek V4 Flash反而领先。
各有胜负。互有长短。谁也甩不开谁。
智能水平差不多，能力范围有重叠也有差异。然后呢？
然后就是速度和价格。速度和价格才是这场对比最荒诞的部分。
输出速度每秒173个Token对63个Token，接近三倍差距
Artificial Analysis的实测数据直接撕开了真相。
GPT-5.6 Luna（medium）输出速度达到每秒173个Token。DeepSeek V4 Pro（Reasoning, Max Effort）只有每秒63个Token。
173除以63，等于2.75倍。
在另一组配置下，GPT-5.6 Luna（xhigh）输出速度每秒144个Token，DeepSeek V4 Flash 0731（Reasoning, Max Effort）每秒115个Token。差距稍小，但Luna仍然领先。
输出速度慢三倍，意味着什么？
意味着用户提出一个问题，Luna已经把完整答案吐出来了，V4 Pro才刚输出三分之一。意味着在处理长文档摘要时，Luna用一分钟干完的活，V4 Pro要等三分钟。意味着在代码生成场景里，开发者在Luna上改完bug提交测试了，V4 Pro的用户还在盯着屏幕等代码补全。
更直观的对比来自真实任务耗时。有测试显示，在处理编码任务时，DeepSeek V4平均耗时23分钟，而GPT-5.6 Luna只需16分钟。整任务慢了将近一半。
大模型不是用来跑分的。大模型是用来干活的。干活就要等，等就有成本。每一秒等待都在消耗用户的耐心、精力和时间。
首Token延迟是另一个维度。在这个指标上，DeepSeek V4反而更快——V4 Pro首Token延迟1.71秒，Luna（medium）需要2.54秒。V4 Flash（Reasoning, Max Effort）首Token延迟1.43秒，Luna（xhigh）则需要50.93秒。
但首Token快只解决了"开头的感受"，输出速度慢三倍解决的是"全程的等待"。一个开头快全程慢，一个开头稍慢全程快。对于长文本、长对话、长代码生成来说，全程快才是真正的快。
速度差距的作用方式，和智商差距完全不同。智商差两分，用户可能永远感知不到。但速度差三倍？每一次调用都能感受到。每一次输出都能看到。每一次等待都像在提醒用户。
每百万Token两毛钱，对手却在往上涨
GPT-5.6 Luna的API定价是每百万输入Token 0.20美元，输出1.20美元。初始发布时这个数字是1美元和6美元，仅仅三周就被砍掉了八成。
DeepSeek V4呢？
V4-Pro高峰时段每百万Token输出27元人民币，约合3.8美元。V4-Flash高峰时段输出9元。即使是最便宜的V4-Flash空闲时段，输出也要4.5元。
同口径对比输入价格：GPT-5.6 Luna是0.20美元。DeepSeek V4-Pro高峰时段输入（缓存未命中）9元，约1.27美元。Luna是后者的六分之一。V4-Flash高峰时段输入3元，约0.42美元。Luna大约是后者的一半。
同口径对比输出价格：GPT-5.6 Luna是1.20美元。DeepSeek V4-Pro高峰时段输出27元，约3.80美元。Luna不到后者的三分之一。V4-Flash高峰时段输出9元，约1.27美元。两者几乎持平。
一个输出速度每秒173个Token，价格只要1.20美元。一个输出速度每秒63个Token，价格却要3.80美元。
速度快三倍，价格还便宜三分之二。
但更有趣的是另一组数据：DeepSeek V4 Flash的单任务成本比GPT-5.6 Luna低约60%。即使在OpenAI降价80%之后，这个优势依然存在。原因是DeepSeek为其自有API提供了极高的缓存命中折扣。
也就是说，在单任务成本这个维度上，DeepSeek反而更便宜。
所以问题从来不是"谁更便宜"这么简单。问题是：一方在拼命降价，一方在大幅涨价。方向完全相反。
一边免费开放，一边酝酿提价
2026年8月6日，OpenAI宣布ChatGPT免费用户的默认模型升级为GPT-5.6 Luna，并提供无限量文本聊天。全球约十亿用户，一分钱不用花，直接用上了这款输出速度最快的模型。
免费用户不在乎参数规模。不在乎激活参数多少。不在乎上下文是100万还是128K。他们只在乎一件事：问一个问题，多久能收到答案。
Luna给了他们答案——输出速度每秒173个Token。而如果一个免费用户不小心用上了DeepSeek V4 Pro，输出速度只有每秒63个Token。
一个在免费铺量。一个在酝酿提价。一个让十亿人免费用上最新模型。一个连现有用户都可能面临更高的账单。
市场方向的分野，从来没有这么清晰过。
更耐人寻味的是时间线。OpenAI在7月9日发布Luna，7月31日降价80%，8月6日宣布免费开放。三周降价，一周免费。这种节奏，这种速度，这种对价格战毫无保留的投入，只能说明一件事：OpenAI在算力成本和模型优化上，已经建立起了某种优势。
而DeepSeek在8月13日宣布涨价，8月17日生效。时间点刚好卡在OpenAI免费开放之后的一周。
参数堆得越高的模型，为什么反而越被动？
DeepSeek V4的参数规模确实惊人。Pro版总参数1.6万亿，激活参数490亿。Flash版总参数2840亿，激活参数130亿。两款模型均原生支持100万Token超长上下文。
参数多意味着模型大。模型大意味着推理成本高。推理成本高意味着要么提价，要么亏钱。
DeepSeek选择了提价。整体调价后价格是原来的1.5倍至12倍。
GPT-5.6 Luna呢？上下文窗口105万Token，最大输出128K。它支持文本、图像和文件输入。而DeepSeek V4只支持文本输入。
一个能看图、能读文件、能处理多模态输入的模型，价格只有对手的几分之一甚至更低。一个只支持文本输入的模型，在价格上反而更贵，速度上反而更慢。
这说明OpenAI在模型架构和训练效率上的积累，已经让"堆参数"这条路变得性价比越来越低。
参数多不等于成本低。成本低不等于参数少。真正拉开差距的，是每单位智能的获取成本。
而这个成本，正在以肉眼可见的速度分化。
一个向左，一个向右，谁的方向是对的？
2026年的大模型市场正在经历一场前所未有的价格分化。
OpenAI在降价。DeepSeek在涨价。Google在推高性价比模型。Anthropic在推出价格仅为高端模型一半的Claude Opus 5。月之暗面发布了开源模型Kimi K3。
每一家都在做不同的选择。每一个选择背后都是对未来的不同判断。
OpenAI的判断是：用极致性价比抢占市场份额，让尽可能多的人用上最新模型。DeepSeek的判断是：用峰谷定价优化资源调配，让愿意付高价的用户承担更多成本。
谁对谁错？
答案不在任何一家公司的公告里。答案在十亿免费用户的每一次对话里。在每一个开发者的API调用记录里。在每一笔账单的增减趋势里。
大模型的价格战才刚刚开始。而这场战争最有趣的地方在于——没有人知道终点在哪里，但所有人都已经上了牌桌。
2026年夏天，OpenAI降价80%并免费开放Luna，DeepSeek反向涨价最高达400%。一个向左，一个向右。方向相反的两个选择，正在重新定义大模型的竞争规则。当智商只差两分，而输出速度差三倍、价格差三倍的时候，市场会用脚投票。