AI之牆｜Token 均價跌破一美元，前沿模型定價權已移轉買方

七月十一日，Mistral 發布 Medium 3，宣稱效能達到 Anthropic Claude Sonnet 3.7 的九成，定價卻只有它的八分之一。到了九月一日，Silicon Data 的 token 均價指數收在 97 美分，跌破 1 美元，較今年夏季高點腰斬超過一半。

兩個月，一個基準線徹底移位。這不是某家公司打了折扣，是整個前沿模型市場的定價地板在崩落——而且崩的速度，比任何一家廠商找到新護城河的速度都快。

◎效能八折，價格八分之一：中型模型的底部在哪裡

先把數字擺清楚。Mistral Medium 3（2026 年 7 月 11 日）：輸入每百萬 token 0.4 美元，輸出 2 美元，官方說跑分逼近 Claude Sonnet 3.7 九成以上。DeepSeek V4-Flash（8 月 3 日）：輸入 0.14 美元，輸出 0.28 美元，Artificial Analysis 測出每次實際測試成本 3 美分，而 Claude Fable 5 要 3.15 美元——便宜 100 倍。Google Gemini 3.7 Flash（8 月 13 日）：比上一代降價一半，三週後 3.8 Flash 接著出來，單價不變但模型本身耗掉更多 token，實際帳單反而貴了四成。

這些數字單獨看都不稀奇。串起來看就是一件事：中型模型的競爭已經不在能力上，在成本結構上。Mistral 把 DeepSeek v3 和 Claude Sonnet 3.7 同時拿來當對照組，等於宣告自己同時在兩條戰線作戰——既要比便宜，也要比夠用。這個打法三個月前還沒人敢這樣排陣。

問題在於，底部到底在哪裡？DeepSeek V4-Flash 每次測試 3 美分，但它在智力指數上只拿 50 分，被頂級模型甩開九分以上。便宜到這個程度，代價是腦力。這條曲線的盡頭不是無限便宜，是夠用和真的夠用之間的那條線——而這條線，每個行業，每個任務都不一樣。

◎從 Mistral Medium 3 到 token 均價跌破 1 美元：兩個月的骨牌

把時間軸拉開，這場崩價有它的邏輯順序。

7 月 11 日，Mistral Medium 3 上線，打出效能九成，價格八分之一的牌。這張牌的真正意義不是 Mistral 多厲害，是它把 DeepSeek 和 Claude 同時拉進同一個比價框架——中型模型的競爭基準從此重設。

7 月 30 日，OpenAI 把 GPT-5.6 Luna 砍價 80%，從每百萬 token 合計 7 美元降到 1.4 美元。這不是主動出擊，是被動跟進。根據 Silicon Data 的數據，自 7 月中以來，美系大廠的客戶實際支付價格已跌了近四分之一。

8 月 1 日，DeepSeek V4-Flash 發布，定價比 Claude Opus 4.8 便宜 99%，還在 Arena.ai 前端編程排行榜上排在 Opus 4.8 前面。這個組合讓便宜就是爛貨的最後一道心理防線失守。

9 月 1 日，Silicon Data 的 LLM Token Expenditure Index 收在 97 美分，跌破 1 美元，創指數成立以來新低。Syz Group 投資長 Monchau 說得很直白：基礎模型實驗室是最直接的受害者。Token 通縮壓縮了營收線，但算力承諾是固定的。

兩個月，四個節點，一個清楚的方向：定價主導權正在從賣方移向買方。這不是市場調整，是結構性換擋。前沿模型廠商過去靠能力壁壘收租，現在開源陣營已把智能的邊際成本壓到接近免費，租金收不下去了。

◎對台灣的企業：採購，議價，風險，三件事要現在動

這場定價戰對台灣的企業是實質的，不是遠方的產業新聞。具體分三件事說。

**採購邏輯要重寫。** 現在評估 AI 模型，不能只看單 token 價格，要算跑完一件事實際燒掉多少錢。Qwen 3.8-Max 的教訓很清楚：帳面定價低，但預設設定是最高推理強度，實際每個成功任務的成本可能是同類模型裡最貴的。DeepSeek V4-Flash 每次測試 3 美分，但拿去跑需要高度推理的法律或財務任務，它想太久，繞太多彎，省的錢可能都被浪費的 token 吃回去。正確的採購動作是：先定義自己的任務類型——是大量重複的文件處理，還是需要深度推理的複雜判斷——再按任務類型選模型，而不是挑一個看起來最強的統包。

**議價窗口現在最寬。** Token 均價從夏季高點腰斬，OpenAI，Anthropic，Google 三家同一週內都在調整定價，中國模型的競爭壓力還沒有消退的跡象。這是過去三年裡議價籌碼最厚的時間點。對台灣的企業來說，這時候和模型供應商或雲端代理商談年約，談用量承諾，換到的折扣空間會比六個月後大。等市場穩定再去談，主動權就不在你這邊了。

**風險要提前算進去。** UBS 的分析點出一件反直覺的事：token 便宜了，帳單反而更大——因為便宜讓人用得更兇，AI 代理工作流一旦上線，token 用量會以倍數疊加。OpenRouter 平台今年 token 用量成長十倍，頂端用戶月均消費從 2,500 美元漲到 7,500 美元。台灣的企業現在評估 AI 工具，要同時設定用量上限和預警機制，否則部署規模一擴大，帳單膨脹的速度會讓財務部門措手不及。另一個風險是供應商綁定：Google 三週一迭代，今天調校好的工作流，可能下個月又要重新驗證。不要把所有任務押在單一供應商，保留替換彈性，是現在最實際的風險控管。

Token 均價跌破 1 美元，不是 AI 需求降溫，是採用範圍快速擴張的訊號。對台灣的企業而言，這個窗口不會永遠開著：等到市場重新找到定價錨點，供應商鞏固各自護城河，現在這種效能逼近旗艦，價格打折再打折的選擇密度，就不會再有了。若 2026 年底前 token 均價未能回到 1.5 美元以上，可以確認前沿模型廠商的定價權已永久性移轉給買方。