10 月 10 日，阶跃星辰的 Step 5 Preview 登顶 OpenRouter Trending 榜，并位列日榜全球第二；模型采用稀疏 MoE 架构，总参数量 6000 亿、每个 Token 激活约 270 亿，支持 100 万 Token 上下文窗口，原生支持文本与视觉输入（来源：新浪财经（格隆汇），2026-10-10，转引自 Tech Digest《AI行业24小时_20261011_10》）。
更关键的是两个数字：Artificial Analysis 综合智能指数 44 分，位列全球开源前三；官方称将于 10 月 15 日正式释放模型权重，单任务成本约为 Claude Opus 5 的 1/8（来源：新浪财经（格隆汇），2026-10-10）。
口径也要说清：Trending 榜是开发者调用热度榜，不是能力榜，日榜第二为 10 月 10 日的时点快照；"44 分 / 开源前三"为 Artificial Analysis 口径，与闭源旗舰仍有差距；"1/8 成本"是官方对比，未给任务分布与统计窗口（来源：新浪财经（格隆汇），2026-10-10）。
一边冲榜，一边卖提速包
几乎同一时间，闭源那边在推另一种生意。
OpenAI 上线 GPT-6.1 Sol 的 Ultrafast 极速模式，在 API、Codex、ChatGPT Work 三处同步推送，官方称生成速度最高为标准模式的 8 倍，约每秒 300 token（来源：36氪授权转载新智元，2026-10-09，转引自 Tech Digest《AI行业24小时_20261011_10》）。Sol 现按速度分三档售卖：标准版每百万 token 输入 2 美元、输出 10 美元，Fast 档价格翻倍，Ultrafast 输入 12 美元、输出 60 美元——是标准版的 6 倍（来源：36氪授权转载新智元，2026-10-09，转引自 Tech Digest《AI行业24小时_20261011_10》）。
有意思的是成本结构：GPT-6.1 Sol 在长程软件工程基准 DeepSWE v1.1 上与旗舰 Astra 打平、成本约其 1/5，短板是速度，标准版实测约 20 到 31 token/s（来源：36氪授权转载新智元，2026-10-09）。社区对 Ultrafast 的质疑集中在一点：先降低基础速度，再卖提速补丁包，等于变相涨价（来源：36氪授权转载新智元，2026-10-09；属用户社区评价，不是评测结论）。
把两件事放进同一张时间表：一边是开源模型把权重放出来，让企业能自己部署、自己压单位成本；一边是闭源厂商把同一个模型切三档，用速度差做溢价。两条路都可能赚钱，但对采购方来说判断标准只有一个——同样的任务，谁的年化总支出更低。这也是我们建议按季度重算选型的原因：价格带每个月都在动，去年的最优解，今年可能贵了一倍。
图注：同一个模型按速度分三档卖，Ultrafast 的输出单价是标准版的 6 倍（数据来源：36氪/新智元，2026-10-09）
28 倍价差，是这轮价格战的底色
把镜头拉远，价差比单个模型更值得记。
研究报告《Token Factory：AI 推理的成本革命》梳理了 2026 年 7 月那场开源"无限战争"：一个月内四家中国厂商密集发布——Kimi K3（2.8T 参数）、DeepSeek-V4（1.6T 参数，成本仅前代的 27%）、GLM-5.2、Qwen3.8（2.4T 参数）。按每百万 token 报价排列：DeepSeek V4 Pro 0.18 美元、GLM-5.2 0.9 美元、Qwen3.7 Max 1.4 美元、Kimi K3 2.3 美元，而 GPT-5.6 Sol 是 5 美元、Claude Fable 5 是 50 美元——28 倍价差（来源：研究报告《Token Factory：AI 推理的成本革命》，AI-Fundamentals）。
报告引述的判断是，开源与闭源的能力差距已经缩到 3 到 5 个月（该判断出自报告所引 Kimi 美国研究员，属访谈观点，非实测结论）。这个窗口意味着，企业自建"Token 工厂"从选项变成了可算账的方案（来源：研究报告《Token Factory：AI 推理的成本革命》，AI-Fundamentals）。
图注：同一批旗舰模型里，最便宜与最贵的单价差 28 倍（数据来源：研究报告《Token Factory：AI 推理的成本革命》）
便宜的底层，是成本曲线在降
价差不是营销，是工程。
另一份基于 OpenRouter 聚合定价数据的分析指出：输出的单价远贵于输入，原因在 Decoding 阶段的显存带宽受限；缓存读通常比标准输入低 30% 到 90%（来源：研究报告《大模型 API 定价策略定量分析框架与成本测算》，AI-Fundamentals）。而推理成本通常占大型 AI 服务商总运营成本的 80% 到 90%（来源：研究报告《AI 推理成本分析》，AI-Fundamentals）。
谁把缓存、路由、量化这些环节做好，谁就能在同样的能力下把单价压下去。价格战打到最后，比的不是谁敢亏，是谁的成本结构更干净。
对我们做聚合的人来说，这个成本结构直接决定能报出什么价。谁能把缓存命中率做上去、把简单任务路由到便宜模型，谁就能在不牺牲体验的前提下把单价压下来。反过来，只卖"更快的同一档"这种模式，迟早会被自家标准档的速度改善吃掉——提速这件事，本身也会降价。
源势AI观点
我们做 Token 聚合，站的位置恰好在这两股力量的中间。
第一，不该让企业为"最快"这一档多付几倍的钱。真实业务里，能容忍 300 token/s 的场景是少数，大多数任务要的是稳定和便宜。把模型按任务分流——简单任务走开源、复杂任务走闭源——是我们给客户的默认动作；能省多少，取决于业务里简单任务占多大比例，所以我们在选型阶段会先算一张分流表，而不是先报一个降本数字。
第二，价格波动比能力波动更难管理。同一批模型之间的价差，一个月里就能拉开一个数量级，意味着选型不能一年做一次，得按季度重算。我们给客户的建议是保留可切换的接口层，别把业务硬绑在某一个模型的报价单上。
第三，看到"1/8 成本"这类数字，先问口径。官方对比、第三方评测、社区口碑是三件事，混在一起既会亏钱，也会让报价失去可比性。
话题标签：#开源模型 #推理成本 #价格战
