大模型智能成本一年内跌约100倍，半年前1.22美元的任务如今只要2.2美分，能力天花板同步抬升。便宜催生海量新用途，项目总开销反而上涨。
2025年2月，完成一项标准智能任务还要花1.22美元；到2026年8月，同样水平的任务只要0.022美元，半年跌了56倍。按这个速度，同一能力水平的价格大约每一年就会跌100倍。
衡量智能水平用的是Artificial Analysis Intelligence Index(v4.1.1)，由9项评测加权合成，其中智能体任务占34%，编程占24%，科学推理占24%，通用能力占18%。2025年8月的天花板是GPT-5，35.3分，每次任务0.26美元；如今最强的是Claude Opus 5，63.1分，每次2.34美元。而一年前的那个天花板，现在用GPT-5.6 Luna的省力模式就能达到，每次只要0.0088美元。最能说明问题的是：10个月前掀起编程智能体革命的Claude 4.5 Sonnet(37.4分)，同等能力如今只要当初1/40的价钱。
各档位的最低价纪录也在快速刷新。40分以上档2026年2月开价1.22美元，两天内被Gemini 3.1 Pro Preview压到0.33美元，4月MiMo-V2.5-Pro砍到0.034美元，现在由GPT-5.6 Luna以0.022美元保持。50分以上档从3月的1.10美元降到0.032美元，五个月降了35倍。统计137个模型的价格后发现，各档位最低价大约每4到10周腰斩一次。需要说明的是，这些数字是按发布时间标注的最新价格，实际降幅可能更快；228个退役模型只找回44个的价格记录，o3和GPT-4时代的模型完全无从查起。
价格塌陷直接改变了使用方式。有人用智能模型扫描约1万篇候选论文做数据复用审查，现在跑完整个语料只要一百多美元，3月时的价格要几千美元。可项目总开销反而涨了：去年同样的审查只在抽样上跑过一次，今年整库跑、流程一变就重跑，阳性结果还要重复三次降噪。这正应了William Stanley Jevons在1865年观察到的现象，即著名的杰文斯悖论：蒸汽机更省煤之后，英国的煤越烧越多，因为更便宜的能源催生了更多用途。对智能的需求同样弹性极大。
当价格低到每份文档一分钱，关注的焦点就从挑选文档变成设计问题；多轮重复执行成为常态；能力档位也不再是描述系统的关键，每一步都可以按需求临时选配最便宜的模型。到那时稀缺的不再是智能本身，而是判断力、用于校验的基准数据和大规模运行的系统。OpenRouter已经推出按最低能力分自动选最便宜模型的智能路由，把模型名写死在应用里，正在成为最贵的做法。
原文：https://catalystneuro.com/blog/cost-of-intelligence-drops-100x/