DeepSeek 一边把峰值价格抬上去，OpenAI 一边给 Luna 打两折：AI 定价战变味了

先说结论

AI API 的价格战，突然演成了两部完全不同的戏。

深圳商报等媒体报道，DeepSeek 部分 API 价格最高上涨 1100%，并首次把高峰与空闲时段拆开收费；同一时间，OpenAI 反向操作，GPT-5.6 Luna 价格下调 80%，Terra 下调 20%。

表面看是“一个价格屠夫涨价，一个头部玩家降价”。但官方当前价格页告诉我们的更复杂：DeepSeek 在给算力高峰定价，OpenAI 在给 Agent 执行层降价。真正被重新定价的，不是一个 token，而是一整条工作流。

DeepSeek 涨的不是所有时间，而是你最想用的那几个小时

DeepSeek 当前官方价格页把峰谷写得很直白：高峰时段为 UTC 01:00–04:00、06:00–10:00，其余时间是非高峰；非高峰价格是高峰的一半。

以 V4 Pro 为例，缓存命中输入约为每百万 tokens $0.022（非高峰）和 $0.044（高峰），输出约为 $1.98/$3.96。这和媒体报道的“涨价 1100%”不是同一张表：1100% 是相对旧价的变动口径，官方当前页展示的是新价的峰谷关系。

这对 Agent 团队很现实。凌晨跑批、缓存命中和离峰预热，可能继续便宜；工作日高峰、缓存没命中、长链路反复调用，账单会同时被多个开关推高。

OpenAI 的降价，瞄准的是高频执行层

OpenAI 当前 GPT-5.6 价格表把模型分得很清楚。短上下文标准价中，Luna 输入 $0.20、缓存输入 $0.02、输出 $1.20；Terra 输入 $2、缓存输入 $0.20、输出 $12；Sol 则是 $4/$0.40/$20。

这就是媒体所说 Luna 下调 80%、Terra 下调 20% 后的产品信号：旗舰 Sol 仍在高位，Luna 和 Terra 被放到更适合高频执行的档位。OpenAI 不是把所有模型都降成白菜价，而是在告诉开发者：复杂规划用大模型，重复执行和工具调用可以换更便宜的模型。

如果一个 Agent 一次任务要调用模型几十次，单次便宜几美元不如每一步都少花一点。价格表开始照着工作流分层，而不是照着“谁最聪明”排队。

这不是简单的中美价格对打

把 DeepSeek 和 OpenAI 放在一张“每百万 tokens”表里硬比，很容易得出错误结论：币种不同、缓存规则不同、峰谷时间不同、模型定位不同，甚至上下文档位都不同。

真正可比的是三个问题：

• 你的调用发生在高峰还是离峰？
• 相同前缀能不能稳定命中缓存？
• 一个任务需要调用几次，以及每次该用多大的模型？

DeepSeek 在测试“谁愿意为了离峰价格调整调度”；OpenAI 在测试“谁能把更多 Agent 步骤交给便宜执行模型”。一个优化供给曲线，一个优化任务分层。

对开发者：先别急着换模型，先改账单的形状

如果你正在用 API 做 Agent，立刻能做的不是换供应商，而是把成本拆出来：规划 token、工具调用 token、重复上下文、失败重试、缓存命中率和高峰占比。

同一条工作流可以这样改：先用强模型生成计划，再用便宜模型执行固定步骤；把不变的系统提示和工具说明放进缓存；把批处理推到非高峰；给循环设置最大步数和失败熔断；让昂贵模型只处理真正需要判断的分支。

这比盯着“单价涨了多少”更接近真实成本。Agent 时代最贵的，常常不是一个回答，而是它在错误方向上连续回答了 40 次。

对普通用户：免费或便宜不等于整个任务便宜

你在网页里问一次问题，可能感受不到价格变化；企业后台、代码 Agent、批量文档和自动客服会更敏感。一个看起来很便宜的模型，如果需要更多轮次、更多重试或更长上下文，最后账单未必更低。

反过来，一个单价更高的模型，如果一次就完成任务，也可能更划算。以后选模型不能只看“每百万 tokens 多少钱”，还要看完成一个真实任务要花多少 token、多少秒和多少次人工介入。

我们的判断：价格战从“谁更便宜”转向“谁控制任务入口”

DeepSeek 的涨价并不自动意味着它失去“价格屠夫”位置；它可能是在把稀缺高峰算力卖给最着急的人，同时用离峰折扣保持弹性。OpenAI 的降价也不只是防守，它在把 Luna/Terra 塞进更多 Agent 的默认执行路径。

接下来最值得看的不是下一张价格表，而是路由器、Coding Agent、云平台和应用商店会把哪一个模型设为默认。谁控制任务入口，谁就能决定每一步调用哪个模型，也就能决定价格战最后流向谁的利润表。

仍需观察

• DeepSeek 峰谷价格是否继续扩展到更多模型和地区；
• OpenAI Luna/Terra 的低价是否伴随速率、上下文或功能限制；
• 缓存命中率、重试率和 Agent 步数是否会抵消单价下降；
• 第三方 Router 是否会把不同模型的峰谷、缓存和任务分层自动编排。