文｜小卢鱼

编辑｜杨旭然

 

全球大模型厂商正在掀起一种特殊的“价格战”。

 

这并非传统意义上的价格战，而是某种涉及付费模式、客户分层与服务价值的多维度价格策略竞争。最终目的是让大模型实现真正的商业化。

 

OpenAI于6月25日深夜宣布，GPT-5.5 Instant将于次日全面免费开放给所有用户。这款在医疗、法律、金融等高风险领域幻觉率下降52.5%的新模型，将直接取代旧版，成为ChatGPT全平台默认入口，覆盖数亿活跃用户。

 

同样是在这一周，Anthropic的Claude Fable 5将从订阅计划中移出，转为按用量credits计费。这家以“安全”著称的大模型，正在用更高性能、更高价格的大模型，收割企业级市场的利润。

 

国内大模型厂商中，一边是智谱AI年内已三次上调API价格，各型号涨幅均在30%以上，MiniMax、Kimi、阿里云也相继收紧免费用量、切换Token计费方式。另一边则是DeepSeek将V4-Pro的优惠价格转为长期价格。

 

一放一收、一降一增之间，是大模型厂商对商业化路径的选择分歧在加剧。而站在国内大模型行业选择交汇点的，是用户基数规模最大的豆包。

 

 

同样在这一周，豆包专业版正式上线，标准套餐68元/月、加强套餐200元/月、高级套餐500元/月。回想两年前，也是豆包用0.0008元/千Tokens的价格重塑了国产大模型价格，如今，又是它用分层订阅制率先拉开C端商业化的帷幕。

 

可以说，豆包在某种程度上主导了国内大模型商业化的竞争节奏。

 

本文是来自《巨潮WAVE》内容团队的深度价值文章，欢迎您多平台关注。

烧钱

 

互联网时代，用户越多边际成本越低。这是一个基础规律。

 

国民级应用里，微信日活超10亿，单用户运营成本几乎可以忽略不计，抖音日活超7亿，新增一个用户的服务器成本趋近于零，而这些日活用户带来的流量红利，都会变成实实在在的业务利润。

 

但大模型这门“生意”，则完全不是这套逻辑。传统互联网的本质是复制，而大模型的本质是一种计算。

 

训练大模型已经需要昂贵的固定资产投入，推理（Inference）更不是免费的无限复制。用户每一次提问、每一次长对话、每一轮复杂的工具调用、每一次多步执行的Agent拆解，背后都在实打实地消耗算力、电力、带宽和GPU折旧。

 

 

可以说，大模型的边际成本恒大于零，大模型的用户越多反而越赔钱——这个“反互联网思维”容易被忽视，是全球大模型厂商共同面临的困境。

 

OpenAI，这个全球最耀眼的AI明星，2025年营收约130亿美元，总成本和支出却高达340亿美元，全年净亏损390亿美元，比2024年的亏损额又增长了七倍。即便今年是冲刺IPO的重要节点，OpenAI的盈利能力也丝毫没有改善的迹象。

 

用户越多、调用越多，算力账单就越滚越大——这个AI行业先行者用真金白银换来的教训，同样适用于后来的追赶者。对豆包这个在中国月活最高的大模型来说，尤其如此。

 

根据火山引擎，截至今年3月，豆包大模型日均Token使用量已突破120万亿，在三个月内增长了一倍，比2024年5月发布时更是增长了1000倍。

 

根据QuestMobile，截至今年3月，豆包月活跃用户已达3.45亿，超过第二名千问（1.66亿）与第三名 DeepSeek（1.27亿）的月活总和，日活峰值更是突破1.5亿。

 

另外豆包今年一季度的月人均使用次数达54.8次，用户活跃率33.5%，两项指标均大幅领先行业竞品。

 

但这种用户层面的断层领先，首先带来的不是利润，而是成本压力的极速加剧。

 

根据晚点LatePost报道称，今年5月豆包应用每天算力消耗至少数千万元，但每天收入不足百万元，且主要还是来自于电商佣金。

 

只要豆包不想用户流失，对算力消耗就不能断供。近期市场上就流传着，字节跳动计划将全年资本支出提高到4000亿元至5000亿元的消息。

 

 

字节当然愿意烧钱，但这些钱肯定不是用来补贴日常运营、培养羊毛党，而是要将资金投向AI基建、芯片采购、数据中心等具有长期价值的领域，最终目的是实现商业意义上的盈利造血和良性循环。

 

至于如何把大模型从单纯烧钱变得可以赚钱，答案就藏在客户分层运营的策略里，这也是豆包专业版想做的事情——相比简单的收费，把超级用户区分出来更重要。

 

分层

 

什么是大模型的超级用户？这可能是个全新的AI理念。

 

那些偶尔尝鲜、拍个短视频炫耀“AI好厉害”就走的人，或者为了赶时髦每月订阅但只用三次的沉寂客户，和超级用户之间隔了十万八千里。

 

真正的超级用户，是每天高频调用大模型、将其深度嵌入工作流、用AI直接创造经济价值，有能力直接把AI算力变成经济收入的那群人。

 

 

对这些超级用户来说，大模型不是玩具，是生产力工具。正是这群最深度使用AI的人，给大模型厂商带来了最大的成本压力。

 

一次普通的、不存在任务目标的日常对话，Token消耗或许可以忽略不计。

 

但让AI生成一个完整项目的代码框架，消耗是普通对话的几十倍；生成一段3分钟的视频，模型要反复推理数百次；做一份深度的行业研报，需要长上下文、多轮追问、工具调用，单次任务的算力成本可能是日常聊天的上千倍。

 

如果这些超级用户和普通用户混在一个池子里，用同样的免费额度、同样的调用限制，很容易产生三个问题：

 

第一，算力成本被严重低估。一个超级用户消耗的资源，可能顶得上一万个普通用户，但他们的订阅费并没有比普通用户高多少。大模型厂商实际上在用海量普通用户贡献的价值，去补贴这些占比较少的超级用户。

 

第二，服务质量被拉低。大模型的推理资源是有限的，当超级用户发起长文本、高并发、复杂推理请求时，会挤占普通用户的资源配额。这就是为什么很多免费AI产品在高峰时段会出现响应变慢、排队超时的情况。

 

第三，商业模型无法闭环。如果厂商无法从真正消耗资源的人那里收回成本，就只能靠融资续命，或者压缩整体服务质量。

 

客户分层运营，很可能是解决这三大问题的良药。把超级用户从免费池子里剥离出来。让真正把AI当生产力的人，为自己的高消耗买单；让轻度用户继续享受免费、流畅的基础服务，不受重度用户的资源挤占。

 

 

这个逻辑在海外已被验证。ChatGPT Plus每月20美元约合人民币145元，面向的是高频用户；Claude Pro每月18美元，约合人民币130元；GitHub Copilot每月10美元，约合人民币72元。

 

相比之下，豆包专业版每月68元起，最高500元，同档位费用低于海外主流产品，性价比会成为吸引用户付费的一个卖点。

 

对于数以亿计的普通用户来说，分层运营同样意味着受益。超级用户被引导至付费通道后，免费版的服务质量不会下降（豆包承诺免费用户仍可继续使用日常功能，模型能力也会持续升级），还可能因为资源分配更科学而获得更流畅的体验。

 

只有一个健康的商业模式，最终才能让所有用户都享受到可持续的优质服务。

 

有用

 

大模型和其他生意一样，也需要实现商业化才能活下去。但想要收费还是要回答一个明确的疑问：专业版值得用户付费的理由都有什么。

 

在回答这个问题之前，我们可以先思考一下：超级用户究竟看到什么样的功能和服务，才会意识到这里藏着可以赚钱的生产力。

 

程序员想用AI生成代码、调试Bug、重构架构；设计师想用AI生成素材、迭代方案、加速创意落地；金融分析师想用读财报、建模、推演行情；电商从业者想用AI写商品文案、做客服话术、分析竞品数据……

 

这些使用场景、生产流程归纳起来就是“办公任务”四个字。

 

 

所以豆包专业版的思路很清晰，要从“能聊天”转变为“能干活”。

 

其办公任务模式不再只是回答问题，而是基于Agent驱动，理解工作目标、自主拆解任务、调用工具、最终交付完整成果。

 

豆包专业版还支持操作本地电脑、使用浏览器、调用Skills技能和定时任务，完整集成了飞书办公套件，可以设计专业图片视频、生成可分享的应用网站。

 

网上已经有不少测评up主分享了自己的使用体验，总的来说，用户要先做到以下5点才能发挥出豆包专业版的价值：

 

1. 明确任务目标，“帮我生成一份Rokid Glasses的竞品分析报告，输出文档”，就要比“帮我看看AI眼镜市场”更明确；

 

2. 善用异步任务，这样遇到数据量大、搜索量大、输出量大的任务也能不影响其他工作、不产生过多的“AI碎片时间”；

 

3. 善用本地电脑，让豆包在指定文件夹区域干活，更加安全；

 

4. 配置定时任务，把重复的日常工作设置为定时任务，实现自动化；

 

5. 探索Skill能力，体验系统内置Skill的能力，也可以按需自行创建。

 

从测评内容来看，《每日经济新闻》记者让豆包将下载目录内的327张图片按月份归档，耗时仅3分钟；钛媒体让豆包制作发布会PPT，由于嵌入了飞书的部分能力，PPT支持页面内直接预览和在线编辑，修改不用导出到本地软件来回折腾

 

这些琐碎但耗时的重复劳动，这些都是日常办公中真正的痛点。

 

也有测评UP主用豆包专业版生成了一个完整的世界杯球星消消乐游戏，所有的bug也是由豆包2.1 Pro模型自己去修，而豆包交付的结果是一个可以正常点击、有音乐交互的网页。

 

在这种更考验创造力、技术力、生产力的场景中，豆包专业版表现得足够专业。

 

 

豆包专业版的商业化进程，注定会成为整个行业的风向标，也会给整个行业带来一场全新的变化。

 

相信在这个过程中，用户或多或少都能享受到实惠，这也是AI平权的真正意义：

 

不是所有人用同样的免费工具，而是每个人都能在适合自己的层级水平上，获得与付出相匹配的价值，不论这份付出是一笔钱，还是一次注意力的投入。