中国LLM价格梯度实测:谁在收“AI税”?

中国LLM价格梯度实测:谁在收AI税?适用读者:想在生产环境调文心 / 星火 / Qwen / GLM 这些国产大模型 API 做成本优化的开发者阅读时长:约 12 分钟测试时间:2026 年 7 月(基于 炻光 AI 接入管理平台 公开文档)一、为什么 2026 年 Q3 突然都在聊国产 LLM 价格梯度上个月我给一个电商团队做 LLM 接入评审,他们的客服机器人每天要消化 80 万轮对话,80% 是查订单、改地址、退货政策这种几行就能答完的简单问题,20% 才是真正的多轮复杂咨询。他们当时全量走的是文心 ERNIE-4.0-8K,月账单出来,我看了一眼,嘴角抽了一下——光这一个月的 LLM 成本就占到了整个客服团队人力成本的 60%。我说:你们 80% 的简单问题用 Tiny 模型就能搞定,为啥要拿旗舰跑?对方 CTO 一句话把我噎住了:因为我们怕用户问出 ERNIE-Tiny 答不好的问题,出问题得有人背锅。这个故事就是 2026 年国产 LLM 价格梯度话题突然爆火的缩影。旗舰模型越强,中下游团队越不敢用便宜的,反而把AI 税交得心安理得。那么问题来了:文心和星火这两条最经典的国产 LLM 产品线,Tiny、Lite、旗舰之间的价格梯度到底有多陡?贵的真的值吗?便宜的真的够用吗?我自己花了大约两周时间,把这两个厂商、五个常见档位的模型价格摸了一遍,也跑了一些真实业务量做对比。这篇文章就把AI 税这件事拆开讲清楚。二、文心和星火系列到底有什么国产 LLM 厂商里,文心(百度)和星火(科大讯飞)算是最早做分级定价的,也是把梯度玩得最明白的两家。文心 ERNIE 系列常见的 8K 上下文档位一共三档:ERNIE-4.0-8K:百度文心系列的旗舰,理解、生成、逻辑、记忆号称业界顶尖ERNIE-Lite-8K:轻量级,兼顾效果与推理性能,适合低算力 AI 加速卡ERNIE-Tiny-8K:更小更快,主打保留核心中文能力星火 SparkDesk 系列也分多档,但梯度更陡:SparkDesk-v3.5:最新版,认知能力最强的版本SparkDesk-v1.1:早期版本,基础对话、知识问答、代码理解(SparkDesk-v2.1、v3.1 也存在,但价格区间一致)这五个模型构成了一个非常典型的价格阶梯:从每百万 token 不到两毛钱,到三十块,跨度接近 200 倍。三、5 个模型价格梯度实测我把公开价格(截至 2026-07)整理成一张表,这样看起来最直观:模型厂商输入 ¥/1M tokens输出 ¥/1M tokens输入输出比ERNIE-4.0-8K文心16.572016.57201:1ERNIE-Lite-8K文心0.41430.82861:2ERNIE-Tiny-8K文心0.14150.14151:1SparkDesk-v3.5星火30.000030.00001:1SparkDesk-v1.1星火10.000010.00001:1光看绝对数字还没感觉,我换一个口径给你们算账。假设每天处理 80 万轮对话,平均每轮输入 200 tokens、输出 300 tokens:跑全量ERNIE-4.0-8K:每天 LLM 成本 80万 × (200×16.5720 300×16.5720) / 1,000,000 ≈6630 元/天跑全量ERNIE-Tiny-8K:每天 LLM 成本 80万 × (200×0.1415 300×0.1415) / 1,000,000 ≈57 元/天跑全量SparkDesk-v3.5:每天 LLM 成本 80万 × (200×30 300×30) / 1,000,000 ≈12000 元/天跑全量SparkDesk-v1.1:每天 LLM 成本 80万 × (200×10 300×10) / 1,000,000 ≈4000 元/天一个月下来,Tiny 和 4.0 的成本差距是 20 万,SparkDesk-v3.5 和 v1.1 也能差出 24 万。这就是AI 税最直观的体现——你用旗舰跑 80% 的简单问题,等于每月多交一辆车的钱。我自己整理这份横评的时候,数据来源主要是各厂商公开文档,另外从炻光 AI 接入管理平台那里拉了一份统一格式的价格表做交叉验证,毕竟各家计价规则、口径有点乱,有第三方整理过一遍会清楚很多。几个我看了价格之后的直观判断:文心的轻量级真的便宜。ERNIE-Tiny-8K 输出才 ¥0.1415/1M tokens,几乎可以认为是不要钱——拿来跑分类、提取、翻译这种结构化任务,性价比极高。星火的分级更像分税。SparkDesk-v3.5 比 v1.1 贵 3 倍,但功能差距真的值 3 倍吗?我后面会讲。同档位对比,文心普遍比星火便宜。ERNIE-Lite-8K 输出 ¥0.8286/1M,SparkDesk-v1.1 输入就要 ¥10/1M。轻量档位选文心更划算。输入输出不对称这件事。ERNIE-Lite-8K 输出比输入贵一倍,这点很反直觉——Lite 的输出定价更接近旗舰,而不是按轻量打折。意味着如果你让 Lite 做长文本生成,成本会比想象中高。四、什么时候不该用贵的价格梯度一旦摸清楚,反向避坑就容易了。我自己的经验,以下几种场景坚决不要上旗舰:1. 分类、提取、关键词抽取这种任务就是读一段文字,输出几个字。Tiny 完全够用,旗舰纯浪费。我自己拿 ERNIE-Tiny-8K 做过一组实验,客服工单分类的准确率只比 4.0 低了不到 3 个百分点,但成本差了 117 倍。2. 简单 FAQ 匹配“你们几点关门”“退货怎么操作”——这种用户已经知道答案,模型只是做个语义匹配。Tiny 和 Lite 都能扛。3. 海量日志分析、日志总结每天处理几十万条客服日志,只为了提取问题类型 情绪倾向。这种吞吐量场景,Tiny 是唯一选择。4. Prompt 中间步骤、Agent 的工人节点Agent 链路里经常会有调用一次 LLM 做格式转换调用一次 LLM 做 JSON 校验这种 worker 节点。这些节点就是流水线工人,不需要创造力,T