这周，两条方向相反的价格信号同时砸在大模型推理上。一边是 OpenAI 公布首颗自研推理芯片 Jalapeño 的实测成绩，每瓦性能全面压过英伟达 GB200、GB300，单芯片每小时总成本与 H100 持平；一边是微博和小红书里普通用户在晒账单，DeepSeek 涨价后"一个问题烧了7块钱"，“涨价前用力蹬1个月都用不到5块钱，涨价后一眨眼一个下午就没了5块钱”。新浪微博新浪微博
大模型推理没有统一变便宜，也没有统一变贵，它在"分叉"。今天用跨源数据把这笔账算清楚：为什么分叉、你的账单在哪条路线上、哪些钱能省、哪些钱别花。
这周的三张账单
先看 OpenAI 掀的桌子。Jalapeño（墨西哥辣椒）是 OpenAI 第一颗自研芯片，不针对训练，专攻模型上线后"快速回答用户请求"的阶段。在 GPT-OSS 120B、DeepSeek R1 670B 和 Kimi K2.5 1T 三个公开模型上，Jalapeño 在峰值吞吐量下实现了 1.5～1.9 倍的每瓦 AI 工作量，端到端延迟降低至对比系统的 1/1.7～1/3.6。36氪在 GPT-OSS 120B 上，它一秒吐出 1459 个 token，对比系统 GB200 只有 535。
全网疯传的"104.3 倍"要准确理解：它不是全面碾压，而是把 GB300 逼到自己最快的解码速度——每秒 169 个 token——之后，在同样的速度口径下，Jalapeño 的吞吐才是它的 104.3 倍。36氪对手越往极限喘，差距越拉大，三个模型上分别是 53.7 倍、104.3 倍、56.1 倍。
再看美国的价格战。过去 27 天 OpenAI 降了三次：入门款 GPT-5.6 Luna 从每百万 token 7 美元降到 1.4 美元，旗舰款 Sol 的输出端也从 30 美元降到 20 美元，优惠至少持续到 11 月 21 日；Google 也在 8 月 13 日把 Gemini 3.7 Flash 降了 50%，限时到年底。知乎
而 DeepSeek 走了反方向：8 月 17 日执行新价，V4 Pro 高峰输出 6→27 元/百万 Token，部分场景涨了 12 倍。小红书不到一周又放出周末折扣，先涨价是为了在算力吃紧时筛选高净值客户，打折则是为了在低谷期抢夺开发者生态。新浪微博逻辑和峰谷电价一模一样。
为什么分叉：推理成本变成了"分时电价"
先看硬件端，就知道通用推理为什么敢便宜。每芯片每小时的总拥有成本，Jalapeño 是 1.56 美元，跟 H100 的 1.55 美元几乎一样，而 Vera Rubin 是 3.61 美元；按每兆瓦每秒吐出的 token 算，Jalapeño 约 5300 万，GB200 NVL72 只有约 1000 万。36氪注意，这还是一颗连投机解码都没开的一代芯片，SemiAnalysis 估算，光投机解码一项就能把每 Token 成本再压掉 2/3 以上。硬件成本压到这个位置，云厂商之间除了价格战，没有别的路。
但需求端是另一番景象。OpenRouter 平台周 Token 消耗量达到 93.4 万亿，首次突破 90 万亿关口，环比增长 24%，自年初的 6.4 万亿算起八个月增长近 14 倍。知乎Agent 一个任务要连着走几十步，单步延迟差值会被一路乘上去，这正是 Jalapeño 优势最大的场景：对于高度交互式的工作负载，性能优势达到 2.1～4.1 倍。36氪
所以今天的推理成本，不取决于"你用的模型强不强"，而取决于"你什么时候用、怎么用"：通用轻推理供给过剩、越来越便宜；思考重、高峰时段、高交互的推理算力吃紧、越来越贵；自己在家跑，则是另一套价格体系。
三条路线：你的账单该怎么付
轻度用户（聊天、办公、偶尔调用）：安心享受价格战。Luna 每百万 token 1.4 美元，日常使用一天合不到几毛钱；别囤套餐，也别为本地部署冲动买卡，值得观察的是 11 月 21 日旗舰优惠到期后会不会变成常规定价。
重度 / Agent 用户：先砍消耗，再套利峰谷。同一个模型、同样 14 个任务，仅仅外层 harness 配置不同，任务完成率几乎一样，但 token 消耗差 2.7 倍。知乎社区实测 Qwen3.8-27B 默认思考档位 xhigh"不肯收尾"，调到 medium，准确率从 73% 回到 93%，Token 还省一半。小红书再往上，用 27B 级"小分队"路由中档任务、只把难题送旗舰，Token 账单只有巨无霸的零头。知乎躲不开 DeepSeek 的，把重活挪去低谷时段吃折扣。
隐私 / 离线 / 重度折腾用户：本地窗口确实开了，但这是"折腾者的自由"。Qwen3.8-27B 4-bit 量化后 15-17GB，16G 显卡能跑，单张 RTX 3090 实测 120 token/秒。小红书但行业侧的反向账也真实：DGX Spark 一年亏 3 万、5090 跑满 24 小时才赚 3 万。只为聊天省钱，别买卡；有隐私、离线或折腾需求，现在入场体验确实好。
接下来盯什么信号
Jalapeño 计划 2026 年底前开始部署到 OpenAI 自己的计算基础设施，量产爬坡要到 2027 年。36氪硬件端的成本下探要传导到定价链，你的账单才会真的降，重点看四季度 API 是否再降一轮；同时 OpenAI 自己也说了仍会继续大规模部署英伟达，"替代"是渐进的。
11 月 21 日 Sol 优惠到期后是否转正；Google、Anthropic 是否跟进旗舰降价。
DeepSeek 的峰谷定价还在细化：8 月 23 日又发公告，周末全天按低谷价算，把批量任务挪到周六周日跑，每百万 Token 输出只要 13.5 元。知乎
开源社区的下一步：伯克利和 MIT 开源的 FreeToken 让单卡 5090 跑满了满血 DeepSeek V4 Flash，后面还有没有下一个 27B 级甜点位模型接棒。小红书
Token 没有统一变便宜，也没有统一变贵，世界正在把它分成三种价格。先弄清自己的账单在哪条路线上，再决定怎么付——轻用户等降价，重用户砍消耗，折腾玩本地，各得其所。
