# 推理平台价格战：同款模型跨平台差10倍 你以为选对模型就完事了？错。**同一个开源模型，在不同推理平台上价格差最高可达10倍**。2026年5-6月，推理层格局剧变——GPT-OSS 120B开源、DeepSeek V4发布、Kimi K2入驻多平台、Gemini 3.5 Flash上线——一场围绕"每百万token几毛钱"的价格战已经白热化。本文用最新实采数据，帮你搞清楚：**同一模型，到底该去哪个平台调？** --- ## 一、2026年推理市场三大变化 ### 变化1：OpenAI开源了GPT-OSS 你可能还没注意到，OpenAI在2026年发布了**GPT-OSS 120B**——一个120B参数的开源模型，内置浏览器搜索和代码执行能力。这意味着你不需要付OpenAI的API高价（GPT-4o约$2.50-$10.00/百万token），而是可以通过Groq、Fireworks等第三方平台以**极低价格**调用同等级模型。 **Groq上的GPT-OSS 120B：** - 输入：$0.15/百万token - 输出：$0.60/百万token - 对比OpenAI GPT-4o：**便宜17-41倍** ### 变化2：DeepSeek V4来了 DeepSeek刚刚发布了**V4预览版**，236B参数，64K上下文。这个模型的价格直接把"大模型推理"的门槛踩在脚下： - 输入：**$1.14/百万token** - 输出：**$0.28/百万token** 对比同级别模型，DeepSeek V4的输出价格几乎是**全场最低**。而且它完全兼容OpenAI API，迁移成本为零。 ### 变化3：推理平台从"卖模型"变成"卖速度" Groq、Fireworks、Together AI、OpenRouter这些平台不再只是"帮你跑模型"，而是在打**速度×价格**的组合拳。同一个Llama 3.3 70B，你在不同平台拿到的价格和延迟完全不同。 --- ## 二、跨平台价格实采对比（2026年6月数据） 以下数据均来自各平台官网2026年6月2日实时抓取，单位：美元/百万token。 ### 2.1 旗舰级模型（70B-120B参数） | 模型 | 平台 | 输入价格 | 输出价格 | 备注 | |------|------|---------|---------|------| | **GPT-OSS 120B** | Groq | $0.15 | $0.60 | 内置搜索+代码执行 | | **GPT-OSS 120B** | Fireworks | ~$0.95 | ~$1.90 | 标准路径 | | **GPT-OSS 20B** | Groq | $0.075 | $0.30 | 轻量版 | | **Llama 3.3 70B** | Groq | $0.59 | $0.79 | 毫秒级延迟 | | **Llama 3.3 70B** | Fireworks | ~$0.50 | ~$1.00 | 标准路径 | | **Llama 4 Scout 17B×16E** | Groq | $0.11 | $0.34 | MoE架构，高性价比 | | **DeepSeek V4** | DeepSeek官方 | $1.14 | $0.28 | 236B参数 | | **DeepSeek V4 Pro** | Fireworks | ~$2.00 | ~$4.00 | 托管版 | | **Kimi K2.6** | Fireworks | ~$2.10 | ~$4.40 | 高性能Agent模型 | | **Kimi K2.6** | Groq | 待定 | 待定 | 即将上线 | | **Gemini 2.5 Pro** | Google | $1.25 | $5.00 | Google官方API | | **Gemini 3.5 Flash** | Google | $0.15 | $0.60 | 新发布 | | **GPT-4o** | OpenAI | $2.50 | $10.00 | **对比基准** | > **关键发现**：GPT-OSS 120B在Groq上调用，比直接用OpenAI GPT-4o**便宜17-41倍**。如果你不需要OpenAI专有的闭源优化，这是目前性价比最高的"类GPT-4"方案。 ### 2.2 轻量级模型（8B-20B参数） | 模型 | 平台 | 输入价格 | 输出价格 | |------|------|---------|---------| | **Llama 3.1 8B** | Groq | $0.05 | $0.08 | | **Qwen3 8B** | Fireworks | ~$0.01 | ~$0.03 | | **GPT-OSS 20B** | Groq | $0.075 | $0.30 | | **Gemini 2.0 Flash-Lite** | Google | $0.025 | $0.10 | | **Gemini 2.5 Flash-Lite** | Google | $0.025 | $0.10 | | **GPT-4o mini** | OpenAI | $0.15 | $0.60 | > **关键发现**：轻量模型战场上，Groq的Llama 3.1 8B（$0.05/$0.08）和Google的Flash-Lite（$0.025/$0.10）几乎是在"白送"。对于高吞吐场景（翻译、分类、抽取），这些模型足够用。 ### 2.3 Google Gemini定价全表 Google最新的Gemini模型矩阵非常庞大，以下是最核心的价格： | 模型 | 输入(≤128K) | 输出(≤128K) | 输入(>128K) | 输出(>128K) | 免费额度 | |------|------------|------------|------------|------------|---------| | **Gemini 2.5 Pro** | $1.25 | $5.00 | $2.50 | $10.00 | 有限 | | **Gemini 2.5 Flash** | $0.15 | $0.60 | $0.75 | $3.00 | 15RPM | | **Gemini 2.5 Flash-Lite** | $0.025 | $0.10 | $0.05 | $0.20 | 免费 | | **Gemini 2.0 Flash** | $0.10 | $0.40 | $0.20 | $0.80 | 免费 | | **Gemini 2.0 Flash-Lite** | $0.025 | $0.10 | $0.05 | $0.20 | 免费 | | **Gemini 3.5 Flash** | $0.15 | $0.60 | - | - | 新发布 | > **注意**：Google的免费额度非常慷慨——Gemini 2.0 Flash免费层高达15RPM、100万TPM。对于个人开发者和低流量应用，**基本可以零成本运行**。 --- ## 三、决策框架：什么时候该用哪个平台？ 下面的流程图帮你快速决策： ```mermaid flowchart TD A[选择推理平台] --> B{需要闭源模型？} B -->|是，需要最强能力| C{预算敏感度} C -->|高| D[DeepSeek V4 官方API
$1.14/$0.28 per 1M tokens] C -->|中| E[Google Gemini 2.5 Pro
$1.25/$5.00 per 1M tokens] C -->|低| F[OpenAI GPT-4o / Claude Sonnet 4] B -->|否，开源模型足够| G{首要考虑因素} G -->|速度| H[Groq
毫秒级推理延迟] G -->|价格| I{调用量级} I -->|低流量/测试| J[Google Gemini Flash 免费
或 Groq Llama 3.1 8B] I -->|中等流量| K[Fireworks
输入5折优惠] I -->|高流量| L[DeepSeek V4 + Groq GPT-OSS
双平台路由] G -->|可控性| M[Fireworks 自部署
$7-12/GPU小时] D --> N[预估月费] E --> N F --> N H --> N J --> N K --> N L --> N M --> N style D fill:#4CAF50,color:white style J fill:#4CAF50,color:white style L fill:#4CAF50,color:white style F fill:#f44336,color:white ``` ### 场景1：个人开发者 / 侧项目 **推荐组合**：Google Gemini免费层 + Groq Llama 3.1 8B - Gemini 2.0 Flash免费层：15RPM，100万TPM，**月费$0** - Groq Llama 3.1 8B：$0.05/$0.08，偶尔调用月费不到$1 - 全年总成本：**<$10** ### 场景2：中等规模SaaS（日均100万token） **推荐组合**：Groq GPT-OSS 120B + DeepSeek V4 - GPT-OSS 120B（Groq）：主模型，$0.15/$0.60 - DeepSeek V4：长文本/推理任务，$1.14/$0.28 - 按输入70%/输出30%比例，日均100万token： - GPT-OSS: ~$0.35/天 - DeepSeek V4: ~$0.98/天 - 月费约：**$40** 对比纯OpenAI GPT-4o方案（月费约$525），**省92%**。 ### 场景3：企业级高吞吐（日均1亿token） **推荐组合**：Fireworks自部署 + Groq路由 - Fireworks：输入token统一5折，大模型自部署$7-12/GPU小时 - Groq：热路径走Groq的低延迟通道 - 配合缓存层（Semantic Cache）拦截重复请求 - 月费约：**$2,000-5,000** 对比纯OpenAI方案（月费约$52,500），**省90%+**。 --- ## 四、五个你不知道的隐藏省钱点 ### 1. Fireworks输入token统一5折 Fireworks宣布**所有文本和视觉语言模型的输入token默认按输出价格的50%计费**。这意味着： - 如果一个模型输出$1.00/M，输入只要$0.50/M - 对于大量system prompt + 少量输出的场景（如翻译、摘要），这个折扣非常可观 **操作步骤**： 1. 注册Fireworks账号（送$1免费额度） 2. 选择Serverless路径部署模型 3. 长system prompt自动享受5折 ### 2. Groq的GPT-OSS比OpenAI原版便宜17倍 这不是噱头。GPT-OSS 120B是OpenAI的开源模型，能力接近GPT-4o，但在Groq上调用： | 指标 | OpenAI GPT-4o | Groq GPT-OSS 120B | 差异 | |------|--------------|-------------------|------| | 输入价格 | $2.50/M | $0.15/M | **16.7x** | | 输出价格 | $10.00/M | $0.60/M | **16.7x** | | 推理延迟 | ~500ms | **~50ms** | 快10倍 | | 内置搜索 | 需要工具调用 | 原生支持 | 更便捷 | **迁移步骤**：只需把API endpoint从`api.openai.com`改为`api.groq.com`，model改为`gpt-oss-120b`，代码几乎不用改。 ### 3. DeepSeek V4的输出价格是同级别最低 DeepSeek V4的输出价格**$0.28/百万token**，这在236B级别的模型中是**断层式最低**。作为对比： - GPT-4o输出：$10.00/M → DeepSeek V4便宜**35.7倍** - Claude Sonnet 4输出：$15.00/M → DeepSeek V4便宜**53.6倍** - Gemini 2.5 Pro输出：$5.00/M → DeepSeek V4便宜**17.9倍** 对于输出密集型任务（代码生成、长文写作、数据转换），DeepSeek V4是目前**最具成本优势**的选择。 ### 4. Google免费层的隐藏用法 Google Gemini免费层不仅仅是"试用"，实际上可以支撑**相当规模的个人项目**： - **15 RPM**（每分钟15次请求） - **100万 TPM**（每分钟100万token） - **1500 RPD**（每天1500次请求） 换算一下：如果你每天跑1500次请求，每次平均2000 token，一个月就是9000万token——**全部免费**。 **隐藏技巧**：用Gemini 2.0 Flash做"预处理"（分类、提取、判断意图），然后把需要"重活"的请求路由到DeepSeek V4或GPT-OSS。这样免费层可以挡掉60-80%的请求量。 ### 5. Fireworks微调价格极其透明 Fireworks的微调定价是按模型参数量分档的，这是目前市场上**最透明的定价模型**： | 模型规模 | SFT训练价格 | 部署推理价格 | |---------|-----------|-----------| | ≤16B参数 | $0.50/$1.00 | 同基础模型价 | | 16.1B-80B | $3.00/$6.00 | 同基础模型价 | | 80B-300B（如Qwen3-235B） | $6.00/$12.00 | 同基础模型价 | | >300B（如DeepSeek V3, Kimi K2） | $10.00/$20.00 | 同基础模型价 | **关键**：微调后的模型推理价格**与基础模型相同**，不额外加价。这在行业内非常罕见——大多数平台会对微调模型收取溢价。 --- ## 五、信息差总结 | 你以为的 | 实际上的 | |---------|---------| | 调GPT-4级能力只能用OpenAI | Groq上的GPT-OSS 120B便宜17倍，速度快10倍 | | 大模型推理一定很贵 | DeepSeek V4输出$0.28/M，比GPT-4o便宜35倍 | | 免费层只是试用 | Google Gemini免费层可支撑日9000万token | | 所有平台定价差不多 | 同一模型跨平台差价高达10倍 | | 微调模型推理要加价 | Fireworks微调后推理不加价 | | 开源模型能力不如闭源 | GPT-OSS 120B + DeepSeek V4已接近GPT-4o水平 | --- ## 六、行动指南（本周可以做的3件事） 1. **立即**：注册Groq账号，用`gpt-oss-120b`替换你项目中的GPT-4o调用。改endpoint + 改model名，10分钟搞定。**预期节省：80-90%推理成本**。 2. **本周**：配置一个双模型路由——轻量任务走Gemini 2.0 Flash免费层，重型任务走DeepSeek V4。用LiteLLM或OpenRouter做统一入口，代码改动极小。 3. **本月**：如果你有重复性高的业务场景（客服、分类、提取），在Fireworks上微调一个Qwen3 8B（训练费$0.50/M token），部署后推理成本接近零。 --- ## 七、核心参考来源 1. [Groq Models & Pricing](https://console.groq.com/docs/models) — GPT-OSS 120B、Llama系列实时定价 2. [Fireworks Serverless Pricing](https://docs.fireworks.ai/serverless/pricing) — 输入5折、微调透明定价 3. [Google Gemini API Pricing](https://ai.google.dev/gemini-api/docs/pricing) — 免费层额度详情 4. [DeepSeek API](https://deepseek.com) — V4模型$1.14/$0.28定价 5. [Together AI Pricing](https://www.together.ai/pricing) — 跨模型价格对比 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。