2026年中国大模型价格战：五大前沿 API 成本深度对比

2026 年上半年，中国各大实验室六次下调 LLM API 价格，其中三次被宣布为永久性降价。DeepSeek V4-Pro 目前每百万输出 token 的成本仅为 0.87 美元。小米 MiMo V2.5 刚刚将其长上下文档位的输出价格统一为 3 美元。阿里巴巴的 Qwen3 Max 售价为 3.90 美元。月之暗面（Moonshot）的 Kimi K2.6 则以 0.07 美元的缓存命中（cache-hit）保底价领跑。智谱的 GLM-5 输出价格定在 3.20 美元。以下是 2026 年 5 月中国五大前沿 API 的详细价格细分、能力说明以及文末的采购矩阵，旨在帮助您为工作负载选择最合适的模型。

核心摘要 (TL;DR)

单 token 最便宜（输出）： DeepSeek V4-Pro，价格为 $0.87/MTok。比 GPT-5.5 便宜约 34 倍。
1M 上下文最便宜： 小米 MiMo V2.5 Pro，输出价格为 $3/MTok，且不受输入长度影响。
通用生产环境最佳性价比： 阿里巴巴 Qwen3 Max，输出价格为 $3.90/MTok，支持 262K 上下文。
最低缓存命中保底价（适用于长系统提示词）： 月之暗面 Kimi K2.6，缓存命中价格为 $0.07/MTok。
重推理工作负载： 智谱 GLM-5，输出价格为 $3.20/MTok，支持 200K 上下文，在结构化思维链（chain-of-thought）方面表现最强。
五家实验室都在进行价格竞争。其中三家（DeepSeek、MiMo、Kimi）已将 2026 年的降价定为永久性政策。

2026 年中国 LLM 价格战演变进程

这一趋势始于 2025 年第四季度，并在 2026 年第二季度加速。大致时间线如下：

2025 年 Q4： DeepSeek V3.2 发布，输入价格为 $0.28/MTok，比美国前沿模型价格低了一个数量级。Kimi K2.6 随后推出了分层上下文感知定价，以及行业最低的 $0.07/MTok 缓存命中率。
2026 年 3 月： 小米在 OpenRouter 上推出了 MiMo V2-Pro，价格极具竞争力，但仍基于分层定价。
2026 年 4 月： DeepSeek V4 发布，提供 75% 的促销折扣，原计划于 5 月 31 日到期。
2026 年 5 月 22 日： DeepSeek 宣布 75% 的折扣转为永久性。V4-Pro 价格无限期维持在 $0.435/$0.87。点击查看完整细分。
2026 年 5 月 27 日： 小米将 MiMo V2.5 的定价永久固定在 $1/$3，取消了长上下文倍率。点击查看更多关于 MiMo 降价的信息。

这些降价并非随机行为。每个实验室都在针对特定的竞争差距。DeepSeek 追求极致的单 token 成本。MiMo 针对的是其他模型因价格过高而无法企及的长上下文工作负载。Qwen 和 GLM 则维持中端价格，转而在能力上进行竞争。Kimi 则通过缓存命中保底价在智能体（agent）和编程工作流中展开竞争。

一览表：2024 年 5 月五大中国 LLM API

模型	输入 ($/MTok)	输出 ($/MTok)	缓存命中	上下文	擅长领域
DeepSeek V4-Pro	$0.435	$0.87	$0.003625	128K	最廉价 token、编程
小米 MiMo V2.5 Pro	$1.00	$3.00	$0.20	1M	长文档 RAG、代码库智能体
阿里巴巴 Qwen3 Max	$0.78	$3.90	$0.156	262K	生产环境平衡性
月之暗面 Kimi K2.6	$0.16–$2.00 (分层)	~$2.50	$0.07	128K	长系统提示词、编程智能体
智谱 GLM-5	$1.00	$3.20	(由供应商定义)	200K	结构化推理

表格中的一些细节解读：

DeepSeek 和 MiMo 采用统一费率。 该集合中的其他实验室仍在使用某种形式的分层定价或上下文倍率。统一费率使生产能力的规划变得可预测，而分层定价可能会在长上下文使用较多的月份给您带来“惊喜”。
缓存命中率差异巨大。 Kimi K2.6 的 $0.07 和 DeepSeek V4-Pro 的 $0.003625 是两个极端。对于任何具有稳定系统提示词的智能体，您应该根据这些费率进行基准测试，而不是看缓存未命中的列表价格。机械原理请参阅我们的提示词缓存深度解析。
上下文窗口分化明显。 仅 MiMo V2.5 在低价档位提供了 1M token。该集合中第二大的是 Qwen3 Max，为 262K。如果您的工作负载需要超过 300K token，MiMo 是唯一选择。

下面：每个模型都有专门的章节介绍其定价、能力和胜出的工作负载。

DeepSeek：单 token 成本最低

模型： V4-Pro（输入 $0.435 / 输出 $0.87 / 缓存命中 $0.003625，128K 上下文），V4-Flash（$0.14 / $0.28）。

DeepSeek 的 V4-Pro 是中国前沿级模型的价格底线。5 月 22 日的永久降价将输出 token 价格定为 $0.87/MTok，比 GPT-5.5 便宜约 34 倍，比 Claude Opus 4.7 便宜 17 倍。$0.003625/MTok 的缓存命中率是所有主流实验室中最低的一手价格。数据已根据 DeepSeek 官方定价页面核实。

V4-Pro 的胜出场景：

输出密集型工作负载（代码生成、智能体链、内容工具），其中 70% 以上的 token 预算花费在输出上。
任何具有稳定的 5K 到 10K token 系统提示词的应用。缓存命中使有效输入成本趋近于零。
对成本敏感的生产环境，且您可以接受与 GPT-5.5 相比 3 到 7 个百分点的基准测试差距。

不适用的场景：

长文档工作负载（>128K 上下文）。即便单 token 费率更高，MiMo V2.5 在绝对意义上也是更便宜的选择，因为 DeepSeek 无法容纳此类提示词。
对延迟要求极高的实时聊天。V4-Pro 是一个思考型模型，首个 token 返回时间（TTFT）在 600 到 900 毫秒之间。

深度报道：DeepSeek V4-Pro 永久降价，什么是 DeepSeek V4，如何使用 DeepSeek V4 API。

小米 MiMo：最便宜的 1M 上下文方案

模型： MiMo V2.5 Pro（输入 $1.00 / 输出 $3.00 / 缓存 $0.20，1M 上下文），MiMo V2 Flash（约 $0.10 / 约 $0.40，256K 上下文）。

小米 5 月 27 日的永久降价统一了 MiMo V2.5 在不同上下文窗口下的定价。旧的长上下文分层（对超过 256K 的输入 token 收取高额倍率）已成为历史。无论您发送 5K 还是 950K token，新定价均适用 $1/$3 的费率。官方价格更新通知将此次降价标记为“永久性”。

V2.5 Pro 的胜出场景：

长文档 RAG、全库代码分析、多文档摘要，以及任何适合 300K 到 1M token 上下文的工作负载。
高吞吐量的文档处理，其中定价的可预测性比绝对底价更重要。

不适用的场景：

短提示词聊天。在 DeepSeek 能够处理的任何上下文长度下，V2.5 Pro 都比 DeepSeek V4-Pro 更贵。
延迟敏感型工作负载。对于亚秒级响应预算，存在更快的中国模型。

1M 上下文窗口加上极具竞争力的缓存费率，使 MiMo 在市场上占据了结构性的独特地位。在 DeepSeek 将上下文扩展到 128K 以上或阿里巴巴统一 Qwen 定价之前，MiMo 统治着“廉价且长”的象限。

深度报道：2026 年使用小米 MiMo V2.5 的成本是多少，MiMo V2-Pro & Omni 定价及 API 使用指南，小米 MiMo Orbit 免费 100T token 计划。

阿里巴巴 Qwen：生产环境的主力军

模型： Qwen3 Max（输入 $0.78 / 输出 $3.90 / 缓存 $0.156，262K 上下文）。更新的 Qwen 3.7 Max 输入价格为 $2.50/MTok，支持 1M 上下文，目前处于早期推广阶段。费率已根据 pricepertoken 的 Qwen3 Max 表格核实。

Qwen3 Max 是阿里巴巴的旗舰模型，也是国际生产环境中使用最广泛的中国模型。它的定价具有竞争力，但并非地板价：输入成本是 DeepSeek V4-Pro 的 1.8 倍，输出成本是 4.5 倍。溢价换取的是最广泛的工具生态系统（兼容 Anthropic 协议、OpenAI 兼容接口、阿里云企业级托管）以及能够处理大多数企业文档工作负载的 262K 上下文窗口。

Qwen3 Max 的胜出场景：

多语言生产环境。Qwen 的训练语料库严重向中文和亚洲语言倾斜，使其成为该集合中非英语表现最强的模型。
企业合规场景。阿里巴巴的企业级 SLA 和云区域选项是所有中国实验室中最成熟的。
需要 200K 到 262K 上下文，但不需要 MiMo 那种超高质量档位的工作负载。

不适用的场景：

成本敏感的输出密集型工作负载。在 $3.90/MTok 的输出价格下，您支付的是 DeepSeek 费率的 4.5 倍。如果您的工作负载可以容忍 DeepSeek 的质量，请切换。

深度报道：Qwen 3 对标 OpenAI 与 DeepSeek：API 开发者的深度技术对比。

月之暗面 Kimi：编程专家

模型： Kimi K2.6 采用上下文分层输入定价（在 8K、32K、64K 和 128K 档位间为 $0.16 到 $2.00/MTok），缓存命中保底价为 $0.07/MTok，中间档位的输出费率约为 $2.50/MTok。

Kimi K2.6 是缓存命中的冠军。其 $0.07/MTok 的命中费率是所有主流实验室中最低的一手数据。结合 Kimi 强大的工具调用（tool-calling）和长程智能体支持，K2.6 在需要在多轮对话中重复使用庞大系统提示词的工作流中胜出：如编程智能体、具有稳定人设提示词的客服聊天机器人、具有稳定上下文块的检索流水线。

K2.6 的胜出场景：

编程智能体（Claude Code 风格的工作流）。强大的工具调用格式合规性和最低的缓存命中保底价，使重复上下文模式几乎免费。
长程聊天会话，其中系统提示词和少样本（few-shot）示例是稳定的。

不适用的场景：

突发性、多样化的工作负载，其中前缀随每个请求而变化。分层输入价格意味着上下文长度的意外增加会导致账单激增。
可预测的预算编制。在 32K、64K 和 128K 输入 token 处的档位转换意味着，在长文本处理较多的日子里，同类查询的成本可能是短文本日子的 4 倍。

深度报道：Kimi K2 API 定价在 2026 年是否真的值得开发者追捧。

智谱 GLM：推理挑战者

模型： GLM-5（输入 $1.00 / 输出 $3.20，200K 上下文），GLM-5.1（$0.98 / $3.08，200K 上下文）。费率已根据 Z.AI 官方定价概览核实。

智谱的 GLM-5 发布时价格比 GLM-4.7 提高了 30%（在竞相降价的市场中这是一个反其道而行之的举动），随后发布的 GLM-5.1 仅提供了微小折扣。这种定价反映了智谱的定位：不求最便宜，但在结构化推理和思维链任务中表现最强。

GLM-5 的胜出场景：

数学、形式推理、结构化思维链任务。GLM-5 在中国前沿模型的多个 GPQA 级基准测试中名列前茅。
错误答案成本远高于边际成本的工作负载（金融分析、法律摘要、科学推理）。
受益于清晰推理轨迹的多步智能体工作流。

不适用的场景：

成本敏感型应用。GLM-5 是该集合中输入和输出综合成本最高的选项。如果您优化的是原始成本，请看别处。
不需要强大推理能力的工作负载。对于直接的内容生成或摘要，GLM 的溢价并不划算。

深度报道：GLM-5 vs DeepSeek V3 vs GPT-5：速度、成本及开发者实用对比，GLM-5.1 vs Claude, GPT, Gemini, DeepSeek。

不同工作负载下的最廉价选择：采购矩阵

对于五种常见的生产工作负载，以下是胜出的模型：

三个值得关注的组合模式：

双模型路由。 许多生产团队将 70% 到 85% 的流量路由到 DeepSeek V4-Pro，并将次要模型用于处理疑难杂症。对于大多数工作负载，这样可以节省大量成本，且质量损失微乎其微。
长上下文细分。 如果您的工作负载分为短上下文和长上下文，请将短文本路由到 DeepSeek，长文本路由到 MiMo。统一计费的麻烦是现实存在的，但成本套利空间大到无法忽视。
缓存前缀整合。 无论选择哪种模型，请审计您的系统提示词。缓存命中是无论更换哪种模型都能获益的廉价方案。

质量与基准测试说明

关于质量的一点说明，因为如果模型无法胜任工作，定价就毫无意义。

根据 Artificial Analysis 的数据，本次对比中的五个模型在大多数公开基准测试中的差距都在 5 到 10 个百分点以内。有趣的细微差别在于：

DeepSeek V4-Pro： 在编程（SWE-bench Pro 约 55%）和推理（GPQA 约 90%）方面表现强劲。在长程智能体任务上与 GPT-5.5 仍有微小差距。
MiMo V2.5 Pro： 长上下文检索能力强（800K 时“大海捞针”准确率 >95%），编程能力处于中游。
Qwen3 Max： 最佳的非英语表现，强大的通用生产质量。
Kimi K2.6： 最强的工具调用格式合规性，特别是并行工具调用。
GLM-5： 该集合中最佳的思维链推理质量。

在正式投入使用前，请先进行 100 个样本的评估。公开基准测试在方向上有参考价值，但真正重要的是在您实际流量下的表现。

使用 Apifox 测试所有五款模型

多模型生产部署需要多模型测试框架。Apifox 可以在一个工作区内处理所有五款中国 API，因为这五款模型都接受 OpenAI Chat Completions 请求体，仅有细微的兼容性差异。工作流程如下：

在 Apifox 中为每个供应商创建一个环境：api.deepseek.com、platform.xiaomimimo.com、阿里云百炼、月之暗面的 api.moonshot.cn 以及智谱的 open.bigmodel.cn。
导入一次 OpenAI Chat Completion 模式（Schema）。根据环境切换 Base URL。
一键在所有五个模型上运行相同的测试场景。对比响应内容、评分和延迟。
针对 tool_calls 的形状配置 JSON Schema 校验，以捕获每个供应商特有的流式格式差异。

下载 Apifox，导入您的测试用例，您可以在不到 15 分钟内完成一个五路对比测试。这与我们在各模型深度解析中推荐的工作流一致：DeepSeek V4-Pro 永久降价、MiMo V2.5 成本、Kimi K2 定价。