指数量的是用量加权后的有效价格，所以它记录的是市场真实选择了什么，而不是厂商希望市场选择什么。
先说清楚它在测什么，否则很容易把它读成"某家又降价了"。Silicon Data 的 LLM Token 支出指数（代码 SDLLMTK）衡量的是一个既定模型池里、每百万 Token 的用量加权有效价格：把各家厂商的公开定价，与多供应商路由网关上观察到的真实消费量混合起来算。
加权这一步是关键。它意味着指数下跌可以由两种完全不同的原因造成：
本轮下跌是两种力量同时发生的结果，这也是它比单纯一次降价公告更值得看的地方：它记录的是市场实际选择了什么，而不是厂商希望市场选择什么。
综合外媒报道与 TG 频道的转述，能被点名的推手主要有三个。
第一是中国开源模型的存在感。月之暗面的 Kimi K3 这类模型被反复提及，原因不在于它们抢走了多少高端场景，而在于它们把"够用"这条线的价格重新定义了一遍。一旦大量批处理、分类、摘要类任务可以在开源侧完成，闭源厂商在这些场景的定价权就基本消失。
第二是 OpenAI 自己的动作。7 月下旬，OpenAI 下调了两款 GPT-5.6 模型的价格。头部厂商主动降价从来不是孤立事件——它会立刻变成竞品定价表的参照点，随后整条线往下平移。
第三是动态定价的普及。多家厂商开始按负载、按承诺用量、按时段浮动报价，实际成交价与官网标价的差距被拉开。指数抓的是有效价格，所以这部分折扣会如实反映出来，而看标价的人不一定看得见。
价格战的表面故事是竞争激烈，但分析人士给出的另一种读法更值得琢磨：Token 价格能跌到这个程度，说明现有的前沿模型加低成本模型，已经足够应付市面上绝大多数任务。
这个判断的分量在于它触及了整套增长叙事的地基。过去两年，行业默认的逻辑是需求会跑在供给前面——任务越来越复杂，上下文越来越长，因此单位价格下降会被总用量上升吃掉甚至反超。可如果多数任务在现有能力上就已经解决得不错，那么下一代模型带来的能力增量，未必能换回相应的付费意愿增量。价格下滑就不再是短期竞争的产物，而是需求侧结构的显影。
当然，单一指数不足以支撑这么大的结论。指数覆盖的模型池是有边界的，代理式任务、长上下文和推理密集型调用的爆发也可能在下一个季度把曲线重新拉起来。但至少这一次，价格没有像过去几轮那样在降完之后被总量补回来。
据外媒报道，OpenAI 与 Anthropic 都在今年夏天向监管机构递交了保密上市申请。指数创新低偏偏发生在这个当口，对两家的处境是实打实的压力。
问题不在于收入规模——推理调用的绝对量仍在涨——而在于定价能力这件事本身。上市前的估值逻辑很大程度上建立在"这门生意的单位经济模型会随规模改善"之上：算力成本摊薄、毛利率抬升、议价权集中在少数前沿模型手里。而一个持续走低的有效价格指数，恰好在质疑最后那一环。当路由网关可以按价格自动把请求分配给最便宜的合格模型时，前沿模型的溢价空间是被技术性地压缩掉的，跟品牌和先发关系不大。
换个角度，这也解释了为什么头部厂商这一年不断往上游走：自建数据中心、锁定长期算力合约、把企业客户绑在整套工作流而非单个 API 上。如果 Token 本身注定要变成大宗商品，那利润就必须从别的地方来。
对使用者而言，这轮下跌是明确的好消息：同样的预算能跑更多轮次，昂贵模型的调用门槛在降。只是需要记住，价格是被竞争压下来的，不是被成本压下来的——竞争格局如果收敛，这条曲线也不是不会转头。