OpenAI 在 2025 年 8 月低调扔出了一颗深水炸弹：GPT-5 正式上架。没有铺天盖地的发布会，也没有参数竞赛般的跑分轰炸，取而代之的是一张极具攻击性的定价表。
据 CloudPrice 及多方开发者社区汇总，GPT-5 的 API 输入价格为 $1.25/1M tokens，输出为 $10.00/1M tokens。更关键的是，它支持高达 410K 的上下文窗口，且输出可达 128K tokens。对于习惯了 GPT-4o 甚至 o1/o3 昂贵推理成本的企业来说，这个价格不仅“亲民”，甚至显得有些激进。
媒体迅速跟进，《21世纪经济报道》指出，OpenAI 试图通过 B 端的低价 API 来抢占开发者心智，而 C 端免费开放的策略更是旨在将大量原本无法体验 O3 等高阶模型的用户转化为习惯用户。Gartner 的分析也印证了这一点：GPT-5 在编程能力上有显著提升，尤其是模块化架构带来的动态路由机制，理论上能优化响应速度。
然而，作为每天盯着 API 账单发愁的创业者，我的第一反应不是兴奋，而是警惕。因为“单价下降”往往掩盖了“用量激增”的现实。
让我们先算一笔具体的账。假设你有一个 AI 客服系统，日均处理 10 万次对话。每轮对话平均包含 2000 token 的输入（用户问题+系统Prompt+历史记忆）和 500 token 的输出。
在 GPT-4o 时代，输入约 $2.50/M，输出 $10/M。单次对话成本约为： (2500 * 2.5 / 1000000) + (500 * 10 / 1000000) = $0.00625 + $0.005 = $0.01125 10 万次对话的日成本约为：$112.5
而在 GPT-5 的定价下（输入 $1.25/M，输出 $10/M），单次成本变为： (2500 * 1.25 / 1000000) + (500 * 10 / 1000000) = $0.003125 + $0.005 = $0.008125 10 万次对话的日成本约为：$81.25
乍一看，每天省了 30 多美元，一年下来似乎能省下近万元。但这只是最理想的静态模型。现实中，GPT-5 的“动态路由”和“长上下文”特性，正在悄悄改变 Token 的消费逻辑。
首先，GPT-5 的 410K 上下文窗口意味着你可以将更多的历史对话、知识库片段一次性塞进去。虽然单次 Token 量增加了，但检索准确率提升可能会减少“幻觉”导致的无效重试。然而，这也带来了另一个问题：如果业务逻辑设计不当，每次请求都带上 50K 的上下文，哪怕输入单价再低，绝对值也在上升。这就好比打车费单价降了，但你每次行程都从 5 公里变成了 20 公里。
其次，是输出端的陷阱。GPT-5 支持 128K 的输出，这意味着如果你用它来做长文本生成（如代码补全、报告撰写），输出成本依然是 $10/M，与 GPT-4o 持平。如果你的业务重度依赖长输出，那么所谓的“价格优势”几乎为零。只有当你成功将大部分交互引导至“短输入、短输出”的场景时，那 $1.25 的超低输入价才能真正发挥作用。
更隐蔽的成本在于“过渡期”的调试损耗。正如我们在《AI Agent账单越查越乱，先把执行链摊开》中提到的，Agent 的一次任务可能经历多次重试。GPT-5 的新架构是否与现有的 LangChain、Dify 等框架完全兼容？动态路由是否会因为 Prompt 格式微小变化而导致路由失效，从而回退到更昂贵的深度推理模式？这些都是目前尚未完全披露的黑盒。
此外，OpenAI 的策略并非单纯降价。华尔街见闻指出，GPT-5 大幅降低了单位算力成本，这是为了应对 Gemini 2.5 Pro 等同行的竞争。但在企业侧，这种降价往往伴随着更强的“锁定效应”。一旦你的应用逻辑、微调和 Prompt 工程都围绕 GPT-5 的动态路由特性构建，迁移成本将变得极高。
对于那些还在观望的团队，我的建议是：
不要只看单价，要看“有效 Token”。在测试阶段，监控 GPT-5 在实际业务中的平均输入/输出长度，对比 GPT-4o。很多时候，为了获得更好的效果，你可能需要增加上下文长度，这会抵消单价优势。
警惕“免费”的 C 端转化。GPT-5 在 ChatGPT 中的免费开放，确实能培养用户习惯，但对于企业开发者而言，API 的稳定性、SLA 保障和数据隐私才是核心。不要指望 C 端的体验能直接复制到 B 端。
小步快跑，灰度发布。不要一夜之间切换所有流量。选取 10%-20% 的非核心业务场景进行 A/B 测试，重点关注错误率和重试次数。如果 GPT-5 的“聪明”导致了更多的过度回答或逻辑跳跃，那么节省下来的单价根本弥补不了人工清洗的成本。
GPT-5 的发布，标志着一场新的“算力军备竞赛”进入了“价格战”阶段。但对于真正的实干家来说，API 账单上的每一分钱，都是对模型真实能力的投票。别被 $1.25 的数字迷惑，先算清楚你的业务，到底需要多少“智能”，又愿意为此支付多少“混乱”的代价。
毕竟，在 AI 落地的深水区，活下来比跑得快更重要。正如 WAIC 2026 预热论坛上那些冷静的共识：参数竞赛已经退烧，产业落地升温。而落地的第一步，是从算清每一笔 API 账单开始的。