资料名称： 2026 年 6 至 9 月 OpenAI 与 Anthropic 主要模型发布的降价时间线，按输入、输出、缓存读取三项单价逐条列出，附 Vercel AI 网关的每 token 成本趋势与开源模型侧的报价竞争，整理自 Max Woolf 个人博客发表于 2026-10-25 的统计文章

帖内资料： 十一个日期节点的完整时间线与三项单价对照，每 token 成本降幅与「三个月擒时降、后转永久」的过程，Anthropic Fable 5.1 把缓存读取价砍掉 75% 与其在代理编码场景里的实际占比，GPT-6 系列三轮累降后的成本对比，Vercel 网关给出的降到 2026 年 4 月水平的 43.3% 这条趋势线，开源侧 DeepSeek 前后两版的价格与托管商数量变化，以及四个官方图表与数据来源的出处

时间覆盖： 时间线覆盖 2026-06-26 至 2026-09-29；来源文章发布日期 2026-10-25，文中引用的 OpenRouter 与有效成本两图注明取回日期为 2026-10-24；本机读取日期 2026-10-28

口径： 全部价格为每百万 token 的输入 / 输出 / 缓存读取三项，美元计价；时间为厂商发布公告的日期，不是到手可用或账单生效的日期；同一厂商后续的临时促销与降价可能有期限限制，用到具体价格上需自行核对当时费率

许可与引用： 来源博客页面未公布转载许可，本次按最小引用处理：只整理其中已公开的模型名称、发布日期与价格数字并给出原文地址，不复制图表图片、不转载原文段落；文中引到的 OpenAI、Anthropic、Vercel、OpenRouter 四类数据均以原博客为间接出处，未直接读取原始图表

适用任务： 模型选型时的单位成本估算，搭 agent 前估算长期 token 支出，判断「该等降价」与「先用起来」哪个更合算，以及做成本核算时对缓存读取单价的敏感性分析

获取条件： 来源文章公开可访问，无需注册；价格数据以各厂商官方定价页为最终依据

2026 年 6 月到 9 月，OpenAI 和 Anthropic 把主流模型的价格摁下去了一大截。看数字很直观：6 月底 OpenAI 发布 GPT-5.6 Sol 时输入/输出/缓存三项是 5 / 30 / 0.5 美元；到 9 月底的 GPT-6.1 Sol，同样三项变成 2 / 10 / 0.1 美元。其中缓存读取这一项，前后差了五倍。

要说最狠的一刀，是 7 月 30 日 OpenAI 把 GPT-5.6 Luna 的价格一次性降了八成：从 1 / 6 / 0.1 降到 0.2 / 1.2 / 0.02。这个幅度不太能用「例行降价」解释，原因在下面第三、四节。

时间线本身读起来平淡，真正有用的是把每个节点的三项价格摆在一张表里横向比，下面隐藏区给了完整的十一行对照。这里先说三件从表里能直接读出来的事。

做 agent 或代码生成时，每一轮都要把前面整段对话塞回上下文，所以缓存读取占到全部 token 支出的 96% 到 99%，而缓存的命中率通常在 90% 到 100%（视推理服务商的基础设施而定）。这两个数乘起来的意思是：输出单价贵不贵，远没有缓存读取单价重要。

这解释了一件容易被忽略的事——Anthropic 在 9 月 1 日发布 Fable 5.1 时，输入和输出价格跟 6 月的 Fable 5 完全一样（都是 10 / 50），只把缓存读取从 1 美元砍到 0.25 美元，降幅 75%。按上面的占比折算，对实际使用成本的影响约为 70% 到 75%。换句话说，表面价格表没动，实际账单几乎腰斩。

这轮里有两个「先用后入党」的例子。Claude Sonnet 5 在 6 月 30 日发布时给了 2 / 10 / 0.2 的发布价，当时说的是临时价格、之后要涨；8 月 10 日 Anthropic 宣布这个发布价改为永久。反过来，OpenAI 在 8 月 21 日把 GPT-5.6 Sol 降了约 20% 到 4 / 20 / 0.4，明确写明了只在接下来三个月内有效。

所以做成本估算时，不能拿「历史上出现过的最低价」去外推。永久价的公告地址与原话出处，下面隐藏区逐条给了。

OpenAI 和 Anthropic 你一刀我一刀，很容易看成两家互相刺激。但 80% 这个幅度，光靠两家对打很难解释。真正摆在旁边的是开源模型：DeepSeek 在 2026 年 4 月发布 V4 Flash（0420 版），价格 0.14 / 0.28 / 0.0028 美元，缓存读取只占输入价的 2%——而 OpenAI 和 Anthropic 的同类比例在 5% 到 10%。

按上一节的占比逻辑，这个 2% 让它的实际成本比标价看起来还要低。

更新后的 V4.1 Flash（1017 版）价格保持在 0.15 / 0.60 / 0.003，Artificial Analysis 指数从上一版的 24 升到 45。托管这个模型的推理商，在 OpenRouter 上从 5 月的 13 家增加到 10 月的 29 家，有效输入成本上，Cloudflare 与 DeepInfra 已经落到与 DeepSeek 官方相差 10% 以内的水平。

供应端一旦如此密集，价格就不再是标价的问题。

Vercel 的 AI 模型网关给了一条更长的趋势线：以 2026 年 4 月的成本为基准，到 10 月每 token 成本降到 43.3%。但同一组数据也显示总支出在上升——原因是模型变强的速度比变便宜的速度更快，用量跟着上去了。

这条对个人开发者的影响是具体的：同样一笔预算，现在能跑的任务量比半年前多一倍以上，但「花了多少钱」的绝对额往往不降反升。做预算时按单价估会低估。

结论是：要不要等降价，取决于你的成本结构里缓存读取占多少。缓存占比高的场景，等一轮新模型发布往往比现在动手更划算；只跑少量、少轮次的调用，差别没有想象中大。

下面把十一个节点的三项单价、四张图的出处与原地址，以及存储和引用的注意事项一并列出。

下面是帖子的相关资料的获取以及相关的内容说明，内容包含：2026 年 6 至 9 月十一个节点的三项单价完整时间线对照表，每节点同一模型的上一版本价格对比，缓存读取单价与占比的换算方法，Vercel 网关成本趋势，开源侧两代 DeepSeek 的价格与托管商数量，以及全部原地址与引用注意