中国日均 AI 令牌使用量达 500 万亿，价格近乎翻倍

AI 使用量增加、价格上涨，开始响应的等待时间更长

中国人工智能令牌日消耗量在 2026 年 6 月达到约 500 万亿个，几乎是 2025 年 12 月水平的四倍。中国信息通信研究院（CAICT）数据显示，价格也随需求一同上涨：按统一口径折算后，国内平均价格从 2025 年下半年的 6.8 元升至 2026 年的 13.46 元，涨幅约为 98%。

中国信息通信研究院于 10 月 23 日发布的《大模型令牌服务性能监测报告（2026）》还记录了一项用户可能直接感受到的变化。国内模型在 8 月生成文本的速度约为 2025 年平均水平的两倍，但生成首个令牌所需的时间更长。答案开始生成后，输出速度更快；开始之前，等待时间却更长。

报告综合呈现了一个从两年价格竞争中复苏、使用量快速增长、服务处理信息能力显著增强的市场。报告也说明，选择 AI 服务不能只看模型名称：不同平台运行同一模型，表现可能大相径庭。

中国的大规模令牌消耗

令牌是 AI 模型处理或生成的信息小单位。在文本中，它可以是一个词、一个词的一部分或一个标点符号。令牌为衡量模型处理的工作量提供了一种通用方式，不过令牌与词语之间的对应关系会因语言和系统而异。

因此，中国信息通信研究院所说的日均约 500 万亿个令牌，反映的是模型活动量。自 2025 年 12 月以来，令牌消耗量接近增长四倍，增幅约为 300%，也就是说，6 月的总量几乎是此前水平的四倍。

目前，越来越多的服务商通过模型即服务平台（简称 MaaS）提供访问服务。客户通过公有云应用程序编程接口（API）发送请求。API 是一种连接，可让一个软件向另一个软件发出任务请求。企业可以通过这种方式在产品中接入 AI，而无需自行运营底层模型。

监测内容

中国信息通信研究院人工智能研究所与工业和信息化部重点实验室（大模型和软硬件评测）以及人工智能产业联盟联合发布了这份报告。监测范围为 2026 年 1 月至 8 月。

评估内容包括请求成功率、输出速度、开始输出前的等待时间、稳定性、价格和上下文窗口。报告比较了模型官方平台，以及提供 DeepSeek、Qwen、GLM 和 Kimi 服务的第三方平台；这四者是开源模型系列。

中国信息通信研究院表示，用户往往缺乏简单易行的方式来判断令牌服务的性能，也难以选择服务商。报告通过分别衡量服务的多个方面，解决了这一实际问题；如果只看单一的价格或速度指标，这些差异便无从体现。

几个主要日期体现了变化的进程：

• 2025 年 12 月：后续国内日均令牌消耗量接近增长四倍的比较基准。
• 2026 年 1 月至 8 月：报告的监测期。
• 2026 年 5 月：监测纳入了四个开源模型系列的新版本。
• 2026 年 6 月：国内日均令牌消耗量达到约 500 万亿个。
• 2026 年 8 月：国内平均输出速度为每秒 78.23 个令牌。
• 2026 年 10 月 23 日：报告发布。

经历两年降价后，价格反弹

国内模型服务在经历两年的价格竞争后进入 2026 年。按中国信息通信研究院的标准化价格口径，价格从 6.8 元升至 13.46 元，增加了 6.66 元，几乎是此前平均水平的两倍。

标准化是指将不同的定价方式换算为统一口径，以便进行比较。报告未说明这些人民币价格对应的计费量，因此客户无法直接据此换算出某次具体请求的成本。

2026 年推出的典型海外模型，按同一标准化口径计算，平均价格约为 117.8 元。这约为国内平均价格 13.46 元的 8.8 倍。这一比较反映的是受监测的模型群体，客户实际面对的仍是各模型和平台各自的定价。

开始生成后，答案输出更快

8 月，国内模型的平均输出速度为每秒 78.23 个令牌，而 2025 年的平均值为每秒 38.25 个。增幅约为 105%，意味着输出速度略高于此前的两倍。

这一指标称为吞吐量，或每秒令牌数（TPS），表示服务生成答案的速度。数值越高，生成开始后，长篇回答的输出时间可能越短。

8 月，典型海外模型的平均输出速度为每秒 112.82 个令牌，比国内模型高约 44%。其输出速度也大幅提升：从 2025 年 12 月的每秒 51.35 个令牌升至这一水平，增幅约为 120%。

两项比较采用的时段并不相同：国内数据是与 2025 年全年平均值相比，海外数据则是与 12 月相比。两组数据都显示输出速度大幅提升，而受监测的海外模型 8 月平均速度仍然更高。

为什么首次响应要等更久

8 月，国内模型生成首个令牌平均需要 1.26 秒，高于 2025 年的 0.78 秒。增加的 0.48 秒约为 62%。

这一等待时长称为首令牌时间（TTFT）。对聊天机器人用户来说，它就是提交请求到看到答案开始显示之间的停顿。吞吐量衡量的是这段停顿之后的输出速度，因此服务可能在一项指标上有所改善，却在另一项指标上变慢。

8 月，典型海外模型开始响应平均需要 2.08 秒，高于 4 月的 1.04 秒。因此，8 月国内模型开始输出的平均时间快了 0.82 秒，尽管后续输出速度较慢。

中国信息通信研究院将首次响应延迟增加归因于多项同时发生的变化：模型更大、上下文更长、请求更多。更大的模型需要更多计算；更长的上下文意味着要处理更多信息；流量增加则加大了服务负载。

模型一次能处理更多信息

在受监测的模型中，47.8% 支持 100 万令牌的上下文窗口。更大比例的模型，即 95.7%，能够处理至少 20 万个令牌；这一比例较 2025 年底提高了 76 个百分点以上。

上下文窗口是模型在一次请求中能够处理的信息量，其中可以包括指令、此前的对话以及提交分析的文档。窗口越大，用户一次提供的信息就越多，无需拆分成多次请求。

这些数据体现了受监测模型中长上下文能力的普及速度。近一半的模型支持 100 万令牌，仍低于 20 万令牌的仅占 4.3%。支持至少 20 万令牌的模型占比提高了 76 个百分点以上，这意味着该比例在 2025 年底还不到 19.7%。

对于需要处理长篇文档的企业来说，容量扩大改变了一项任务中能够纳入的信息量。这也有助于解释报告为何将容量与等待时间一并考察：模型可能在首个可见响应出现前，已经处理了多得多的信息。

同一模型在不同平台上的表现各异

不同服务商提供的 DeepSeek、Qwen、GLM 和 Kimi 服务，在吞吐量、首次响应时间和请求成功率方面存在差异。同一模型在不同平台上的输出速度差距接近两倍。

一些第三方服务的表现优于官方平台。中国信息通信研究院将这种差异归因于推理加速、优化策略和成本控制方面的不同。推理是经过训练的模型生成答案时所进行的计算过程；不同服务商可以采用不同方式组织和优化这一过程。

版本变化也产生了影响。8 月，DeepSeek-V4-Pro 的吞吐量达到 DeepSeek-V3.2 的两倍。5 月升级后，受监测模型的等待时间普遍先上升，随后随着服务商推出优化措施而下降，逐渐回到升级前的水平。

因此，客户选择服务时需要做出两个相关决定：使用哪个模型，以及由哪个平台来运行。报告结果表明，服务商层面的性能是选择时需要具体考量的一部分。

这些变化对客户意味着什么

如今，购买 AI 服务的企业面对的是更高的国内平均价格、更快的输出速度和大得多的上下文窗口。最有用的比较指标取决于具体任务：交互式聊天看重快速开始响应，而生成长篇回答时，持续输出速度则更为重要。

文档分析服务可能需要较大的上下文窗口；处理大量客户请求的应用，则同样依赖请求成功率和稳定表现。中国信息通信研究院纳入这些指标，是因为每项指标都会影响用户体验的不同方面。

报告整体呈现的图景是：市场规模和能力不断扩大，按标准化价格口径计算的成本也在上升。与受监测的海外模型相比，国内服务仍有显著价格优势，且 8 月的平均响应启动速度更快。海外模型在开始输出后生成令牌的速度更快。两组模型中，首次令牌等待时间不断增加，反映出模型规模扩大和使用量上升带来的压力。

要点

• 2026 年 6 月，中国日均消耗约 500 万亿个 AI 令牌，接近 2025 年 12 月水平的四倍。
• 国内模型的标准化平均价格上涨约 98%，从 6.8 元升至 13.46 元。
• 8 月，国内模型平均输出速度为每秒 78.23 个令牌，是 2025 年平均水平的两倍多。
• 国内模型生成首个令牌的等待时间从 0.78 秒增至 1.26 秒。
• 受监测模型中，约 95.7% 支持至少 20 万令牌的上下文窗口。
• 同一模型在不同平台上的输出速度相差近两倍，一些第三方服务的表现优于官方服务。