把两个看似无关的数字放在一起：GPT-6 Luna 的 API 输入价是每百万 token 0.10 美元；而 GB300 NVL72 的推理成本基准约为每百万 token 0.123 美元。一个是模型公司卖给你的零售价，一个是硬件跑推理的出厂成本。它们几乎拉平了。这不是巧合，而是一个时代信号：模型的售价，正在贴住它跑在硬件上的物理成本。当这两件事相等，过去十年支撑 AI 公司估值的「模型溢价」，就要开始蒸发了。
模型售价为什么会向硬件成本收敛？
任何商品化的市场都遵循一条规律：产品一旦大同小异，价格就会被压到接近成本。十年前模型是稀缺品，谁能做出聪明模型谁定价；现在开源模型追得紧，各家 API 价格一路打下来。到 Luna 这档，便宜模型的售价已经低到和 GPU 硬件成本差不多——这意味着卖模型本身，几乎不赚钱了。
0.10 美元卖出去，0.123 美元的硬件成本，这中间甚至可能是亏的。模型公司在这档上不图利润，图的是把用户圈进来、把生态占住，真正赚钱靠的是 Sol、Astra 那些高档位。
溢价消失之后，价值流到哪里去了？
当模型本身不再溢价，钱就往两端跑。一头是最顶尖的那一小撮模型——Astra、Sol Ultrafast 这种，靠绝对智能差距还能收智商税。另一头是模型之上的东西：数据、工作流、用户关系、品牌。中间那层「我有一个还不错的模型」的公司，会被两头挤扁。
这正是为什么 Manus 这种公司拼命做 Agent 工作流、做产品体验，而不是去卷模型本身。它很清楚：模型迟早会白菜价，能守住的壁垒是用户离不开你的那套流程。
这对做产品的人到底意味着什么？
模型价格向硬件成本收敛，是长期趋势。今天 Luna 是 0.10，明天可能就是 0.01。这意味着任何建立在「我调了一个好模型」之上的商业模式，都很脆弱——别人明天用更便宜的硬件跑出差不多的效果，你的定价权就没了。
真正该押注的，是那些不会随模型降价而贬值的东西：你积累的私有数据、你打磨的工作流、你和客户之间的信任。模型会变成像电一样的公用事业，价格由硬件成本决定。而你要做的，是在这个免费又便宜的电力之上，盖一座别人搬不走的房子。