大模型搜索的双重挤压:限流收窄入口,降价制造通胀
DeepSeek一边限流一边降价,腾讯阿里跟进降价,表面是价格战,实质是搜索分发权的重新分配。限流按消费档位决定调用配额,降价让重复内容的流通成本趋近于零,两者叠加导致AI答案的引用逻辑从内容质量转向调用成本与场景密度。文章用百炼动态限流的具体档位、DeepSeek Flash的价格回调,以及搜索API开放与平台场景密度,说明这场变化的机制、边界和对内容生产者的实际含义。
大模型搜索的双重挤压:限流收窄入口,降价制造通胀
限流不是故障,是分发权的定价机制
百炼的限流档位如何决定谁被模型看见
阿里云百炼对主流生成模型的限流,不是对所有账号一视同仁的技术保护,而是一套按付费能力分层开放的配额制度。平台采用动态限流,TPM 限流值随账号在百炼的月消费档位逐月调整。以华北2(北京)地域的 qwen4-max 为例:月消费不超过 10 万元时,TPM 限流值为 500 万;月消费在 10 万至 100 万元之间,配额翻倍到 1000 万;月消费超过 100 万元,配额再翻倍至 2000 万。新加坡地域的 deepseek-v4-pro-0813 同样呈现阶梯:月消费 8000 美元以下时 TPM 为 120 万,8000 至 14 万美元档为 500 万,超过 14 万美元则达到 1000 万。

这套机制的关键在于,限流按主账号维度计算,RAM 子账号、业务空间和 API Key 的调用量全部合并计入同一配额。也就是说,一个组织内部所有应用、所有开发者对某个模型的调用,都被压缩进同一个 TPM 池子里。调用额度因此具有了排他性:高消费档位的账号获得更大的池子,低消费档位的账号则在池子耗尽时收到 429 错误。
档位调整的节奏进一步强化了这种分层。平台按自然月账单周期测算消费金额,每月 10 日向调整用户发送通知,15 日新档位生效,有效期至次月 15 日。这意味着配额并非实时跟随消费波动,而是以月为周期重新定价。一个账号在上一个月的消费水平,直接决定它在下一个月能够以多高的频率向模型输入内容。
429错误背后的商业逻辑
触发动态限流时,请求会被拒绝并返回 429 错误,错误码为 Throttling.ResourceExhausted 或 Throttling.ServiceOverloaded,报错信息统一为 Too many requests。从调用方的视角看,这像是一种技术故障;但从平台的角度看,429 是配额边界的信号,它标记的是“这个账号在本月内已经用完了它所购买的那一份调用能力”。
将限流理解为分发权的定价机制,需要承认一个前提:模型调用本身正在成为内容进入大模型搜索结果的通道。当内容方通过 API 向模型提供上下文、结构化数据或候选答案时,调用频率越高,内容被模型处理和纳入回答的概率就越高。TPM 配额因此不只是吞吐量指标,它实际上决定了内容在模型侧的暴露机会。月消费 100 万元以上的账号,其内容被模型调用的上限是月消费 10 万元以下账号的四倍,这种差距在搜索结果层面会转化为可见性的差距。

但这条因果链有一个重要边界:限流档位只决定调用上限,不保证实际调用量。一个低消费账号如果请求频率平稳、缓存命中率高、单次请求的 token 消耗控制得当,仍然可以在配额内实现有效的内容传递。限流收窄的是“调用能力的上限”,而不是“调用效率的下限”。真正被分层的,是那些需要高频、大规模向模型推送内容的场景——例如实时数据更新、批量内容索引、多租户应用中的并发检索。在这些场景里,付费能力直接转化为内容被模型看到的概率。
降价制造的不是普惠,是内容通胀
Flash降价60%后,输出价格为何反而涨了一倍
DeepSeek 2026年9月这轮Flash系列降价,真正值得拆开看的不是降幅本身,而是降价落在哪个环节。空闲时段缓存命中输入从每百万Tokens 0.05元降至0.02元,降幅60%;缓存未命中从1.5元降至1元;输出从4.5元降至4元,只降了约11%。把时间轴再往前拉一步,与8月涨价前相比,缓存命中和未命中输入价格回到了0.02元和1元的原位,但输出价格仍从2元涨到了4元。

也就是说,这轮“降价”的本质是输入成本回归原位,而输出成本保持翻倍。输入和输出在API定价里对应着完全不同的行为:输入是读取已有内容,输出是生成新内容。缓存命中输入降得最狠,是因为这部分对模型来说几乎没有计算增量——内容已经处理过,只需按token计费返回。输出价格翻倍,则意味着每一次真正产生新文本的动作,成本刚性反而上升了。
这种结构性不对称在多家厂商的调价中反复出现。腾讯混元-Pro输入价格下降70%但输出价格未优惠,阿里云Qwen-Max输入价格下调67%、输出费用维持不变。百度ERNIE Speed的免费只覆盖基础服务,进阶服务按0.005元/千tokens计费,更高阶服务涨到0.008元。降价的共同特征,是压低“读”的门槛,维持甚至抬高“写”的代价。
当每百万token只要0.02元,谁还在乎内容质量
当缓存命中输入降到每百万Tokens 0.02元,重复调用同一批内容的边际成本几乎可以忽略。这改变的不是用户能否用得起模型,而是内容生产者的成本核算方式。
输出价格翻倍意味着每次生成新内容都要付出真实成本,但缓存命中输入极低意味着一旦某段内容被模型处理过并进入缓存,后续分发几乎免费。这形成了一条明确的生产策略:批量生成大量相似内容以摊薄首次输出的成本,然后依赖缓存命中低价反复分发。对内容生产者来说,写一百篇结构相同、关键词略有差异的文章,比精写一篇深度内容在经济上更划算——生成成本可以被批量摊薄,分发成本趋近于零。
结果就是AI答案中同质化内容的密度上升。模型搜索到的“不同来源”,在缓存层面可能是同一批模板化内容的变体。降价没有让高质量内容更容易被引用,它降低的是重复内容的流通成本。

但这个判断需要加一个边界。输出价格翻倍也可能构成反向约束:如果批量生成的内容无法稳定命中缓存,每次新生成都要支付4元/百万Tokens的输出成本,低质量批量生产的账就算不过来。通胀效应是否成立,取决于生产者的批量策略能否真的通过缓存命中回收首次生成成本。在缓存机制不透明、命中率由平台算法决定的前提下,这更像一场生产者与平台之间的成本博弈,而不是一个必然结局。
搜索分发权从网页排名转向API调用与场景密度
DeepSeek开放搜索API意味着什么
DeepSeek在10月17日开放自研搜索引擎API,包含Search与Fetch两个接口,每千次成功搜索收费0.75美元,约合人民币5元。这个价格本身不算高,但它把搜索从产品功能变成了可计量的调用单元。过去,内容能否被搜索引擎收录取决于爬虫策略、页面权重和链接结构;现在,能否进入DeepSeek的检索结果,首先取决于调用方是否愿意为每次搜索付费。

DeepSeek同时宣称已建立全球千亿级网页索引,每天处理数亿次搜索请求。这两个数字来自厂商单方面披露,没有第三方验证,但即便打个折扣,也足以说明一个事实:模型厂商正在把搜索能力包装成基础设施,而不是免费开放的公共通道。API化的直接后果是,内容被引用的机会不再只由页面质量决定,还取决于谁在调用、调用频率多高、预算能覆盖多少次检索。一个内容生产者的页面可能依然存在于索引中,但如果没有任何应用方为检索它付费,它在AI答案中的可见性就接近于零。
这构成了一条清晰的因果链:API调用配额决定内容进入模型上下文的机会。配额越高,内容被检索和引用的概率越大;配额耗尽,内容就从AI搜索的候选池中消失。搜索结果的质量评估并未完全失效,但它被前置的调用门槛过滤了。传统搜索中,网页排名是分发权的核心;在API化的搜索里,调用预算成了第一道闸门。
腾讯的入口优势为什么在AI搜索中放大
与DeepSeek直接把搜索API卖给开发者不同,腾讯走的是另一条路。虎嗅在2026年春节前的分析中指出,模型厂商从技术竞赛转向入口垄断,最终拥有高频场景的平台可能成为最大赢家。腾讯的微信和QQ每天承载数十亿次点击,这些点击分布在聊天、支付、小程序、公众号阅读等具体行为中。当AI搜索嵌入这些场景,搜索行为不再需要用户主动打开一个搜索框,而是在既有操作中被触发。
这种模式的核心变量是场景密度。模型公司卖API,平台卖的是场景密度。技术同质化越严重,平台方的议价权越强。腾讯不需要在模型能力上全面领先,只要把搜索能力接进微信输入框、聊天记录检索、小程序内问答这些位置,就能让内容在用户行为的自然流动中被调用。内容被引用的概率,越来越取决于它在特定场景中的匹配度,而不是它在通用网页索引中的排名。
API配额和场景密度共同改变了分发逻辑。前者决定内容能否进入模型上下文,后者决定模型在什么用户行为中调用这些内容。两者叠加,传统网页排名对AI搜索可见性的影响大幅下降。一个在百度排名靠后的页面,如果被某个高频场景中的应用方频繁调用,在AI答案中的曝光可能超过排名靠前的页面。

这个判断需要保持克制。目前关于分发权转移的论述主要来自行业观察和单源报道,DeepSeek的索引规模和请求量均缺乏第三方验证。网页排名在传统搜索引擎中仍然有效,AI搜索尚未取代搜索引擎的基本盘。分发权转移的程度可能被高估,但方向已经清晰:内容被AI引用的概率,正从“质量评估”转向“调用成本与场景匹配”。
真正该看的是成功成本,不是调用价格
一个开发者的账本:为什么他减少了DeepSeek用量
软件开发企业负责人王克江给出的选择比任何定价表都更能说明问题。他的公司已经大量减少使用DeepSeek,常规任务转向GPT,国内模型主要使用GLM。这个决定并非出于模型能力的高下,而是来自成本结构的变化。按照他的判断,一项任务最终需要考虑的并不只是模型调用价格,还包括成功率、重试成本和错误修复成本。他把这三项加总称为成功成本和总拥有成本。

这个视角解释了为什么“降价”和“限流”可以同时发生而不矛盾。降价降低的是单次调用的名义价格,限流提高的是成功完成一次调用的隐性代价。当请求被限流拦截,调用方需要重试;重试本身消耗时间和配额,失败的结果进入生产流程后还需要人工排查和修复。这些成本不会出现在每百万Tokens的报价单上,却会真实地反映在月底的账单和团队的工时里。
王克江的案例是单个企业负责人的陈述,不能直接外推为行业整体状况。对于调用量小、对延迟不敏感的用户,限流的影响可能很小,单纯比较价格仍然有效。但在高频、规模化调用场景中,成功成本与调用价格的差距会迅速拉大。一个价格便宜但成功率不稳定的模型,实际代价可能高于价格更贵但响应稳定的模型。
限流与降价叠加后,内容生产者的实际策略
把成功成本的概念放到内容生产一侧,结论同样清晰。当模型调用价格下降,批量生成内容的门槛降低,更多生产者涌入;当限流同时收紧,这些生产者争夺的调用配额变得更加稀缺。结果不是“更便宜的内容更容易被引用”,而是“能在有限配额内稳定完成调用的生产者更容易被引用”。
这意味着内容生产者的评估指标需要从“单次生成成本”转向“单位有效输出的总成本”。一个团队如果只计算生成一千篇文章的API费用,而忽略了重试、失败任务的人工处理、以及因限流导致的发布延迟,就会低估真实投入。猎豹移动CEO傅盛的观点从另一个侧面印证了这种压力:大降价基本宣告大模型创业公司必须寻找新的商业模式,因为大厂可以通过云服务生态消化低价,创业公司没有同样的缓冲空间。
行业共识也指向同一方向:消费级产品需要将单次推理成本降至搜索或推荐级别,否则模型能力再强仍是“实验室奢侈品”。这个判断的关键不在于价格数字本身,而在于成本必须低到足以支撑高频、稳定的调用。限流恰恰在这一点上形成了反向约束——即便单价降到位,如果配额限制了调用频率,消费级产品的成本模型仍然无法成立。
因此,在限流与降价叠加的环境中,值得投入的不是最便宜的模型,也不是能力最强的模型,而是成功成本最低的调用路径。这个路径由价格、成功率、重试成本和错误修复成本共同决定,并且会随着限流政策和缓存命中率的变化而动态调整。内容生产者与其追逐每一次降价,不如建立自己的成本追踪机制,把成功成本作为判断模型和内容策略的基准指标。