你打开OpenRouter的Inkling页面，定价栏写着：每百万输入Token，1美元。不太贵，但也不便宜。但如果你往下翻，会看到一行容易被忽略的小字，叫“Effective Pricing”，后面跟着一个数字：0.17美元。不是1美元，是0.17美元。差了83%。
这不是Bug，也不是促销。这是提示缓存正在重塑整个AI推理定价体系的真实写照。而Inkling，这个由Mira Murati创立的Thinking Machines Lab刚刚发布的开源MoE模型，恰好成了观察这一趋势的最佳窗口。
标价1美元，实付0.17美元
7月17日，Thinking Machines Lab的旗舰模型Inkling正式上线OpenRouter。这是Murati团队自去年从OpenAI离职创立Thinking Machines以来的第一款产品，搭载9750亿总参数、410亿活跃参数，原生多模态，100万Token上下文窗口，采用Apache 2.0开源协议发布。在SWE-bench Verified上，它拿到了77.6%，击败了美国对手Nvidia Nemotron 3的71.9%。
但如果只看这些数字，会错过OpenRouter页面上真正值得关注的那组数据。
OpenRouter为Inkling列出了详细的定价信息：输入Token标价1美元/百万Token，输出4.05美元/百万Token。但页面同时提供了一个“Effective Pricing”图表，追踪过去30天内用户实际支付的平均价格。在提示缓存生效后，用户的缓存命中输入价格仅为0.17美元/百万Token，是标价的17%。页面说明写道：“根据你发送的重复上下文数量，实际价格可以比提供商标价便宜60%到80%。”
0.17美元这个数字，将Inkling从“中档定价模型”直接拉入了“成本极低”的阵营。作为对比，OpenRouter上今年6月上线促销的MiniMax M3，每百万输入Token是0.30美元。而Inkling在缓存命中后比它还便宜43%。
这不是Inkling独有的现象。过去一年，各大模型提供商相继推出了各自的提示缓存计费方案。Anthropic的缓存读取价格只有正常输入价格的10%，即打90%折扣；Google的Gemini系列同样提供高达90%的缓存读取折扣；OpenAI的最新旗舰模型也把缓存读取折扣提升到了90%。但很少有平台像OpenRouter这样，把“有效价格”直接挂在模型详情页上，让用户一眼看到标价和实付之间的巨大落差。
缓存经济学：为什么标价成了一种定价幻觉
要理解0.17美元和1美元之间的差距，得从缓存的工作原理说起。
Transformer模型的推理过程，本质上是逐Token计算Key-Value Cache的过程。当用户连续发送请求时，如果请求的前缀（系统提示词、工具定义、参考文档）与之前的请求相同，这部分KV Cache可以直接复用，无需重新计算。这就是提示缓存的核心机制。
在实际生产中，这种复用场景极其普遍。一个客服机器人每次请求都会带上相同的产品手册，一份代码审查工具每次都会加载相同的编码规范，一个RAG系统每次都会传递相同的检索指令。这些重复内容构成了每次请求的“静态骨架”。模型提供商对这些重复内容只对首次计算收费，后续命中的请求大幅打折。
Anthropic的缓存策略是写入缓存收取25%溢价，缓存命中则按正常价格的10%计费。Google的Gemini在缓存命中时同样打90%折扣。OpenAI的最新模型已跟进到90%的缓存折扣，但早期模型仍维持在50%左右。Inkling在OpenRouter上的缓存命中价格0.17美元，对应约83%的折扣，处于行业较高水平。
标价和实付之间的差距，正在制造一种“定价幻觉”。一个开发者如果只看了Inkling的标价1美元，可能会觉得“还行，但不如某模型便宜”。但实际部署后看到账单上的0.17美元，他会发现自己的成本模型从一开始就错了。
这种幻觉并非无意为之。每一家模型提供商都在标价上保持“体面”。标价决定了模型在行业中的定位，是高端、中端还是入门。但缓存折扣才是真正的“暗盘”，决定了实际部署的ROI。在这个意义上，模型的实际竞争力不再由标价决定，而是由“标价乘以（1减去缓存命中率）”决定。
Inkling的架构优势：为什么它在缓存经济中占优
Inkling的架构选择，让它成为了缓存经济的天然受益者。
据Hugging Face官方博客及Sebastian Raschka的分析，Inkling的66层解码器中有55层使用局部注意力，窗口大小仅为512 Token，每5层局部注意力搭配1层全局注意力。这种5:1的滑动窗口设计在保持长上下文能力的同时，大幅降低了计算成本。更重要的是，在提示缓存的场景下，局部注意力层的KV Cache复用效率更高。窗口越小，缓存命中后需要重新计算的Token越少。
与GLM-5.2的7440亿参数（400亿活跃）或Kimi K2.5的1万亿参数（320亿活跃）相比，Inkling的410亿活跃参数看起来处于同一水平线。但它的参数激活率仅为4.2%，意味着推理时绝大多数参数处于“休眠”状态。当缓存命中时，这套架构的边际成本几乎降到了最低。
Thinking Machines在Modal上提供了Day 0支持，并专门为Inkling定制了DFlash投机解码器来加速推理。再加上Inkling-Small这个2760亿参数（120亿活跃）的轻量版，面向延迟敏感和成本敏感场景，Thinking Machines的“重模型加轻模型”组合策略正在形成。
OpenRouter的透明化策略：为什么它要展示有效价格
OpenRouter选择在模型详情页上展示“有效价格”，背后有其商业逻辑。
作为一家AI API聚合平台，OpenRouter本身不拥有任何模型，它的价值在于“一个接口调用所有模型”的便利性和自动路由、自动故障转移等基础设施能力。它的商业模式是收取5.5%的平台费（信用卡充值）。这意味着，OpenRouter的竞争壁垒不在于模型本身，而在于它能否让用户更清楚地了解“使用成本”。
展示有效价格，本质上是在告诉用户：别只看标价，看实际成本。这对平台方有两层好处。一是降低用户的决策门槛，用户不再需要自己去计算缓存折扣后的真实成本。二是倒逼模型提供商提供更有竞争力的缓存折扣。如果某个模型在OpenRouter上的有效价格远高于同类竞品，开发者会很快发现并转向。
但这也带来了一个有趣的问题。如果所有模型的有效价格都越来越透明，模型提供商将失去通过标价来“锚定”市场定位的能力。高端模型的意义，将不再由“标价高”来定义，而是由“即使缓存后仍然贵”来定义。比如Claude Opus 4.8在缓存命中后仍然比Inkling贵一个数量级，这才是真正的“高端”。
对开发者和企业的实际影响
Inkling在OpenRouter上的定价结构，对AI应用的经济模型有直接影响。
以一个典型的RAG聊天机器人为例。每次请求包含2000 Token的系统提示词与检索指令（静态部分），以及500 Token的用户查询与检索结果（动态部分）。在无缓存的情况下，每次请求的成本为2500 Token乘以每百万Token 1美元，即0.0025美元。在缓存命中的情况下，假设静态部分全部命中，成本降为2000 Token乘以0.17美元加上500 Token乘以1美元，即0.00084美元。成本降低了66%。
这意味着，在Inkling上运行一个每天10万次请求的RAG应用，月成本从约7500美元降至约2520美元，一年节省近6万美元。对于正在构建AI产品的创业公司来说，这不是小数目。
更深远的影响在于：当缓存命中后的有效价格低至0.17美元/百万Token时，一些原本因推理成本过高而被认为不可行的商业模式，开始变得可行。比如高频次的Agentic工作流，Agent每步决策都需要调用一次模型；大规模的多模态内容分析，每张图片加文本的联合推理；以及长时间运行的对话式AI，每次对话数十轮，历史记录不断累积。
定价权的转移
Inkling在OpenRouter上的定价故事，折射出AI推理市场正在发生的一个深层变化：定价权的转移。
过去两年，AI推理市场的定价逻辑是“成本加成”，模型提供商按照训练成本和推理成本定价，然后由市场供需调节。但在2026年，随着提示缓存从“可选项”变成“标配”，实际定价权正在从提供商手中转移到用户手中。用户可以决定自己的缓存命中率，从而决定实际支付价格。一个精心设计的提示词结构可以将缓存命中率从30%提升到90%以上，直接让推理成本降低一个数量级。
这对模型提供商意味着什么？意味着“标价”不再是一个可靠的竞争武器。如果Inkling的标价是Claude Opus的1/5，但缓存命中后的有效价格是Claude的1/20，那它的竞争力比标价显示的要强得多。相反，如果一个模型标价便宜但缓存策略不友好，它的实际竞争力可能远低于标价给人的印象。
OpenRouter的“有效价格”透明化，可能成为推动整个AI API市场走向“按实际使用价值定价”的第一步。当所有开发者都能一眼看出“标价不等于实付”时，那些靠标价虚高来维持品牌定位的模型，将面临越来越大的压力。
而对于Inkling来说，0.17美元的有效价格是一个强有力的市场信号。Mira Murati在用开源加低推理成本两张牌，正面挑战那些闭源、高单价、黑盒的竞争对手。这不是一个关于哪个模型最聪明的故事，这是一个关于哪个模型用起来最便宜的故事。而在AI推理成本持续下降的2026年，后者可能比前者更重要。
价格从来不是AI的全部。但当有效价格只是标价的零头时，它至少是一个值得认真看的信号。
快报