LLM 数据价格带

价格梯度

开源预训练语料为 $0（许可各异），成本在处理。合成 token 约 $0.3–10 每百万输出 token；生成 10 亿输出 token，自部署开源模型约 $55–550，前沿闭源 API 为数千至数万美元（作者估算，依赖吞吐假设，未含验证过滤）。通用标注约 $4–40 每小时，专家 $55–100+ 每小时，见专家与标注时薪对照。版权授权为 $5 万至数千万美元每年每笔。RL 环境单任务 $200 起，高保真复刻约 $30 万，见 RL 环境价格带与成本结构。

授权锚点

Bartz v. Anthropic 和解约 $15 亿，约 $3,100 每作品，是盗版库获取的价格锚，不能直接当作训练授权价 [1]。News Corp 与 OpenAI "超过 $2.5 亿/5 年"（约 $5,000 万/年，WSJ 报道，含现金与 OpenAI 技术额度，媒体口径）[3]；Amazon 与 NYT 约 $2,000–2,500 万/年（媒体口径）[4]；Reddit 与 Google 约 $6,000 万/年（Reuters 单一信源，双方未披露）。HarperCollins 每本 $5,000/3 年，作者与出版社各半。

局限

授权金额基本为媒体转述，条款保密；各层单位不同（token、小时、任务、年费），只能分对数轴比较。公开训练成本里数据采购几乎不显形：DeepSeek-V3 的 $557.6 万仅为算力租金。

来源

卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。

LLM 数据价格带

价格梯度

授权锚点

局限

来源

相关卡片