L'Institut d'intelligence artificielle de l'Académie chinoise des technologies de l'information et de la communication (CAICT) et d'autres organismes ont publié le 23 octobre le « Rapport de suivi des performances des services de tokens des grands modèles (2026) ». L'ensemble de chiffres le plus remarqué du rapport concerne les prix : le prix moyen normalisé des services de grands modèles chinois est passé de 6,8 yuans au second semestre 2025 à 13,46 yuans depuis le début de 2026, une hausse proche de 100 %.
Le rapport est publié conjointement par l'Institut d'IA de la CAICT, le laboratoire clé du ministère de l'Industrie et des Technologies de l'information pour l'évaluation des grands modèles d'IA et des logiciels et matériels, et l'Alliance pour le développement de l'industrie de l'intelligence artificielle de Chine. Les données proviennent du suivi de janvier à août 2026 et couvrent le taux de réussite des appels, le débit, la latence du premier token, la stabilité, le prix et la fenêtre de contexte.
Trois courbes : prix, vitesse, latence
D'abord le prix. Selon le rapport, après deux ans de guerre des prix, les tarifs ont nettement augmenté en 2026, en Chine comme à l'étranger ; les modèles étrangers typiques sortis depuis début 2026 affichent un prix normalisé moyen d'environ 117,8 yuans, toujours très supérieur au niveau chinois.
Ensuite la vitesse. Le TPS moyen (tokens de sortie par seconde) des modèles chinois en août est de 78,23, contre une moyenne de 38,25 en 2025, soit presque un doublement. Pour les modèles étrangers typiques, le TPS moyen d'août est de 112,82, contre 51,35 en décembre dernier, là aussi plus du double ; dans l'ensemble, les modèles chinois restent en retrait.
La latence, elle, s'est allongée. Le temps moyen avant le premier token (TTFT) des modèles chinois en août est de 1,26 seconde, contre 0,78 seconde en moyenne en 2025 ; pour les modèles étrangers typiques, il est de 2,08 secondes en août, contre seulement 1,04 seconde en avril. Le rapport explique :
« La hausse du TTFT n'est pas une simple dégradation des performances »
Il l'attribue à la conjonction de modèles comptant plus de paramètres, de contextes plus longs et d'un volume d'appels en hausse. L'évolution du contexte est nette : parmi les modèles suivis, ceux dotés d'un contexte de 1 million de tokens représentent 47,8 %, et ceux de 200K et plus totalisent 95,7 %, soit plus de 76 points de pourcentage au-dessus de fin 2025.
Un calcul approximatif
En mettant ces chiffres côte à côte, on peut estimer grossièrement quelques rapports.
- Prix : 13,46 ÷ 6,8 ≈ 1,98 fois ; le prix moyen étranger représente environ 117,8 ÷ 13,46 ≈ 8,8 fois le prix chinois.
- Vitesse : le TPS chinois a été multiplié par environ 2,05, presque au même rythme que le prix.
- Latence : la latence du premier token a augmenté d'environ 0,48 seconde en Chine, soit une hausse de l'ordre de 60 %.
Si l'on estime grossièrement la « vitesse de sortie obtenue par yuan », la Chine fait à peu près jeu égal avec l'an dernier : le prix double, le débit aussi. Ce que les développeurs paient en plus achète surtout des contextes plus longs et des modèles plus gros, tandis que l'attente du premier caractère de chaque requête s'allonge. Il s'agit d'une estimation de notre part à partir des moyennes publiées dans le rapport ; les écarts entre modèles et entre plages horaires sont importants, et elle ne s'applique pas à la facture d'un fournisseur donné.
Les ajustements tarifaires des fournisseurs chinois cette année servent de note de bas de page à ces moyennes. Tencent Cloud a relevé à plusieurs reprises dans l'année les prix de services d'IA comme Hunyuan ; selon la presse, l'API de DeepSeek-V4 applique depuis le 17 août une tarification par plages horaires, avec un prix de sortie multiplié par 4,5 aux heures de pointe. Les tarifs écrasés au plancher pendant la guerre des prix remontent, fournisseur après fournisseur.
Le même modèle, des plateformes différentes
Le rapport a aussi suivi séparément quatre modèles open source, DeepSeek, Qwen, GLM et Kimi, sur la plateforme d'origine et sur des plateformes tierces. Conclusion : un même modèle peut afficher d'une plateforme à l'autre un TPS allant jusqu'à presque le double, et certaines plateformes tierces tournent plus vite que la plateforme officielle. Pour le rapport, la principale cause de cette divergence tient aux arbitrages propres à chaque acteur entre accélération de l'inférence, stratégies d'optimisation et maîtrise des coûts.
Pour des modèles précis, le TPS de DeepSeek-V4-Pro en août atteint 2 fois celui de DeepSeek-V3.2 ; après le changement de génération des principaux modèles en mai, la latence du premier token a globalement augmenté par paliers, puis est progressivement revenue au niveau d'avant la transition à mesure que les optimisations d'inférence étaient déployées.
La hausse de l'usage explique pourquoi les fournisseurs osent relever leurs prix. Le rapport indique qu'en juin 2026 la consommation quotidienne moyenne de tokens en Chine était d'environ 500 000 milliards, soit près de 4 fois celle de décembre 2025.
Deux réserves de méthode sont à garder en tête. Le résumé public n'explique ni l'algorithme ni l'unité de facturation du « prix normalisé » ; les trois valeurs de 6,8, 13,46 et 117,8 yuans ne peuvent être comparées qu'entre elles, sur la même base, et ne doivent pas être confrontées directement à la grille tarifaire officielle d'un fournisseur. La liste des modèles et plateformes suivis ne figure pas non plus dans le résumé ; seul le texte intégral du rapport fait foi.
Sources : Académie chinoise des technologies de l'information et de la communication (CAICT), CocoLoop, Jiemian News, ITHome, 21st Century Business Herald ; les valeurs de prix moyen normalisé, de TPS, de latence du premier token et de part de contexte ont été vérifiées avec leurs périodes statistiques.