早上刷到 Kimi K3 的定价页，我愣了一下。输入每百万 token 3 美元、输出 15 美元，缓存命中 0.3 美元——这个价位已经和 Claude Sonnet 5 优惠期结束后的标准价对齐，比上一代 K2.6 的输入 4 元/输出 16 元（人民币）按汇率折算后跳涨明显。多家券商追踪里，花旗与美银的 AI 追踪月报提到，K3 发布后国内前沿模型 API 综合单价一周内平均上浮约 45%，Kimi 是带头那一个。
很多人一听“开源”就觉得能白嫖。K3 完整权重 7 月 27 日确实挂在 Hugging Face 了，2.8 万亿参数、MoE 架构 896 个专家激活 16 个、100 万 token 上下文，下载包几百 GB 起步。但跑起来至少要 64 张加速卡组成的超节点，消费级显卡连加载都加载不全。对个人或小工作室来说，“开源”的意思是“你可以自己部署”，不是“你可以免费用”——电费、机器、运维、显存报废率，加起来比调 API 还贵。
这对做 GEO（Generative Engine Optimization，生成式引擎优化）的人是个硬信号：以前靠“AI 批量生成 5000 字长文塞关键词”的玩法，成本结构要重算了。
GEO 不是 SEO 换皮。SEO 抢蓝色链接排名，GEO 抢的是 ChatGPT、Perplexity、Gemini、DeepSeek 在回答里“提到你”的那一行。2026 年这几个引擎的引用逻辑已经比较清楚：结构化数据（Schema）、答案前置、实体一致、站外可信提及、原文带具体数值，这几样比“文章长不长”重要得多。普林斯顿那篇 GEO 论文测过，带引用源和内容统计数的页面，被 AI 引用的概率高 30%–40%。
我手上一个工业涂料客户的经历很典型。接手时搜“工业涂料哪个牌子好”，前三十条没有他。没去堆 AI 稿，做了三件事：官网加 Organization/Product/FAQPage 的 JSON-LD、把经销商案例写成带型号和施工环境的对照表、在两家行业媒体发技术拆解（作者署真名+工程师职称）。三个月后搜“工业涂料推荐”第一条就是它。客户看到截图第一句话是“你这 PS 的吧”，沉默半分钟才问“百度能也做吗”。——GEO 的转化经常长这样：慢、冷、但信任感是 SEO 流量给不了的。
成本涨了，路子得换。不是少调用 API，是少浪费 API。
第一，审计账单。导出最近三个月的调用明细，按“提示词→产出字数→是否进入正式发布”拉个表。我见过最离谱的账号，40% 的 token 花在“再写长一点”“换个语气”这种无效迭代上。把这些砍掉，成本先降两成。
第二，把“生成”和“喂料”分开。核心页面（首页、产品页、关于我们、FAQ）用 K3 这种强模型做一轮结构化改写，埋好 Schema 和答案段；日常博客、行业快讯用通义千问或 DeepSeek V4-Pro 跑草稿，人工润色。主备双 API 做路由脚本，强模型贵但少用，中端模型便宜管日常，单点涨价拖不垮你。
第三，内容从“堆量”转“做件”。一篇 800 字、带 FAQPage 标记、开头 100 字直接回答“XX 涂料耐温多少度”的页面，比五篇 3000 字 AI 水稿在 Perplexity 里被引率高得多。康涂仕那个案例里，真正起作用的是“型号+施工温度+保质期”这三组结构化字段，不是文章辞藻。
第四，盯紧站外实体。GEO 很吃 Wikipedia、G2、小红书专业帖、知乎回答里的品牌共识。名字、成立年份、核心产品名全平台统一，别今天写“康涂仕”明天写“康涂士”。AI 抓实体一致性比人严。
风险面也得说清。盲目换便宜小模型，确实可能掉引用率——不是模型傻，是输出变浅、数据变虚、没人敢引。调试成本会吃掉价差红利。更隐蔽的坑是“伪结构化”：Schema 标了 FAQPage 但正文没对应问答，Google 和 GPT 都会降权。这比不用 Schema 还糟。
一人公司做 GEO，资源本来就在“真实积累”这四个字上。你跑过工地、记过进货价、签过经销商授权、拍过现场图，这些才是别人 AI 洗不出来的东西。把这些信息做成表格、做成带 Schema 的页面、做成行业媒体愿意转载的拆解文，K3 涨到 20 美元/百万输出也伤不到你——因为你的壁垒不在 token 里，在实体里。
今晚要是只做两件事：一是给官网加一套基础 JSON-LD（Organization + WebSite + 主产品 Product），半小时搞定；二是把最近三月 API 账单导出来，标出 top 10 烧钱没产出的提示词。下个账单周期再来一次，你会谢谢现在没装睡的自己。
开源是大厂给开发者的情书，不是给搬砖工的免费午餐。河床挖深，水贵也绕着你走。
