AI的token账单，终于藏不住了

本文来自微信公众号：AIGC从0到1，作者：王零壹，原文标题：《AI 的token账单，终于藏不住了》

过去三年，很多人讨论 AI，还是习惯问一个问题：

• 谁的模型最强？

• 谁的 benchmark 更高？

• 谁的上下文更长？

• 谁的 coding 能力更接近“自动程序员”？

但最近几条新闻放在一起看，我觉得这个问题已经不够了。

6月9日，Claude Fable 5 发布之后，市场的反应很有意思。

它当然更强，支持更长上下文，面向更复杂的长时间 agent 任务。但与此同时，它也带来了更高价格、更严格限制、usage-based billing、数据保留、安全回退、企业合规顾虑，以及开发者对“限额、降级、回退不透明”的反弹。

这件事像一个现场样本，把 AI 行业下一阶段的矛盾一次性暴露出来：

模型越来越强，但调用最强模型的成本、风险和治理压力，也越来越无法被忽略。

所以这篇文章想讨论的是：AI 正在从能力竞赛，进入 Tokenomics 竞赛。

也就是，智能不再只是“能不能做到”的问题，而是“用多少 token、多少算力、多少时间、多少重试、多少人工兜底，才能把一个真实任务稳定完成”的问题。

一、Claude Fable 5 是一个很好的引子

Claude Fable 5 之所以适合做引子，因为它把前沿模型的经济问题直接摆到了台面上。

Fable 5 支持 1M token context、最高 128k 输出，价格为每百万 input tokens 10 美元、每百万 output tokens 50 美元。

这已经不是“便宜问答工具”的价格结构。

它更像一种高端生产资料。

更关键的是，Fable 5 还伴随着一整套限制：

-使用额度。

-安全分类器。

-fallback。

-billing credit。

-task budgets。

-effort control。

-30 天数据保留。

-不支持 zero data retention。

这些词放在一起，说明前沿模型已经不再只是一个 API。

它更像一个需要预算、审批、调度和审计的智能资源。

以前很多人使用 AI 的方式是：既然我买了，就尽量多用；既然最强模型效果最好，那就默认用最强模型。

但 Fable 5 这类模型正在提醒企业和开发者：最强模型不是免费的水电煤。

它是一种昂贵、稀缺、需要分配的能力。

二、Citadel 说的 Tokenomics，到底是什么意思

这几天，一份 Citadel Securities 的 “Tokenomics” 报告在华尔街广泛传播。

我没有看到完整公开版报告，但根据公开转述和 Citadel 相关公开文章，可以把它的核心意思压缩成一句话：

AI 采用的瓶颈，正在从“模型原则上能做什么”，转向“企业能不能负担每次真实任务的智能成本”。

过去大家看 AI，经常看模型能力曲线。

比如：

-它能不能写代码？

-能不能推理？

-能不能读长文？

-能不能做 agent？

-能不能替人完成一部分工作？

这些问题当然重要。

但当模型真的进入企业工作流之后，另一些问题会变得更重要：

-做到一次要多少钱？

-失败重试要多少钱？

-长上下文会烧掉多少 token？

-多轮 agent 会不会无限循环？

-工具调用失败后谁兜底？

-是不是每个任务都必须用最贵模型？

-账单能不能预测？

-合规风险能不能接受？

我会把 Tokenomics 的核心公式写成这样：AI 任务经济性 = token 单价 × token 消耗 × 重试率 × 模型路由组合 ÷ 真实业务产出。

注意，这里真正关键的不是“每百万 token 多少钱”。

而是“每完成一个成功任务，到底花了多少钱”。

一次客服工单。

一次代码合并。

一次销售线索判断。

一次法律合同审查。

一次财务报销审核。

一次代码迁移。

这些任务会包含上下文读取、计划、工具调用、检查、修改、重试、验证、人工复核。

这时，token 成本就不再是后台小数字，而是直接进入业务毛利、产品定价和企业预算。

三、企业不能再无限量试用

企业的心态也变了。

早期很多公司用 AI，更像创新预算：先试，先上，先让员工用起来。

今天越来越多企业开始问：这个东西进了生产系统以后，账怎么算？

Deloitte 给 CFO 的观点很典型：AI tokenomics 不只是技术成本，而会进入 P&L、资本配置、TCO、运营模式和风险管理。

CFO 不一定要盯每一个 token，但必须知道：AI 支出增长背后有没有清晰的价值链，是否对应明确业务场景。

Bain 的调研也能说明这种矛盾。

很多 CFO 仍计划提高 AI 支出，但很多企业实际获得的成本节省低于预期。也就是说，预算没有停，但“只要用了 AI 就一定降本”的叙事变弱了。

真实案例已经开始出现。

Uber 的 AI coding 工具预算快速超支。

Priceline 续约 Cursor 时成本大幅上升。

JPMorgan 有员工的 token 花费甚至高过工资。

这些案例说明企业要把 AI 纳入成本治理。

未来企业不会再简单给所有员工开最强模型，然后任由大家随便烧 token。

实际上，现在很多的企业都开始在实行一种策略：

不同岗位不同额度。

不同任务不同模型。

低风险任务走便宜模型。

高价值任务才升级到前沿模型。

敏感数据进入合规模型或私有部署。

长程 agent 设置预算上限。

每个任务都要有成本、成功率和人工兜底指标。

企业方的真实观点可以概括为一句：AI 必须用，但不能再按“无限云资源 + 无限上下文 + 无限试错”的方式用。

四、开发者不是反对强模型，而是反对不可预测

开发者可能是最愿意为强模型付费的一群人。

问题是，开发者需要稳定性和可预测性。

模型行为不能悄悄变。

默认 reasoning effort 不能今天 high、明天 medium。

system prompt 不能偷偷改，导致 coding quality 下降。

缓存策略不能出错，让模型忘掉之前的 thinking。

安全回退不能静默发生，让用户以为自己还在调用同一个能力水平的模型。

限额不能模糊。

账单不能失控。

这些并不是小抱怨。

对于开发者来说，AI coding agent 不是玩具，而是工作流的一部分。一个模型如果今天表现很好，明天突然变懒、变笨、变啰嗦、变得不敢做，开发者会立刻感受到。

Claude Code 之前的争议就说明了这一点。

Anthropic 自己在 postmortem 中承认，质量问题来自几类变化：默认 reasoning effort 从 high 降到 medium、缓存优化错误、减少 verbosity 的 system prompt 伤害了 coding quality。

这件事本质上就是 token economics。

更高 reasoning effort 通常意味着更高 token 使用、更高延迟、更高成本。

厂商想控成本。

用户想要质量。

开发者想要稳定。

这三者之间天然有拉扯。

还有一个更具体的成本黑洞：agentic coding 的 token 消耗并不只发生在“写代码”那一步。

很多 token 会花在 review、test、retry、tool calling、修复、再验证上。

也就是说，真正贵的不是模型回答一次，而是 agent 在复杂工程里来回跑。

所以开发者真正要的不是“永远无脑用最贵模型”。

他们要的是三件事：

第一，模型行为稳定。

第二，账单可预测。

第三，限制透明。

开发者可以接受安全限制、预算上限、模型回退。

但不能接受“表面上还是同一个模型，实际上已经被降级、改写或隐性节流”。

五、模型厂商正在变成智能电网运营商

站在模型厂商角度，这件事更矛盾。

他们必须不断推出更强模型。

因为资本市场、开发者、企业客户都在问：你是不是还领先？

但他们又不能让所有用户无限调用最强模型。

因为前沿模型的推理成本、数据中心压力、安全成本和合规成本都是真实存在的。

所以模型厂商正在做一件事：

把智能拆成不同服务等级。

OpenAI 的价格阶梯、cached input、Batch API、Flex processing，本质上都是这种趋势。

Anthropic 的 usage credits、effort control、task budgets、fallback，也是在做同一件事。

未来模型厂商会越来越像“智能电网运营商”。

它们不只是卖一种电。

它们会卖：

-高峰电。

-低谷电。

-缓存电。

-批处理电。

-高优先级电。

-低延迟电。

-合规专区电。

-前沿智能电。

-便宜日常电。

这听起来像比喻，但方向很真实。

未来企业买 AI，不会只买“一个最强模型”。

而是买一整套智能调度系统：

什么任务用便宜模型。

什么任务用中端模型。

什么任务升级到前沿模型。

什么时候用缓存。

什么时候批处理。

什么时候必须人工复核。

什么时候因为合规原因不能调用某个模型。

这就是 AI 模型产品的第二次产品化。

第一次产品化，是把模型能力包装成聊天框、API、copilot、agent。

第二次产品化，是把模型调用变成可预算、可审计、可路由、可降级、可缓存、可解释的生产系统。

六、投资者看到：估值锚变化

从投资角度看，Tokenomics 也不等于“AI 没戏了”。

更准确地说，是 AI 估值逻辑正在变化。

过去市场更愿意为能力突破买单。

谁模型强，谁叙事强。

谁训练规模大，谁融资顺。

谁发布新 benchmark，谁获得市场关注。

但接下来，投资者会越来越多问：

-收入能否覆盖推理成本？

-应用层毛利会不会被模型成本吃掉？

-客户是否愿意为 AI 成果付费，而不是只为 seat 付费？

-模型降价会不会导致收入增长和利润率拉扯？

-数据中心、电力、内存、GPU 需求是否真的能被终端需求消化？

-agent 是否带来 5–30 倍 token 消耗？

这并不是看空 AI。

而是从“能力叙事”进入“单位经济模型叙事”。

J.P. Morgan Asset Management 的态度更像中性偏乐观：AI 交易会更波动，市场担心可持续性，但大规模 capex 仍由采用率和工作负载增长支撑。

Gartner 的判断也能把两边连起来：未来单 token 推理成本可能大幅下降，但 agentic models 每个任务消耗的 token 也可能远高于普通 chatbot。

这就是关键矛盾：

token 单价下降，不代表 intelligence 总成本下降。

因为当 AI 真正进入生产系统后，使用量会暴涨，任务会变复杂，agent 会多步执行，模型会反复验证，企业会要求更高可靠性。

单价下降，可能被总量增长吃掉。

所以投资者会更挑剔。

算力、电力、内存、数据中心仍然有长期需求。

但应用层公司如果把昂贵模型成本内嵌进产品，又无法把成本转嫁给客户，毛利率会受到压力。

模型公司如果靠降价抢客户，也会在收入增长和利润率之间拉扯。

赢家不会只是“模型最强”的公司。

赢家会是能把模型能力变成可控成本、可衡量产出、可持续毛利的公司。

七、未来主流架构：三层模型，而非一个模型打天下

我认为未来 1–3 年，最主流的 AI 产品架构会变成三层。

这个架构的核心，是任务分层。

不是所有任务都值得调用最强模型。

不是所有任务都能交给便宜模型。

真正有价值的是中间那层调度系统：

-router。

-evaluator。

-memory。

-budget manager。

-governance layer。

它决定一个任务先用哪个模型，什么时候升级，什么时候停止，什么时候人工接管，什么时候缓存，什么时候因为合规原因换模型。

未来很多 AI 产品的核心竞争力，不会只体现在“用了哪个模型”。

而会体现在：

它能不能把任务切得足够细。

能不能判断任务难度。

能不能估算成本。

能不能控制失败重试。

能不能把前沿模型留给真正值得的地方。

能不能让用户感觉稳定，而不是每天像抽盲盒。

八、模型价格会让位于任务价格

今天模型厂商主要按 token 定价。

每百万 input tokens 多少钱。

每百万 output tokens 多少钱。

但企业真正想买的，不是 token。

企业想买的是结果。

一张客服工单解决多少钱？

一个 PR 合并多少钱？

一次代码迁移多少钱？

一份合规报告多少钱？

一次销售线索判断多少钱？

每降低 1% churn 要花多少 inference？

这意味着未来 AI 产品会越来越强调 task-level telemetry。

也就是任务级监控：

-cost per resolved ticket。

-cost per accepted PR。

-tokens per successful workflow。

-retry rate。

-fallback rate。

-human-review rate。

-frontier-model usage share。

这套指标会从工程团队内部工具，变成企业采购、CFO、FinOps、业务负责人共同关心的问题。

Linux Foundation 拟成立 Tokenomics Foundation，也说明这件事正在制度化。

token 支出不再只是开发者吐槽账单。

它会变成 AI 基础设施的标准化问题。

九、预算优先，会成为开发者工具的新范式

未来 coding agent 或企业 agent 里，会出现越来越明确的预算控制项。

比如：这个任务最多花 3 美元。

先用 cheap mode，失败再升级。

最多跑 8 次 tool call。

review 阶段最多消耗 20k tokens。

只在 CI failure 后调用高阶模型。

把 reasoning effort 显示出来，不要偷偷改默认值。

这个方向很重要。

过去开发者工具强调的是“能力优先”。

能不能写代码？

能不能理解项目？

能不能自动修 bug？

未来会变成“能力 + 预算 + 可预测性”一起看。

一个 agent 即使很强，如果它每次跑起来都不知道会花多少钱、会跑多久、会不会降级、会不会静默回退，企业也不敢大规模铺开。

因此，未来的好 AI 工具不会只说：

我能完成任务。

它还必须告诉你：

我准备用什么模型完成。

预计花多少钱。

最多花多少钱。

失败后怎么升级。

什么时候需要你确认。

哪些数据会被保留。

哪些动作会被审计。

这才是 production AI 应该有的样子。

十、小模型和私有部署会重新升值

Tokenomics 还会带来另一个结果：

小模型、专用模型、开源模型、私有部署会重新升值。

经济学原因。

高频、低复杂度、低风险任务，不值得每次都调用前沿模型。

企业内部大量任务其实不需要 Fable 5 或 GPT-5.5 级别能力。

它们需要的是：

稳定。

便宜。

低延迟。

可控。

可部署在私有环境。

能接企业内部系统。

这会让很多基础技术变得更重要：

RAG。

知识图谱。

prompt caching。

context compression。

fine-tuning。

distillation。

quantization。

speculative decoding。

KV cache 优化。

多模型路由。

私有化部署。

这些东西听起来不如“最强模型发布”性感。

但它们会决定 AI 能不能进入企业利润表。

十一、AI进入了筛选期

AI 能力扩张还会继续。

模型还会变强。

上下文还会变长。

agent 还会变得更能做事。

但“无纪律地调用最贵智能”的时代正在结束。

未来的赢家，是能把智能拆成不同价格、不同风险、不同延迟、不同可信度层级，并把它们编排进真实业务结果的公司。

所以我对未来模型发展的预言是：

模型会继续变强，但默认使用会变便宜；前沿智能会更稀缺、更受控、更高价；日常智能会更普及、更本地化、更自动路由；真正的竞争核心，会从“谁有最强模型”，转向“谁能用最经济的智能组合，完成最多真实任务”。

这就是 Tokenomics 这条线真正重要的地方。

AI 已经重要到必须进入成本表、预算表、治理表和业务结果表。

当一个技术开始被严肃算账，它才真正进入生产时代。

本文来自微信公众号：AIGC从0到1，作者：王零壹（港大AIBT研究生，ex上市公司CMO，《AIGC从0到1》作者，中文互联网第1个意识到OpenClaw价值的人，专注AI时代的商业模式与产品架构，主张"用AI，不AI"。“AIGC从0到1”由<范式><范性><范本>组成，是浪潮中的真实记录）