大模型厂商重构计价逻辑：从Token单价转向“每美元有效智能”

事件概述

随着大模型Token单价持续下降，企业AI总支出却因调用量激增而大幅上升，传统按Token计价的模式已无法准确反映使用成本。OpenAI首席财务官Sarah Friar提出“每美元有效智能”（Useful Intelligence per Dollar）概念，主张企业应综合评估任务完成率、耗时、重复调用及人工监督成本，而非仅关注牌价。这一转变标志着大模型厂商试图重新定义价值尺度，为前沿性能和服务质量保留溢价空间。

核心信息

1. Token价格与使用成本的错位

• 数据对比：Ramp数据显示，2026年3月至9月，美国企业样本的每百万Token有效价格下降41%（从1.15美元降至0.68美元），但同期客户月度Token支出增长了20倍。
• 原因分析：Agent等应用形态的出现使得单次任务需要多次调用、携带上下文及工具交互，导致总账单不降反升。单位价格降低释放了更多需求，但也加剧了企业的预算压力。

2. 厂商的分拆定价策略
模型厂商正在Token基础计费之上，构建多维度的价值收费体系：

• 能力溢价：高端模型（如OpenAI的Astra/Sol系列、Anthropic的高端模型）针对复杂推理、编程和长运行Agent任务单独收费。尽管性能更强，但企业往往将其设为非默认选项，仅在关键任务中使用。
• 速度与优先级：提供Fast Mode、Priority等服务层级，允许用户支付更高费用以获得更快的响应速度或资源保障；同时推出Batch/Flex等折扣选项供延迟任务使用。DeepSeek等非美厂商也采用类似的高峰/低谷定价策略。
• 预算确定性（订阅制）：通过固定月费套餐替代纯API按量付费，增加收入可预测性。但订阅本质是将价格隐藏于额度、限流规则和模型分配中。SemiAnalysis测试显示，不同模型在相同月费下的折算价值和厂商毛利率差异巨大，甚至可能出现负毛利情况。

3. “有效”定义的争夺战

• 企业侧应对：企业倾向于将标准模型设为默认，利用缓存、模型路由（Model Routing）和成本管理工具控制支出。多数任务只需“足够好”的智能，昂贵的前沿模型并非首选。
• 定价权归属：虽然厂商希望主导新的计价标准，但“智能是否有效”必须由企业在真实工作流中验证。掌握评测数据、路由逻辑和工作流数据的平台，将获得参与制定新价格尺度的权力。

值得关注

大模型行业的竞争焦点正从单纯的“谁更便宜”转向“谁能让一美元完成更多工作”。能够证明结果提升、减少人工投入的模型厂商，更可能将性能优势转化为定价权；而能够提供多模型路由、云平台和成本管理解决方案的服务商，将在新的生态中占据重要地位。