据 36 氪十月十四日转载窄播 AI 的报道，OpenAI 首席财务官 Sarah Friar 最近给出了一个新口径：企业不应只看每百万 token 的价格，还要计算一项任务是否完成、花多少时间、失败后重复调用几次、需要多少人工监督。她把这套算法称为「每美元有效智能」。
这个提法出现的时机很微妙：就在同一周，Ramp 的数据显示企业每百万 token 的有效价格从 1.15 美元跌到 0.68 美元，降幅 41%；但企业月度 token 总支出在一年内涨了 20 倍。降价没有带来账单下降，反而带来了用量的洪水。模型厂商必须解释一件事：token 白菜价之后，凭什么还收高端溢价？
每美元有效智能到底是谁定义的？
这是这套叙事的核心裂缝。「有效」的评测标准如果由模型厂商自己定义，就变成了一场永动机：我说我的智能更有效，所以你该付溢价；你无法反驳，因为度量尺在我手里。
企业正在用脚投票。Ramp 数据显示，前 1% 企业客户的人均 AI 支出在八月环比下降了约 9.7%。越来越多公司把便宜的标准模型设为默认，高端模型只开放给高价值任务；Fable 5 只占 Anthropic 用量的约 6%，却吃掉约 11.4% 的支出——企业在用权限管理对冲溢价。
单价跌四成，为什么账单反而涨二十倍？
因为价格弹性在 Agent 时代彻底变了。过去按回答买服务，价格降一半，用量最多涨几倍；现在按任务跑 Agent，一个任务自己循环调用模型几十轮、失败重跑再几十轮，token 消耗量随价格下降呈指数级释放。
这解释了模型厂商的两难：降价是为了和对手抢市场，结果用量爆炸又把自己的推理成本推高。SemiAnalysis 测算更扎心：假设 API 毛利率 92%，用户用满 Opus 5.5 额度对应的订阅毛利率约为负 369%，用满低限额的 Fable 5.1 也只有约 1%。订阅包装的背后，是公开价目表消失、额度规则变成新的黑箱。
谁有资格给智能定价？
我的判断是：最终的定价权会流向掌握真实工作流数据的一方——不是模型厂商，而是企业自己的成本平台、以及多模型路由层。
理由很简单。一项智能到底有没有用，只能在客户的真实业务里验证：这个 Agent 完成了多少工单、省了多少人工、错了几次。模型厂商可以定义基准跑分，但定义不了你的业务结果。当市场上出现真正中立的「任务成功率仪表盘」，模型厂商自己提出的「有效智能」标准，反而会被客户拿来反向压价。
下一阶段的竞争，不是谁的 token 更便宜，而是谁能证明一美元完成了更多工作。这个证明权，正在从卖方手里滑向买方。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论