大模型廠商正在重新定義客戶為什麼願意為模型付溢價。據微信公眾號「窄播AI」作者撰文觀察，OpenAI今年7月做出一組看似矛盾的價格調整：一邊把GPT-5.6 Luna的API輸入和輸出價格下調80%，中檔模型Terra降價20%；另一邊則為GPT-5.6 Sol推出Fast Mode，號稱輸出速度最高可達標準模式的2.5倍，價格也是標準模式的兩倍。同一種模型能力，因交付速度不同被賣出了兩個價格。

到10月初，OpenAI在為期28天的連續釋出中，又把最佳化訂閱預設速度列為首個重要更新，將GPT-6 Astra和GPT-6.1 Sol的速度提升約50%，並強調這兩個模型在完成任務所需Token數量上相當高效。

這些動作背後的問題逐漸清晰：當Token單價持續走低，模型廠商還能靠什麼獲得溢價？OpenAI首席財務官Sarah Friar給出了一個更明確的概念——每美元有效智慧（Useful Intelligence per Dollar）。按她的解釋，企業不應只看每百萬Token的價格，還要計算一項任務是否完成、花費多少時間、失敗後需要重複呼叫多少次，以及需要多少人工監督。這是OpenAI希望提供給客戶的一套比較大模型價格的新尺度。

Token曾是最方便的大模型計量單位。廠商按輸入和輸出分別報價，客戶可以迅速比較不同模型呼叫一百萬Token的成本，過去幾年的大模型價格戰也主要表現為每百萬Token價格的不斷下降。但Token的侷限在於只能計算模型處理了多少資訊，無法說明它完成了多少工作。一個單價較高的模型，如果能減少推理輪次、降低錯誤率，任務成本可能反而更低；一個看起來便宜的模型，若需要反覆呼叫、檢查和修改，賬單也可能更高。

這種差別在Agent出現後更加明顯。Agent可以長時間執行，不斷呼叫模型、攜帶上下文、使用工具，並在失敗後重新規劃，客戶購買的不再只是一次回答，而是一段持續執行的過程。企業支出管理公司Ramp的資料呈現了這種錯位：2026年3月至9月，其美國企業樣本中的每百萬Token有效價格從1.15美元降至0.68美元，下降41%；但Ramp客戶的月度Token支出在2025年6月至2026年6月增長了20倍。兩組資料的統計區間和樣本口徑雖不完全相同，卻指向同一現實：單位價格下降，並不會自動帶來總賬單下降。

這意味著，僅僅證明模型更強，已不足以說服客戶，也難以解決大模型廠商的商業化問題。一方面，效能提升只有轉化成客戶願意付費的結果，才能支撐持續的訓練和推理投入；另一方面，價格降低會釋放更多需求，Agent又進一步放大呼叫量。企業開始更重視算賬，既希望用更強的模型提高效率，又需要防止越來越多的呼叫突破預算。Ramp的9月資料顯示，其前1%企業客戶的人均AI支出在8月環比下降約9.7%。中信證券也在一份研報中指出，模型能力進展與應用落地之間存在脫節，產業關注點將逐漸轉向推理和貨幣化。OpenAI在此背景下提出「每美元有效智慧」，本質上是要為Token之外的溢價尋找論證依據，把大模型變成按工作價值定價的生產工具。

文章認為，模型廠商正在Token計費基礎上，把模型能力、交付時間和預算確定性分別定價出售。第一種可單獨計費的價值是完成複雜任務的能力：OpenAI用Astra、Sol、Luna覆蓋不同複雜度的任務，Anthropic則以高階模型承接程式設計、複雜推理和長時間執行的Agent工作，兩家在介紹新模型時都開始強調完成同一任務所需的Token、重複呼叫次數和時間，而不只是輸入和輸出牌價。但高階模型的效能溢價並未轉化為同等規模的採用，一些企業把Sonnet、Terra等標準模型設為公司預設選項，只允許在更少、更高價值的任務中使用前沿模型。在使用Ramp的Token管理產品的企業中，Fable 5在7月只佔Anthropic Token用量的約6%，卻佔約11.4%的支出。

第二種可單獨計費的價值是交付時間和資源優先順序。OpenAI提供Fast和Ultrafast，Google把推理服務分成Standard、Priority、Flex和Batch，需要低延遲和穩定吞吐的請求要支付更高價格，能夠等待或接受資源被搶佔的任務則可獲得折扣。DeepSeek也將非高峰價格設為高峰價格的一半，鼓勵客戶把可延遲的任務轉移到空閒時段。模型能力沒有改變，處理時間和資源優先順序卻形成了新的價格，這套邏輯與雲端計算越來越接近。

預算確定性由此成為第三種可單獨計費的價值。OpenAI、Anthropic以及MiniMax、智譜、阿里雲都在推出更細的訂閱和Token套餐。對個人開發者與Coding Agent使用者來說，固定月費比隨呼叫量波動的API賬單更容易接受；對廠商而言，訂閱也能增加使用者黏性和收入可預測性。但訂閱本質上是把按量計價藏進了額度設計裡，當廠商把Token包裝成訂閱，真正的價格便從公開價目錶轉移到額度、限流和模型分配規則中。SemiAnalysis購買並測試了OpenAI、Anthropic、MiniMax、智譜等廠商的不同訂閱檔，分別測量輸入、輸出、快取讀寫對額度的消耗，結果顯示同樣的月費因使用模型不同，按Token折算出的價值與廠商利潤可以相差數倍。

文章還指出，廠商希望把價格比較單位從Token轉向結果，並不代表客戶會接受由廠商單方面定義的結果評測標準。企業正在建立自己的判斷方式：把便宜的標準模型設為預設，為高階模型設定呼叫許可權，通過快取減少重複計算，再用成本平台尋找異常支出，並越來越多地嘗試模型路由，根據任務難度、響應時間和成本在不同模型之間自動選擇。接受「按結果比價」，最後未必導向最昂貴的模型，大部分任務只需要「足夠好」的智慧。Factory CEO Matan Grinberg曾表示，很多工作並不需要Anthropic最昂貴的模型，其客戶也不願完全繫結OpenAI、Anthropic或Google中的任何一家，以免未來失去議價能力；不過切換供應商並非沒有成本，已搭建的工作流、工具連線和資料體系同樣會形成鎖定。

文章總結認為，OpenAI提出「每美元有效智慧」，承認了單純的Token價格正在失去解釋力，也試圖為前沿效能、速度和服務質量保留溢價，但這套標準留下了一個模型廠商無法獨自回答的問題：一項結果究竟有沒有用，多出來的智慧值多少錢，最終只能在客戶的真實工作中得到驗證。這會讓多模型路由、雲平台和成本管理工具獲得新價值，掌握任務結果、使用成本和錯誤反饋的一方，也因此獲得參與定義「有效智慧」的權力。大模型廠商下一階段的一個競爭方向，是讓客戶接受自己對智慧的計價標準；能夠證明結果的廠商更可能把效能優勢轉化為定價權，而掌握評測、路由和工作流資料的平台也可能參與制定新的價格尺度。屆時，行業比較的將不再只是誰的一百萬Token更便宜，而是誰能讓一美元完成更多工作。