本文来自微信公众号： 奋进的肚腩 ，作者：肚腩说，原文标题：《AI越来越便宜，认真回答却开始变贵——算力变贵了吗？》
是的，我用Fable 5时很抠搜，抠搜到自己都有点嫌弃自己，最后我抠门到我又一次被Anthropic封了号，省了个锤子。
我们在使用一个昂贵的T0级别大模型时，在一个问题发出去之前，会先想它值不值得用最贵的模型。上下文要不要再整理一遍，提示词是不是还能少绕两句，刚才那个回答能不能自己改，别再让它重跑一次。
但当我换成MiniMax或DeepSeek，出手就阔绰了。
因为后两者价格低到暂时不用把每次思考都当成一次消费决策。想到了先问，答得不对再问。
26年年初，我买GLM Coding Plan的Pro包，一季大约六百多，那时候还不要抢。可是我昨天再看价格，最新的coding plan月费已经接近过去一个季度了。
后来把两期价格对了一下，大体对应国际版：2月的一份价格记录里，Pro是81美元一季；现在Z.AI官网是72美元一个月。人民币金额会受汇率和支付渠道影响，套餐里的模型、额度与计算方式也改过，不能把它当成同一袋米直接比较。
可是当我们在使用模型时，不会考虑这么完整的口径说明，我们只会在意，发出这些问题给大模型时要不要犹豫。
算力涨价最先改变的，可能不是GPU报价或者AIDC，而是人问问题时的手势。
十倍vs.三倍
7月29日，Dwarkesh Patel写了一篇文章，简单粗暴的结论：未来几年，算力为什么可能贵十倍以上。
他在开头先交代，这篇东西只给自己两个小时。很多问题来不及钉死，写出来总比一直放着强。
这一句得留着。因为后面的数字很容易把人带到一个并不存在的精确世界里。
Dwarkesh说，Anthropic的收入同比增长了十倍。如果这个趋势继续，到今年底可能达到1000亿至1500亿美元，明年底甚至需要摸到1万亿美元。可实验室拿到的算力，一年大约只能增长三倍。
十倍收入要从三倍算力里赚出来，只有几个可能：模型公司的利润率更高，更多算力从训练转去推理，或者算力本身更贵。
他认为三件事都在发生。
他认为Fable推理毛利可能超过80%，不过在最后的脚注里他自己承认这是一句“凭感觉的判断”；1000亿至1500亿美元也是按趋势外推，不是Anthropic发给投资人的业绩指引。至于一张H100如果能持续运行一个人类水平的软件工程师，就该按每年25万美元出租，更是思想实验，不是云厂商明天准备发送的报价单。
所以问题是：当模型越来越能赚钱，生产这些智能的机器，为什么还要继续按照机器的成本收费？
今天买一点算力，账面上买的是芯片、机房、电力和散热。假如有一天，它能替一家软件公司完成原来需要几十个人的任务，卖方就会开始盯着另一张表：这块算力替你创造了多少钱。
发一度电的成本不会因为用途不同而变化。拿它给办公室照明，和拿它运行一个能写代码、接订单、处理客户的模型，买方愿意付的钱却完全不同。
云厂商当然知道，模型公司也知道。
过去大家愿意低价卖Token，是因为先要让用户养成习惯，当习惯变成工作流，工作流变成收入，再继续讨论“成本加一点合理利润”，就显得很有互联网早期的怀旧气息。
稀缺vs.公平使用
平台不必发一封《算力不足告全体用户书》。
它可以调整套餐。
今年2月，智谱发布GLM Coding Plan价格调整函，给出的原因是需求增长、调用量提升，以及算力和模型优化投入增加。套餐价格“结构性调整”，整体涨幅30%起。
结构性调整是个很体面的词。
7月30日，套餐又改成以Token消耗为基础的积分制。官方说，这是为了让额度计算更透明、更可预期。旧用户按V1、V2和团队版分别安排，新用户进入新版套餐。历史V2的Pro档，每五小时最多约400次prompts，每周最多约2000次；GLM-5.2和GLM-5-Turbo在工作日下午高峰期按三倍额度抵扣。
这些变化不能全部归因于算力短缺，模型升级、产品定位、市场策略和老用户迁移都在里面。限额也不等于涨价，它有防滥用和保障稳定的真实需要。
只是当供应追不上需求时，商业世界处理稀缺的方法向来不止一种。
有人多付钱、有人排队、有人改到晚上用、有人切换成较弱的模型，还有人额度用完以后，看着“将在五小时后恢复”的提示（学学codex动不动来个惊喜重置和发放复活卡好不好），临时恢复了独立思考能力。
平台把这些统称为套餐选择和公平使用。
不过嘛，公平使用并没有解决稀缺。它只是把“现在不够”重新描述成成了一份每个人都能读懂、但很少有人认真读完的规则。
价格只是其中最显眼的一栏，速度、可用时段、上下文长度、是否能连续运行、能不能优先调用最强模型，都可以成为新的价签。
最贵的未必是一个Token，而是你赶着交东西的下午三点，模型还愿不愿意认真替你多想几分钟。
便宜的Token vs.变厚的账单
同时，AI推理确实一直在变便宜。
Epoch AI对多个基准的统计显示，达到同一能力水平的模型推理价格，近几年每年下降约9倍至900倍，中位数约50倍。不同任务差异很大，基准也不能完整代表真实工作，但方向很清楚：昨天只有最贵模型能做的事，过一阵往往会被更小、更便宜的模型接走。
OECD的另一组数据也显示，从2024年1月到2026年4月，文本模型的质量调整价格指数下降了近80%。
硬件变快，模型变小，量化、缓存和推理框架都在进步，同一张卡能吐出更多Token，同等水平的智能确实在降价。
但朋友们你们用AI的钞票花费却未必跟着降，因为我们已经不满足于问它一道题了。
普通聊天里，模型回答完一段话就可以休息。Agent要读代码库、查资料、调用工具、反复修改、检查结果，再把失败的步骤重新做一遍。Gartner估算，Agent模型完成一项任务所需的Token，可能是普通聊天的5倍到30倍。
单位价格掉了，购买单位却变了。
以前买一句回答，现在买它连续工作半小时。再往后，可能是一个晚上、一个项目，或者一支永远不在劳动合同里出现的虚拟团队。
一页纸每张便宜了，不妨碍公司突然开始打印整栋楼。
Epoch AI今年5月做过另一组估算。按他们选定的模型、芯片和上下文假设，全球推理供给能力每年增长超过三倍；用Google等平台的Token增长和大型科技公司的使用强度做代理，需求可能接近每年十倍。
这组数字不确定性很高。模型大小、上下文长度、用户愿意接受的速度，换一个条件，结果都会变。研究者也没有宣布普通人很快用不起AI。
他们给出的画面更像我现在的使用习惯：愿意付费的人继续使用最前沿能力，日常用户转向更小、更便宜的模型。明天的小模型会很快追上今天的大模型，所以普通人的能力未必倒退；只是“最好”和“够用”之间，会出现越来越清楚的价格差。
Fable 5面前的犹豫，MiniMax和DeepSeek面前的放松，并不是两个相反的故事。
它们本来就是同一个市场准备好的两个座位。
大家一起付，但不会平均分摊
算力真贵起来，谁付钱？
我的答案是，大家一起。
芯片公司和云厂商会拿走一部分，模型公司会用更高的效率消化一部分，也会把最强能力放进更贵的档位。应用公司重新设计订阅，企业开始把普通任务分给小模型，把最贵的模型留给代码、交易、科研和那些更容易算出回报的工作。
最后，个人也承担一部分。
有时用钱。有时用等待。有时接受模型降级。有时把问题删掉，告诉自己其实也没那么想知道。
“大家一起承担”听起来很公平，却不等于平均分摊。
有议价能力的人可以把成本继续往下传。没有议价能力的人，常常不出现在价格调整函里，只出现在调用量下降的后台曲线上。
更麻烦的是，市场会优先保障能把算力变成最多收入的任务。
写代码、做广告、跑交易、处理企业数据，都能解释为什么值得占用最强模型。一个人想把家里的旧照片整理清楚，想陪孩子多讲一个故事，或者只是凌晨睡不着，希望有人把一个问题好好回答完，这些用途未必不重要，只是很难向机房证明毛利率。
没有平台会正式宣布，你的问题价值不够。
队列和套餐会替它说得委婉一些。
本地部署的自由，也要先买显卡
理论上，还有一条路：自己部署。
模型权重放在本地，数据不必交给平台，想做什么由自己决定，也不用担心某天一个接口、一个智能体或一段长期记忆突然消失。
我也喜欢这种独立。
问题是，好的显卡买不起。显卡不够，能部署的模型、上下文和速度就都要打折扣。模型权重可以零元下载，可是能把它舒服跑起来的显存、电力和维护，这些让你畅玩大模型的配套并不免费。
本地部署的收益还直接取决于开源模型有多强。开放权重停在什么水平，普通人的本地能力大致就停在附近。你可以拥有机器，却未必拥有前沿智能。
所以我才会在不同服务之间切换。
贵的模型处理真正难的问题，MiniMax和DeepSeek承担大量日常任务，本地模型守住更私密、更独立的部分。这不是一套多高明的架构，只是一个普通用户面对价格、能力和隐私时，自然长出来的生活方式。
本地与低价模型没有把人彻底带回机房，却给前沿模型的定价权留了一道缝。每当前沿能力试图把稀缺变成长期租金，推理优化、小模型和开放权重又会把昨天昂贵的能力拖回普通人的电脑。
最好的模型今天可能很贵。够用的智能明天仍会更便宜。
Dwarkesh猜算力会不会涨十倍，我不知道。那篇文章本来就不是预言。
我只知道，套餐页越来越复杂了。月费、积分、五小时额度、周限额、高峰倍率、优先访问，每个词都在认真告诉用户：智能仍然向所有人开放，只是开放的速度、时段和深度略有不同。
我的手已经学会了这套规则。
发给Fable 5之前，先想一想。发给MiniMax和DeepSeek，先问了再说。实在私密的东西，留在本地那台还不够强的机器里。
平台当然可以给算力排座次，但什么问题值得被认真回答，最好还是留给按下发送键的人。
各位小伙伴，我很感兴趣你们每个月在AI上投入多少钱和订阅了哪些模型，投个票或者留个言，让我看看我是不是大冤种，么么哒！
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4879892.html?f=wyxwapp
热门跟贴