廉价模型浪潮让成本纪律更难，而非更易

过去两周半里，主力模型的单价又一次发生了变动。7月30日，OpenAI 将 GPT-5.6 Luna 的价格下调80%，降至每百万输入 Token 0.20美元、每百万输出 Token 1.20美元，并将 Terra 的价格下调20%，降至2美元和12美元。旗舰模型 GPT-5.6 Sol 的价格维持在5美元和30美元不变。8月10日，Anthropic 将 Claude Sonnet 5 每百万 Token 2美元／10美元的入门优惠价格永久化，并取消了原定于9月1日生效、上调至3美元／15美元的计划。8月13日，Google 推出 Gemini 3.7 Flash，提供每百万 Token 0.75美元／3.75美元的入门价，有效期至2026年12月31日，是 3.6 Flash 发布价的一半，该价格将于2027年1月1日翻倍。

财务团队会把这些数字读作一种宽慰。但他们更应该把它们读作一个警示。更便宜的 Token，只会招来更多循环调用、更多被路由的草稿，以及更多缺乏监督的智能体——而账单往往并没有因此多出一个新的负责人。

当标价下降而用量不受限制时，企业省下的并不是钱，而是失去了最后一个去追问“这次调用究竟该不该发生”的理由。

这轮降价真正改变了什么

这些降价是真实的，而且集中在业务量最大的环节。如今，Luna 的价格已经便宜到足以支撑分类、信息提取、初稿撰写以及智能体的第一步调用。Sonnet 5 被锁定为一款主力模型，而不再是一个财务部门必须按“9月冲击”来建模的促销价格。Gemini 3.7 Flash 的定价，目的是在今年剩余时间里，把编码和智能体流量吸引到 Google 的技术栈上。Google 还把 3.6 Flash 调整为同样的入门价，因此目前两款模型的价格相同，所谓的头条式折扣，实际上是一个有截止日期的窗口期。

但这一切都没有改变四个运营层面的事实。

第一，智能体工作会让 Token 用量成倍增长。一条用户指令，可以扩散成多次工具调用、重试、规划步骤和冗长的推理轨迹。在 Gemini 3.7 Flash 上，输出计费包含了思维 Token，因此推理时间越长的模型，即便给出的是同一个答案，收费也会更高。如果同一个工作流现在要运行十次，那么廉价模型上80%的降价，并不会转化为整个工作流80%的成本下降。

第二，订阅席位和 API 计量是两个独立的预算。OpenAI 在下调 Luna 和 Terra 消耗的额度的同时，并未改变 ChatGPT 和 Codex 的订阅价格与配额。一家企业可能会觉得订阅席位内“变宽裕了”，却在来自 API 的账单、编码工具的超额费用，或转售同一批模型的供应商账单上，感到“变拮据了”。

第三，入门价终究是一项产品决策。Google 已经公布了 3.7 Flash 在2027年1月的涨价计划；而 Anthropic 则刚刚证明，一项已公布的涨价计划同样可以被撤销。无论哪种情况，价目表都是供应商的选择，而非你所能掌控的变量，用它来做预测并不可靠。

第四，Token 本身就是一个变动的计量单位。Sonnet 5 及其后续 Claude 模型采用了更新的分词器，对同一段文本，产生的 Token 数量比 Sonnet 4.6 多出约30%。一个从每百万 Token 3美元／15美元的 Sonnet 4.6，转向2美元／10美元的 Sonnet 5 的团队，实际节省的金额会比头条数字所暗示的要少，因为计价器如今在每一页文本上计出的单位更多了。

为什么更便宜的模型反而加剧了治理难题

大多数公司衡量人工智能成本的方式，仍然停留在衡量试点项目的阶段：Token 数量乘以标价，或者席位数量乘以供应商报价。而一旦员工可以选择更便宜的模型、却不必选择更简单的任务，这种衡量方法就会立刻失效。

这种失败模式并不陌生。某团队因为单位成本看起来很低，就把摘要生成和工单撰写工作迁移到 Luna 或 Flash 上；随后，智能体开始不断重试失败的工具调用；开发者让编码智能体整夜运行。一家中型市场企业发现，“几乎免费”的推理，竟然成了云支出中增长最快的一个新科目，而且没有人能说清楚，这笔费用究竟是哪个流程产生的。

还有一种质量与成本之间的置换，永远不会出现在价目表上。一个需要三次人工修改、两次额外检索，或需要在前沿模型上再跑一遍的廉价模型，最终反而是昂贵的；而一个能够一次性完成任务的中端模型，可能才是更便宜的选择。如果没有路由规则、没有评估机制、也没有指定的负责人，企业买到的会是低标价，付出的却是高总价。

同样的落差，也出现在与供应商的对话中。供应商如今可以说，这款模型比上个月便宜了80%，却对重试次数、上下文窗口的浪费、未被缓存的提示词，以及触发下游系统的写入操作只字不提。价格是供应商乐于谈论的那部分，而对用量的掌控，则是买家必须自己承担的那部分。

“每美元智能”这种虚假的安慰

各大实验室会继续谈论“每美元智能”这个概念。这个说法很好地服务了它们关于效率的叙事，却是一个糟糕的管理指标。

每美元智能这个指标，不会告诉你某项任务究竟应该交给前沿模型、主力模型、分类器来处理，还是根本不需要模型；它不会告诉你输出结果是否经过审核；它不会告诉你智能体是否获得了调用写入类工具的权限；它也不会告诉你，上个月的账单是否对应着一个如今依然存在的流程。

人工智能的成本纪律，更接近于 FinOps，而非采购管理。你需要一份在用模型的清单、每一类任务的默认路由规则、对智能体循环次数的上限、能把 Token 消耗与具体团队和工作流关联起来的日志记录，以及一条规则：在错误答案的代价大于节省下来的成本时，明确禁止使用更便宜的模型。

这比把默认下拉菜单切换到 Luna 要慢得多，但也是唯一能让一次降价真正转化为节省、而不是用量暴增的方法。

DNLA 模型成本控制行动手册

• 把单价和工作流成本区分开来。衡量的标准应当是每一个已完成、已审核成果所花费的金额，而不是每百万 Token 的价格。
• 为每一条生产环境中的模型调用路径指定负责人：谁能够开启它，谁来为它付费，谁能够关闭它。
• 按任务类别进行路由。分类、信息提取、初稿撰写和高风险建议，不应共用同一个默认模型。
• 为智能体的循环和重试设置上限。一个可以无限制调用工具的廉价模型，就是一张不设上限的账单。
• 按团队、系统和供应商记录 Token 消耗日志。如果财务部门无法看清从账单到具体流程的路径，就谈不上真正的掌控。
• 按照公开的标准价格制定预算，把任何促销折扣都当作额外收益来记账。每当更换模型版本时，都要重新测算 Token 用量。
• 每当主力模型档位发生变化时，重新计算“自建还是购买”的这笔账。一次降价，既可能是继续留在某个供应商体系内的合理理由，也可能掩盖了这样一个事实：这套系统始终未能证明自己的价值。

DNLA 观点