OpenAI與Anthropic正推動AI定價標準從“每token成本”轉向“每任務成本（cost-per-task）”，強調高溢價模型能一次性高效完成任務，從而降低綜合成本。第三方機構Ramp資料亦顯示，Anthropic最貴模型Fable 5僅佔其軟體支出的11%，表明企業為高溢價AI付費已觸及上限。
在AI模型價格戰進入白熱化之際，OpenAI與Anthropic正聯手改寫行業衡量模型價格的底層標尺——從“每token成本”轉向“每任務成本（cost-per-task）”，試圖在企業客戶面前為自身高溢價模型重建價值坐標系。
過去數周，兩家美國AI龍頭相繼發聲。OpenAI首席財務官Sarah Friar在7月的部落格中寫道，低成本模型token雖便宜，但得到好結果“可能需要更多嘗試、更多時間或更多人工審查”；Anthropic金融服務主管Jonathan Pelosi在近期採訪中表示，token成本只是衡量消耗了多少AI算力的“代理指標”，“對每家企業而言，更好的代理指標是完成任務的實際成本”。
這場定價敘事之爭的直接背景，是Meta、SpaceX等廠商正以極低的token價格擠壓市場。據企業支出管理平台Ramp的資料，近幾個月企業對OpenAI與Anthropic的採用已有所放緩，現有客戶正越來越多地轉向更便宜的開源替代方案。
而第三方資料給出的訊號更為直接：Anthropic最強、也最貴的廣泛可用模型Fable 5，僅佔其Claude軟體支出的11%。Ramp據此斷言，已經“找到了企業願意為AI付費的新上限”。
01. 從“Token”到“任務”：重設定價錨點
Token是AI模型處理的資料單位，也是衡量工作量的一種方式。行業慣常假設：單token收費越低，軟體對客戶整體就越划算。OpenAI與Anthropic正試圖推翻這一共識。
Sarah Friar寫道：
“低成本模型可能有更便宜的token，但要得到好結果可能需要更多嘗試、更多時間或更多人工審查；能力更強的模型token更貴，卻能一次完成同一任務。”
Pelosi的觀點與之呼應：token只衡量AI被使用了多少，無法衡量產出。他認為每token成本“僅作為代理指標有用”，企業真正該關注的是完成任務的實際成本。
02. 低價衝擊：從“tokenmaxxing”到成本設限
指標轉換發生在競爭壓力加劇之時。多家廠商都在力推更低的token成本，試圖壓價Anthropic這類以更高價格提供更強模型的公司。以DeepSeek為例，其4月發佈的旗艦開源模型輸入輸出token成本僅為Anthropic最先進產品的零頭。
D.A. Davidson技術與研究主管Gil Luria打了個比方：“美國實驗室想傳達的是，用開源token就像用廉價衛生紙——確實能擦乾淨，但你需要更多，還有別的不愉快副作用。”
過去一度鼓勵員工通過“tokenmaxxing”最大限度使用AI的企業，在遭遇“帳單衝擊”後紛紛設限。Luria稱：
“對許多這類公司而言，內部成本已經高得令人望而卻步。”
03. 最貴模型“性能不值價”：第三方資料亮出上限
儘管Anthropic等廠商公佈了自己的每任務成本估算，越來越多客戶正轉向Artificial Analysis、Vals AI等第三方基準機構尋求獨立評估。Vals聯合創始人兼CEO Rayan Krishnan指出：
“當實驗室自報結果時，往往用的是內部基準，因此無法做真正的同類比較。”
按每任務成本計，Anthropic與OpenAI的模型仍是市場上最貴的，Anthropic的Claude Fable 5位居榜首；但兩家也提供更具競爭力的低價產品，如OpenAI的GPT-5.6 Luna。
真正給高溢價敘事潑冷水的是Ramp的資料：Anthropic最強、也最貴的廣泛可用模型Fable 5，僅佔Claude軟體支出的11%。“通過Fable 5，我們找到了企業願意為AI付費的新上限。”Ramp在報告中寫道，“在此之上，更高的性能並不值這個價。” (硬AI)