“Token經(jīng)濟”，正在成為AI行業(yè)近期最熱的關(guān)鍵詞之一。

當OpenClaw（俗稱“龍蝦”）成為全民關(guān)注點，引發(fā)了各大廠商加入“龍蝦潮”，Token的消耗開始呈現(xiàn)出指數(shù)級的增長趨勢。

有開發(fā)者社區(qū)和社交平臺上開始頻繁出現(xiàn)對比表，在不同模型上的Token消耗是多少、輸出質(zhì)量差異如何、折算下來“每千Token成本”誰最低。

但如果真的試圖用Token去算一筆賬，很快就會發(fā)現(xiàn)，事情已經(jīng)沒有那么簡單了。

前幾天，一個做財務(wù)的朋友問我：他們的agent每天幾十萬次調(diào)用，一個月到底要花多少錢？

這個問題聽起來很基礎(chǔ)，看似非常簡單，可以通過“Token×單價×調(diào)用次數(shù)”來計算。

但是，當我翻開Anthropic的價格頁打算粗算的時候，結(jié)果犯難了。

Claude Managed Agents的session runtime（會話運行時長）按$0.08/session-hour（每會話·小時）獨立計費，cache write（緩存寫入）和cache hit（緩存命中）各有不同檔位的乘數(shù)，跟Token根本不在一個維度上。

于是我把幾家主流平臺的價格頁逐一翻了一遍，發(fā)現(xiàn)這件事遠不是一道“干凈的算術(shù)題”：

比如OpenAI的價格頁更像一張資源總賬。Token之外，web search（聯(lián)網(wǎng)搜索）按千次調(diào)用收費，container按session （會話持續(xù)時間）時長收費，file search storage（文件檢索存儲）按GB/天收費，regional processing再疊一層10%。

Google Gemini收斂一些，但grounding（搜索增強）和context caching（上下文緩存）也各自被單列為獨立計價項。

Anthropic三檔緩存乘數(shù)疊一個session runtime（會話運行時長），又是另一套維度。三家已經(jīng)沒法用同一個公式算清楚。

再往上走一層，連商品邊界本身都脫離了“模型”。Salesforce用Flex Credits把動作配額寫進價格體系，Intercom干脆繞開Token，按outcome收費，每個 $0.99，白紙黑字定義什么算一次“有效解決”。

一番搜索后能確定的只有一點：大家根本不是在賣同一種東西。

2026年一月，OpenAI CFO Sarah Friar在官網(wǎng)發(fā)表的《A business that scales with the value of intelligence》中，同時點出了其三條商業(yè)化路徑：訂閱、廣告支撐的免費層、按用量計費的API，還補了一句——未來將擴展到授權(quán)、IP 協(xié)議和按結(jié)果定價。連平臺方自己都不再用單一的“按用量計費”來描述自己了。

在過去，對于各大模型的比拼，行業(yè)里經(jīng)常提到“誰的Token更便宜”的討論，默認了一個前提：行業(yè)已經(jīng)存在一個被廣泛接受的統(tǒng)一計量單位，大家比的只是價格。

但到了2026年4月，目前的現(xiàn)實是——Token早已不是AI賬單里唯一的計費單位。AI商品正在從單一計量項走向多單位并存，企業(yè)的預(yù)算語言隨之被改寫。

因此，本文想討論的不只是Token本身，而是梳理一條完整的變化路徑：從收費方式的變化，到成本結(jié)構(gòu)的分化，再到預(yù)算體系的調(diào)整，看Token經(jīng)濟如何被重新定義。

AI收費，告別“單一Token時代”

如果今天仍有人只討論“哪個模型每百萬Token更貴”，那看到的只是底層供給的一部分。

真實情況是，企業(yè)目前購買的是一段被組織過的智能勞動，裸模型只是其中的一小部分。

它可能同時包含模型推理、搜索、檢索、緩存、上下文駐留、運行時、容器、團隊席位、動作配額，乃至一個被明確定義的“完成件”。AI經(jīng)濟正在經(jīng)歷的，不是一場簡單的價格戰(zhàn)，而是計費對象的擴散。

這里最容易出現(xiàn)的誤讀，是把“計費單位變多”等同于“底層模型已經(jīng)不重要”。

但事實恰恰相反：模型仍是底層最核心的供給對象，只是它不再是企業(yè)成本解釋框架里的唯一變量。

一旦系統(tǒng)進入真實工作流，采購者與運營者就必須同時處理 grounding、batch（批量調(diào)用）、regional（區(qū)域路由）、runtime（運行時長）與席位切換，它們在同一張對賬單上爭奪預(yù)算。于是，賬單不再是一列Token的累加，而是一組互相疊加的價格對象。

AI底層大概率會像電力一樣，最終被壓成公用事業(yè)：便宜、可計量、不可或缺，但也不再是價值最終停留的地方。

經(jīng)濟史上反復(fù)出現(xiàn)的模式是：電帶來的生產(chǎn)率躍升，遠比“有電就更快”復(fù)雜。讓美國制造業(yè)真正起飛的，是工廠圍繞電重寫了生產(chǎn)組織，而不是電本身變得便宜。

AI成本，從統(tǒng)一定價走向按任務(wù)分化

過去我們習(xí)慣用“每百萬Token多少錢”來理解AI成本，但今天這個錨點已經(jīng)失效——賬單的主角是誰，取決于你在跑什么樣的任務(wù)。

先看一個輕量、高頻、以檢索為主的企業(yè)問答任務(wù)。

以Google Gemini 2.5 Flash-Lite標準檔估算，5,000 input + 1,000 output Tokens，Token成本約 0.0009 美元；若同一次調(diào)用附帶一次 grounded prompt，超出每日免費額度后，單次grounding價格為 0.035 美元，是Token成本的近四十倍。

在這類工作負載里，主導(dǎo)賬單的是search / grounding這類外層能力，模型推理本身反而退居二線。

然而，如果換成更強的前沿模型，圖景就完全不同。

以O(shè)penAI GPT-5.4 標準檔為例，5,000 input + 1,000 output Tokens約0.0275美元；一次web search的tool call fee為 0.01 美元（search content Tokens 另按模型費率計）；一次 1GB container session 為 0.03 美元。此時模型成本仍與工具調(diào)用處于同一數(shù)量級，在許多推理密集任務(wù)中甚至占大頭。

再看Anthropic官方給出的 Claude Managed Agents worked example：一個一小時的Opus 4.6 coding session，50,000 input + 15,000 output的Token成本是0.625美元，session runtime僅0.08美元。runtime已經(jīng)進入了商品列表，但遠未“壓倒”模型成本。

三個例子合起來指向同一件事：成本的大頭在哪，取決于你讓AI干什么樣的活。

通俗的理解，你讓AI查資料，錢主要花在搜索上；讓它動腦子，錢主要花在模型上；讓它一直在后臺干活，“開機時長”本身就是一筆賬，所以根本不存在一張能通用的“AI單位成本”表。所以AI經(jīng)濟的演變，不能被簡化成“工具吃掉模型”或“模型吞噬一切”這種非黑即白的故事。

更準確的說法是：買方必須開始按不同任務(wù)形態(tài)去理解total cost（總成本），不再假定存在一個統(tǒng)一的成本錨。

這件事的后果，比“算術(shù)變復(fù)雜”要大得多。一旦計費單位裂變，原本用“每百萬Token 多少錢”就能對賬的人，現(xiàn)在必須同時理解search成本、cache命中率、runtime時長與 regional 溢價。

預(yù)算口徑從一維變成多維，采購的比較軸也隨之改寫——從“誰的Token更便宜”，變成“在我的工作負載下，誰的綜合成本更低”。計費單位的裂變，正在倒逼企業(yè)重寫自己理解AI 支出的方式。

中國市場提供了一個“反向參照”。比如2024年國內(nèi)大模型價格戰(zhàn)打得異常慘烈，部分廠商降價超過97%，推理毛利一度跌至負數(shù)，但整場戰(zhàn)爭的敘事始終只圍繞一件事：誰的百萬 token 更便宜。

runtime、grounding、outcome這些在美國價格頁上已經(jīng)獨立成行的維度，目前在中國仍處于早期。當所有玩家都擠在同一個計量單位上競爭，負毛利就不是意外，而是結(jié)構(gòu)性的終點。

價格頁先變，企業(yè)的預(yù)算體系也需跟上

計費單位的變化，最先出現(xiàn)在價格頁上，最后才會反映到平臺的營收盤子里。而夾在中間、最先被迫跟著調(diào)整的，是企業(yè)自己的預(yù)算表。

到目前為止，沒有可靠的公開數(shù)據(jù)能證明OpenAI、Google或Anthropic的tool/storage/runtime營收已經(jīng)超過model/Token營收。

所以，一家公司在價格頁上加了多少新收費項，不代表他們的錢真的就是從那些新項目里掙回來的，這兩件事不能畫等號，還需要進一步等數(shù)據(jù)說話。

當前真正能確認的是：賣方的定價語言已經(jīng)先變了，買方的預(yù)算口徑?jīng)]辦法繼續(xù)停在Token這一列上。

這其中的道理也不言而喻：當官方價格頁已經(jīng)把tool call（工具調(diào)用）、session runtime（會話運行時長）、outcome （結(jié)果）各自獨立定價，企業(yè)的對賬單就不可能再維持成一列Token，否則賣方給的賬單和買方的內(nèi)部核算對不上。

Token不再是唯一的主角，它更像是底層的一種計量單位。真正影響賬單的，是推理、搜索、緩存、運行時、席位、動作、結(jié)果這些疊在一起的成本。

文章開頭Sarah Friar那句順口提到的“未來還會擴展到授權(quán)、IP 協(xié)議、按結(jié)果定價”，其實就是這件事在OpenAI自己眼里的翻譯——他們比任何人都更清楚，自己正在賣的不只是Token。

一旦買方的預(yù)算框架跟著調(diào)整，一些原本被忽視的東西會重新浮出水面。比如：

Model router不再只是“幫你挑哪個模型最合適”，而是在悄悄決定整張賬單的結(jié)構(gòu)——選錯一層，預(yù)算的重心就會整體偏移；

Salesforce的Flex Credits賣的不是某一次具體調(diào)用，而是一份可以在不同動作、場景、團隊之間自由調(diào)撥的“使用權(quán)”；

Outcome pricing的真正吸引力，在于它把預(yù)算直接綁在“完成件”上。企業(yè)第一次可以用結(jié)果，而不是過程，來和供應(yīng)商對賬。

新的計費單位或許還沒改寫賣方的收入結(jié)構(gòu)，但它們已經(jīng)在改寫企業(yè)內(nèi)部看待AI的方式。而一旦組織用新的語言理解自己的 AI 支出，預(yù)算最終流向哪一層、沉淀在哪一層，就不再是一張模型排行榜能決定的事了。

當計費單位裂變，價值開始分層

把視野再拉遠一點，如果計費單位已經(jīng)不只是token，那“錢到底會沉淀在哪一層”這件事，就得分層去看。

我自己的一個梳理方式去做理解，是把整個AI經(jīng)濟看成一套五層結(jié)算棧。當成一張正在成型的產(chǎn)業(yè)結(jié)構(gòu)圖來看，本系列接下來幾篇會沿著這個框架逐層展開：

? 第一層 · 公用事業(yè)層：算力、Token、緩存、搜索、容器、文件檢索，可計量、可路由的“認知吞吐量”

? 第二層 · 協(xié)議與能力層：MCP、A2A、Agent Skills 這類讓模型、工具、數(shù)據(jù)源和agent 互操作的共同接口

? 第三層 · 知識封裝層：Skill、Prompt、Eval、Policy、Memory，把行業(yè)know-how序列化下來

? 第四層 · 執(zhí)行交付層：被托管、觀測、監(jiān)控的“數(shù)字勞動力”，marketplace正把agent 從“下載”變成“調(diào)用”

? 第五層 · 結(jié)果與責(zé)任層：Intercom的$0.99 per outcome是最明確的公開信號之一，“被完成的工作”開始成為合同化的結(jié)算對象

如果把這五層放在一起看，會出現(xiàn)一個很清晰的分布規(guī)律：越靠下，越容易被單位化和路由化；越靠上，越深地嵌入上下文、驗收和責(zé)任。

對應(yīng)的商業(yè)模式也隨之分化——底層依賴規(guī)模和效率，買方按成本比價；上層依賴不可替代性，買方按結(jié)果付費。這兩種模式都可以成立，但它們的“價格錨”完全不同。前者錨定投入成本，后者錨定創(chuàng)造的價值。

Token經(jīng)濟，不再只關(guān)于Token

總之，今天再談Token經(jīng)濟學(xué)，不再是簡單的“Token 單價走勢”，更值得研究的是：Token作為底層計量顆粒，正在怎樣與search、cache、runtime、seat、outcome這些更高層的單位一起，重寫企業(yè)對 AI 的預(yù)算語言。換句話說：Token還在，但它已經(jīng)不能單獨解釋這門生意。

當然，這并不意味著Token不重要。

底層資源層依然可能是最大的利潤池，甚至?xí)霈F(xiàn)高度集中的贏家。但到了2026年，如果想理解AI商業(yè)化的變化，只盯著Token，已經(jīng)看不全了。問題從“Token多便宜”，變成了：整張賬單是怎么被構(gòu)成的。

那接下來應(yīng)該看什么？比預(yù)測時間表更有意義的，是觀察一些正在出現(xiàn)的信號：

第一，企業(yè)合同里，是否開始出現(xiàn)SLA、數(shù)據(jù)駐留、緩存策略、責(zé)任邊界這些條款，而不再只談Token單價。這意味著，買賣雙方開始圍繞“系統(tǒng)”和“責(zé)任”對齊，而不是單一資源。

第二，marketplace（Agent 商店/市場）上，是否開始出現(xiàn)帶eval card的agent服務(wù)。也就是，“結(jié)果是否可被評估”，開始成為商品定義的一部分。

第三，是否出現(xiàn)第三方的審計、認證和爭議處理服務(wù)。這是“按結(jié)果結(jié)算”走向合同化之前，必須補上的最后一塊基礎(chǔ)設(shè)施。

到2027年底，如果這三條里有兩條以上落地，那么可以基本確認一件事：結(jié)算對象正在從Token向更高層上移。

Anthropic在4月7日以“invitation-only”的方式發(fā)布了Mythos（預(yù)覽版），而與此同時，工作層模型的價格仍在持續(xù)下降。

一邊是前沿能力不斷集中，一邊是工作層持續(xù)商品化。

成本在下沉，價值在上移。

這兩條看似相反的變化，其實指向同一個方向：AI的價格正在走向分層，而價值也在隨之重新分配。

當Token不再是唯一的計量單位，當賬單被拆分成多種成本結(jié)構(gòu)，企業(yè)最終為哪一層買單，就會決定價值沉淀在哪一層。

至于這種“成本下沉、價值上移”的結(jié)構(gòu)，是如何在同一個體系中同時成立的，我們將在后續(xù)的解讀中再逐一展開。