01 · 两种价格
在家用场景中，人工智能就像自助餐；在工作中，它则是计价器。
在浏览器中打开 ChatGPT 或 Claude，这笔交易感觉很熟悉：支付一个月的固定金额，然后继续聊天。服务商默默地决定限制、减慢重度用户的速度、将简单问题路由到更便宜的系统中，并承担订阅未涵盖的所有内容。
大多数软件公司并不会获得这样的待遇。将人工智能连接到产品、文档工作流或数千名员工身上时，账单通常会随着使用量而变动。服务提供商会统计称为 token 的小段文本。读取需要成本，写入成本更高。搜索、存储上下文以及调用工具还会产生额外的独立费用。
消费者聊天
固定的每月价格
- 数百万人的使用量汇聚于同一个池中
- 通过限制和放慢速度来约束用量最大的用户
- 投资者资金可以补贴普及推广
企业级 API
每个工作流背后都有一台计量表
- 每位员工和客户都会增加消耗量
- 长文档在多个轮次中被重复读取
- 人在走开之后，智能体仍可继续工作
02 · 前沿模型溢价
“人工智能”并没有单一的价格。最智能的层级可能会贵上数百倍。
模型菜单类似于飞机客舱。小型模型价格便宜且通常足够好。向着前沿迈进——即那些面向最困难的研究、编程和推理销售的系统——其输出费率会急剧攀升。随后，长上下文附加费或更快的服务层级可能会再次推高价格。
生成一百万个 Token 的成本
这张图表并不是要大家回避前沿模型，而是主张把它们留给真正需要的任务。让最昂贵的系统去格式化一封例行邮件，就像派律所合伙人去买打印纸一样。
一手来源OpenAI：GPT-5.2 Pro 输出标价为每百万 Token 168 美元↗03 · 每一轮都有成本
聊天机器人只会回答一次。而智能体却会默默地把同一个答案购买许多次。
一个有用的智能体绝不仅仅是进行回复。它会进行规划、打开文件、搜索、读取结果、自我纠正、调用其他工具，最后再写出答案。每一步都是对模型的又一次调用。为了记住刚才发生的事情，智能体通常会将不断增长的对话内容大部分再次发送给计量表。
示例演算 · 试着调整控制项
审阅一份 80 页的标书
假设首次读取为 55,000 个 Token。每一轮都会增加备注和工具运行结果。我们采用前沿费率：每读取一百万个 Token 计 10 美元，每写入一百万个 Token 计 50 美元。这个设定刻意保持简单：没有工程术语，只有计量表。
模型费用预估
04 · 公开账单
这一警告已不再停留在理论层面。大公司已经在踩刹车了。
2026年，“Tokenmaxxing”（即奖励员工使用更多人工智能的现象）与财务部门发生了碰撞。这种模式惊人地一致：鼓励无限制使用，看着消耗量与实际产出脱节，然后被迫加入预算、使用上限或更便宜的路由机制。
它后来通过设定上限、采用更便宜的路由机制以及展示实时的运行成本，降低了单次会话的成本。
Axios · 2026年8月 ↗MMETA据报道，内部 Token 的使用量正向数十亿级别飙升高管们讨论了将 Token 视为任何有限运营资源的方案，并对每位工程师的使用量设定了上限。
TechCrunch · 2026年7月 ↗A亚马逊在员工刷榜后废除了使用排行榜不必要的智能体活动推高了计算成本，却没有产生有价值的工作成果。
InfoWorld · 2026年5月 ↗M微软取消了绝大部分内部的 Claude Code 许可证，部分原因在于成本问题甚至连一家云计算巨头也选择让其开发人员统一使用另一个工具。
Axios · 2026年5月 ↗A埃森哲在某个工具增长了113倍之后，对日常的Token使用量设置了上限这家专业服务集团已从最大化消费转向衡量实际价值。
ITPro · 2026年9月 ↗P帕兰提尔其首席执行官表示，企业客户已经厌倦了为微薄的价值买单亚历克斯·卡普公开抨击前沿实验室收费过高，而客户们则在寻找更便宜的选择。
Axios · 2026年7月 ↗延伸阅读美联社：随着“tokenmaxxing”（盲目追求 Token 用量）热潮消退，职场正寻找更便宜的人工智能↗更便宜的 Token 并没有带来更低的账单，反而给了人们使用更多 Token 的理由。
企业级人工智能的悖论
05 · 可控的流程
最安全的人工智能预算，就是你已经决定花出去的钱。
采用储值模式。一次性充入永久积分，即可在你需要的各种模型和文档工具之间通用，仅在你选择时才充值。余额会随着工作的完成而扣减，不会变成没有上限的月底账单。
自主充值
购买固定数量的永久积分。没有月费，也不会过期。
从单一余额中扣除
在支持的大语言模型、文档处理和图像生成中共享一个钱包。
余额归零即停止
当余额过低时，工作流会提示充值，而不会产生意料之外的账单。
资料来源
资料来源与方法说明
编者按：公开标价变动频繁。本图表记录了截至 2026 年 9 月可查的公开价格，并附上了供应商链接。文中的示例仅为解释性估算，并非对任何供应商的报价，也不意味着每个智能体发送上下文的方式完全相同。文中提及的公司案例均归属于报道它们的出版物。