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座標系。

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月的博客中寫道，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的數據，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。

而第三方數據給出的信號更為直接：Anthropic最強、也最貴的廣泛可用模型Fable 5，僅佔其Claude軟件支出的11%。Ramp據此斷言，已經「找到了企業願意為AI付費的新上限」。

從「Token」到「任務」：重設定價錨點

Token是AI模型處理的數據單位，也是衡量工作量的一種方式。行業慣常假設：單token收費越低，軟件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。

低價衝擊：從「tokenmaxxing」到成本設限

指標轉換髮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月發布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「賬單衝擊」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。」

最貴模型「性能不值價」：第三方數據亮出上限

儘管Anthropic等廠商公布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的數據：Anthropic最強、也最貴的廣泛可用模型Fable 5，僅佔Claude軟件支出的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。」