Token 经济学：
一个没人真正同意过的计量单位

"每百万 token 多少美元"这个说法听起来像商品价格——像石油、像电力，一个统一的计量单位， 不同供应商报不同价，直接比就行。但 token 从来不是一个统一单位。每家实验室用自己的 分词器（tokenizer）把同一段文字切成不同数量的碎片，切法不同，账单自然不同。

这个差距不是理论上的。The Register 在 2026 年 7 月的测试发现， 同一份 2,888 字符的 TypeScript 文件，Anthropic 新版分词器切出的 token 数比 GPT-5.x 的分词器多 73%， 比 Anthropic 自己的旧分词器还多 32%——如果把 Anthropic 的标价换算成和 OpenAI 同口径的"每字符成本"， Opus 4.8 的实际价格不是官方标注的 $5/$25，而是 $7.50/$37.50。

TensorZero 的跨厂商基准测试把这个问题量化得更直接： 工具调用密集的工作负载下，claude-opus-4-7 的实际成本是 gpt-5.4 的 5.3 倍，而两者的标价单只差 2 倍。 更麻烦的是排名会翻转——Gemini 在纯文本和结构化数据上最便宜，切到工具定义（tool definitions） 这类内容时反而比 OpenAI 贵 46%。"最便宜的供应商"这个问题没有固定答案，取决于你发送的是什么内容。

这不是哪家在耍花招，分词效率本身就是模型质量的一部分——更细的切分能表达更精确的语义， 尤其是代码和非英语文本。但这意味着比较 token 价格之前，第一件要承认的事是： 这张价目表从设计上就不是拿来跨厂商直接比价的。

2023 年 3 月，GPT-4 刚发布时，跑同等能力的模型要付 $30/百万 input token、$60/百万 output token。 a16z 的 LLMflation 分析 追踪同等质量模型的推理成本，发现从那之后价格下降了大约 62 倍；如果把时间拉到 2021 年作为起点， 同等能力等级的下降速率大致是每年 10 倍。

两个节点把这条曲线砸出了台阶。2024 年 12 月，DeepSeek V3 以 $0.14/百万 input token 上线—— 前沿级别的能力，价格却是 GPT-4 发布价的百分之一。一个月后，DeepSeek R1 以 $0.55/$2.19 的价格 提供推理能力，而 OpenAI 的 o1-preview 四个月前刚以 $15/$60 上线，同等能力上打了 97% 的折扣。

2026 年 5 月，DeepSeek 把 V4-Pro 的价格永久下调 75%， 从 $0.0145–$3.48/百万 token 降到 $0.0035–$0.83——这次不是促销期折扣，是把新地板钉死。 据报道， Sam Altman 正在考虑大幅下调 OpenAI 的开发者定价来应战，预判 Anthropic 会跟进同等幅度的降价。

但这条曲线不是单调下降的。用同一套方法追踪的通胀指数显示，"降价幅度"本身在 2025 年年中见顶后又回落了—— 2026 年 7 月的读数相当于比 GPT-4 发布价便宜 333 倍，但比这套指数自己的历史最低点贵了 3 倍。 原因很直接：每一代新模型上线时，厂商是按"新能力等级"重新定价的，前沿模型的标价会先跳涨， 再随着竞争和效率优化慢慢回落，形成一条锯齿状而不是平滑下降的曲线。分析师普遍认为， 2021–2025 年这种年降 10 倍的速度不会一直持续——容易拿到的优化空间已经被吃得差不多了， 2027 年后更现实的预期是年降 3–5 倍，之后收窄到 1.5–2 倍。

记住 §01 的前提——下面这张表比的是标价，不是实际账单。分词效率不同，实际差距会更大或更小。

来源：eesel AI 汇总 Anthropic 定价 · OpenAI 官方博客（GPT-5.6 定价） · InfoWorld（DeepSeek）。 定价变动频繁，以上为 2026 年 8 月中旬的快照，非实时数据。

把这几个数字换算成一个具体场景更直观：每月处理 1 亿 output token，Claude Opus 4.7 大约 $2,500， GPT-5.5 大约 $3,000，而 DeepSeek V4-Pro 大约 $348——比 Anthropic 便宜约 7 倍，比 OpenAI 便宜约 9 倍。 OpenRouter 的路由数据 显示，中国大陆模型在其平台上的 token 消耗份额从 2024 年底不到 2%，涨到 2026 年 6 月超过 50%。 西方前沿模型还能守住的地方，是最难的推理任务、长链条 agent 工作，和"一次做对"的场景—— 犯错代价高的时候，溢价本身会自己把成本赚回来；但在大量重复性、可容错的工作负载上， 开源权重模型已经把价格锚点拉到了很低的位置。

DeepSeek 把价格砸穿地板的那一周，微软 CEO Satya Nadella 只说了一句话： "Jevons Paradox strikes again"（杰文斯悖论又来了）——这句话被 Fortune 反复引用， 因为它精准地说中了后面发生的事。1865 年，经济学家 William Stanley Jevons 发现蒸汽机效率越高， 英国烧的煤反而越多——因为更便宜的能源解锁了原本不划算的新用途。同样的事正在 AI 账单上重演： 按同一套方法测算，混合推理成本一年内跌了约 67%（从每百万 token $18.40 跌到 $6.07）， 但企业在大模型上的支出反而翻了倍。

驱动这件事的主要不是"聊天变多了"，是工作流本身变了形状。一次问答只调用模型一次； 一个 agentic 工作流——规划、执行、观察、调整、再迭代——同一个任务可能要调用模型 10 到 20 次。 推理模型让这个乘数效应更极端：OpenAI 自己披露，o3 在同一个问题上用的算力是 GPT-4o 的 83 倍。

更隐蔽的一层是"看不见的 token"。o1、o3 这类推理模型会在给出答案前生成大量隐藏的思维链 （chain-of-thought）token，这些内容不会出现在返回结果里，但会按 output token 的价格计费。 一份第三方基准测试 （非厂商官方披露，方法论未经独立审计，数字仅供数量级参考）发现，o1 生成的隐藏推理 token 平均是 GPT-4o 可见输出的 10 倍左右；在一次约 3,100 万 prompt token 的基准跑批里，模型间总成本差出 50 倍以上。 这解释了为什么一个只有 500 个可见输出字的回答，账单上可能记着 2,000 甚至 5,000 个 token。

规模最能说明问题的一组数字来自 Sachin Katti——他 2025 年 3 月出任 Intel CTO，7 个月后被 OpenAI 挖去执掌 Compute Infrastructure。他 在 2025 年 OCP Global Summit 的主题演讲 里给出两个基线：Gartner 预测到 2028 年，AI 算力的 80% 将用于推理，而不是训练；Google 一家的 月度 token 处理量，从 2024 年的 9.7 万亿涨到 2025 年的 1,400 万亿——一年涨了 140 倍。他同时 给出一张按 agent 复杂度换算的 token 消耗倍数表：简单聊天机器人是 1 倍基线，加上思维链推理是 10 倍，到真正的多步骤 agentic 系统，单次查询消耗的 token 最高可以到 100 倍。换句话说， "推理成本两年半下降了 99%"——这是 Altimeter Capital 创始人 Brad Gerstner 在 Stanford MS&E 435 课堂上的原话—— 这条曲线在应用形态往 agent 迁移的过程中被完全抵消，甚至倒转：单价降了两个数量级，但单次 任务消耗的 token 量也在同时涨几个数量级，净算力需求不是在降，是在暴增。

§04 解释了账单为什么在涨，但没解释一件更根本的事：为什么打价格战的偏偏是 OpenAI、 Anthropic 这些模型公司，而不是 NVIDIA。斯坦福 2026 年春季新开的一门课 MS&E 435: Economics of the AI Supercycle， 正是围绕这个问题搭起来的——授课人 Apoorv Agrawal 是 Altimeter Capital 的合伙人，主导了 这家机构历史上最大的一笔单项投资：以 $1500 亿估值进入 OpenAI。他给这门课定的中心问题 只有一句话："AI 超级周期里，价值会沉淀在哪一层？"

答案落在一张三层栈的毛利表里。Apoorv 把 AI 产业拆成半导体（NVIDIA / Broadcom / HBM）、 基础设施（Azure / AWS / GCP / CoreWeave）、应用（OpenAI / Anthropic / Cursor 等）三层， 逐年追踪年化收入和毛利率：

两年里整个生态从 ~$900 亿涨到 ~$4,350 亿，涨了近 5 倍，但形状几乎没变：半导体层的绝对毛利 是 $2,250 亿，基础设施层 $400 亿，应用层 $200 亿——半导体一家吃掉了整个 AI 生态 79% 的毛利 （两年前是 87%，一年只降 4 个百分点）。按这个速度，应用层要追上云计算生态里"应用层拿走 大部分毛利"的那种分布，需要远超十年。这组数字出自 Apoorv 2026 年 4 月的复盘文章， 他把这句话写成了这门课被引用最多的一句结论： "半导体层是单人游戏，应用层是双人游戏，基础设施层是唯一充分竞争的层——AI 时代最赚钱的 策略，仍然是卖铲子。"

这条规律有一个更正式的版本——课程材料里的 Bottleneck Calculator，建模逻辑借用了生态学里的 李比希最小因子定律（Liebig's Law of the Minimum）：有效供给增速取决于芯片、内存、能源、 网络这几项里增长最慢的那一项，缺口越大，稀缺的那一层定价权就越强。截至 2026 年年中， 这几项的年增速大致是能源 15%、芯片 45%、互联 35%，而需求增速高达 310%——供需缺口最大的 不是芯片，是能源，这也是为什么数据中心选址正在从"靠近用户"转向"靠近电源"。但无论瓶颈 具体卡在哪一环，NVIDIA 目前站在最稀缺的位置上，这就是它能拿到 73% 毛利率的根本原因， 跟它的芯片做得好不好、有没有替代品是两回事——纯粹是稀缺性定价。

这条链路解释了 OpenAI、Anthropic 为什么会陷入"越卖越亏"的处境：它们身处的应用层，既要 为最稀缺的芯片层支付溢价（2025 年 Top 5 超大规模厂商合计资本开支约 $4,430 亿，同比涨 73%， 2026 年预计超过 $6,000 亿，其中约 75% 投向 AI 基础设施），又要在竞争最激烈的应用层内部 打价格战抢市场份额——两头都没有定价权，中间被两头挤压。SemiAnalysis 创始人 Dylan Patel 在 Class #5 的访谈 里把需求侧和这个处境放在一起看：前沿模型是唯一有人愿意为它几乎无限付费的产品——他自己 公司的 AI 支出一年从几万美元涨到 $700 万年化——但供给侧被内存（HBM 产能）、先进制程 （TSMC 3nm/2nm 排队）、光刻设备（ASML EUV 出货节奏）这三个物理瓶颈同时卡住。他的结论 很直接：不能通过 AI 产生价值的企业，会面临经济清算——这句话可以看作 §07"按结果定价" 逻辑在供给侧的镜像：买铲子的人赚不赚钱，最终决定卖铲子的人能不能一直涨价。

移动互联网和云计算都用了大约十五年，才从"硬件层吃走大部分毛利"翻转成"应用层吃走大部分 毛利"——高通/ARM 之后是 iOS/Android，再之后才是 Uber、Instagram、TikTok 拿走大头。 Apoorv 在 2026 年回望自己两年前的预测时说，他仍然相信这个反转会发生，"但比我 2024 年设想 的慢得多"。这也是为什么本文前面几节讨论的 outcome pricing、RWA 化，读起来更像是应用层 在给自己找退路——它们控制不了芯片层的定价权，能做文章的只剩下计价方式和金融工程本身。

"每百万 token $X"这个标题数字，现在只是一份多维价目表里最显眼的那一格。同一个模型， 同样的文字，会因为四个变量而付不同的价：

• 缓存新鲜度——命中缓存的 input token 通常打一折（$0.50 vs 标准价 $5）， 但写入缓存本身要多付 1.25 倍。长对话、重复系统提示词的场景里，缓存策略本身变成了一个要优化的成本变量。
• 批处理容忍度——能接受异步返回的任务，Batch API 打五折， Anthropic 和 OpenAI 都是如此。
• 上下文长度——超过某个门槛（GPT-5.6 Sol 是 272K token）后， 整个请求的输入输出单价都会上浮，Sol 从 $5/$30 跳到 $10/$45。
• 推理深度——如 §04 所述，思维链 token 按 output 价格计费， 且大多数情况下调用方看不见、也控制不了模型到底"想"了多久。

结果是，任何一份对比表——包括 §03 那张——都只是快照。真正决定账单的是这四个变量在你的 具体工作负载上怎么组合，而这个组合，两家不同的厂商几乎不可能给出可以直接比较的答案。

按 token 计费有一个结构性缺陷：一个 agent 花 5,000 个 token 认真调研、一次性解决了客户问题， 和另一个 agent 花 20,000 个 token 兜圈子、什么也没解决，前者账单更便宜——计价方式奖励啰嗦、 惩罚效率，跟"这次交互到底值多少钱"没有必然关系。Fortune 在 2026 年 5 月的一篇报道里把这个现象叫作"tokenmaxxing"（token 最大化）的终结： 当消耗量本身变成 KPI，消耗会涨，但活儿不一定干完——一次教科书式的 Goodhart 定律翻车。

几家公司已经把计费单位换掉了。Salesforce Agentforce 2024 年上线时是 $2/对话的固定计费，被批评的地方很直接：不管 AI 是解决了问题、失败了、还是转给了人工客服， 计价器照样在跑。2025 年 5 月引入 Flex Credits（按动作计费，约 $0.10/次标准操作）之后， 2026 年的定价页面同时挂着按对话、按 Flex Credits、按坐席（$125–$550/用户/月）三套体系， 让客户自己按使用形态选。Zendesk 和 HubSpot 走得更彻底—— Zendesk 按"被解决的工单"计费（约 $2/次），HubSpot Breeze 从"每次处理的对话收 $1"改成 "每次解决的对话收 $0.5"，官方原话是"客户只在 agent 完成了被分配的任务时才付钱"。 Sierra 把这个逻辑讲得最直接：只在任务完成时收费，把厂商和客户的激励绑在一起。

Databricks CEO Ali Ghodsi 在 MS&E 435 Class #4 的炉边对话里，给这套转向起了一个更大的名字： "Service as Software"（服务即软件）。他的论点是，传统 SaaS 卖的是工具，价格上限由"这个工具 能省下多少人力"决定，天花板通常是 33% 左右的应用层毛利；而按结果计费的 AI agent 卖的是 工作本身完成的结果，比较对象不再是同类软件的订阅费，是它替代的那份咨询费、律师费、 客服人力成本——那个天花板要高得多。Ghodsi 在同一场对话里 也给了对称的警告：那些融了几十亿美元、却几乎没有收入的公司，是"明显的泡沫"——按结果计费 能打开的是价格上限，不是自动帮所有玩家把收入做出来。

这套模式对厂商本身是有代价的——outcome pricing 意味着任务失败、重试的成本要厂商自己吸收， 而不是转嫁给按 token 计费时那个"反正调用了就收钱"的安全垫。行业里流传的一个经验法则是： 把结果定价定在"预期成功率下、按 token 计算的混合单位成本"的 2.5 到 3.5 倍，用这个溢价 覆盖失败重试和第 90 百分位的坏月份。这背后没有被说出口的一句话是：outcome pricing 本质上是把一部分模型不确定性的风险，从客户的账单转移回了厂商自己的利润表。

真正的难点也不在算法或计费系统，而在"结果"这两个字由谁来定义。客户不愿意面对一份 晦涩难懂的验收标准来判断这次调用算不算数——这条摩擦目前没有标准答案，是这套模式 从概念走向大规模落地路上最大的一个未解问题，比技术实现本身更难。

outcome pricing 解决的是"按什么计价"，还没碰"怎么结算"这个问题——月底账单、人工审批、 信用卡授权，这套流程是为人设计的，agent 对 agent 的高频小额调用根本用不了。 2025 年 5 月，Coinbase 发布的 x402 协议 想解决的正是这个缺口：借用 HTTP 402（Payment Required）状态码，服务端对 agent 的请求 直接回一个"要付钱"的响应，agent 签一笔稳定币交易（USDC 等）附在重试请求里， 服务端验证后放行——整个流程几秒内完成，不需要人工介入、没有信用卡、没有订阅账户。

规模已经不小。据报道， x402 已处理超过 $500 亿美元的稳定币交易，覆盖 2 亿笔支付，其中大多数单笔金额不到 $0.5—— 这正是传统信用卡网络的固定手续费结构做不了的量级：手续费本身就比这笔钱还贵。 Cloudflare 和 Coinbase 是协议的共同治理方，Stripe、AWS 已经在文档里引用这套标准， Browserbase、Exa 这类 AI 原生平台已经原生支持。它和 Google 的 AP2（授权层）、 MCP（工具发现层）拼在一起，构成了一套 agent 经济的支付栈：MCP 让 agent 找到能调用的工具， x402 让这次调用本身可以按次付费，AP2 负责确认这笔钱是不是这个 agent 的人类主体真正授权的。

这意味着"token 经济"的下一层，不是把 token 定价定得更精细，而是把每一次 API 调用本身 变成一笔可以即时结算的现金流——不再是月底一张账单，是逐次收付。这套基础设施目前还在早期， 规模数据来自协议方和媒体报道，尚未经过第三方审计，但它已经跑通了工程上最难的那部分： 让机器之间的支付摩擦低到可以忽略。

token 经济正在撞上另一条早就存在的主线：RWA（real-world asset，现实资产代币化）。 这条线原本讲的是把国债、私募信贷、房地产搬到链上——截至 2026 年年中， 不含稳定币的链上 RWA 总值约在 $270 亿到 $360 亿美元之间，最大单一品类是代币化美债 （约 $148 亿），BlackRock 的 BUIDL 和 Ondo Finance 是这条赛道最大的两个发行方。 2026 年，AI 算力和推理权开始变成这个资产类别里的新品种。

具体做法有两层。第一层是把 GPU 本身代币化：Aethir 把超过 44 万个 GPU 容器包装成可分割、可产生收益的代币化资产； RWAi 让散户直接买入运行 DeepSeek、Llama 等开源模型的 GPU 机架的部分份额，按算力实际产生的 推理收入分红。第二层更进一步——把 GPU 或未来推理收入当抵押品放贷： USD.AI 让稳定币存款人把钱借给数据中心运营商，贷款以 GPU 等 AI 基础设施资产做抵押， 协议方称已执行 $2.25 亿美元贷款、批准超过 $12 亿美元的贷款额度。

这条界限还在继续模糊。DIEM 这类项目直接把"预付推理额度"做成可交易代币——1 枚代币对应每天 $1 的推理额度， 用不完可以在二级市场卖掉，本质上是把"某个模型未来愿意替你算多少 token"这件事， 变成一张可以被定价、被持有、被转让的凭证。衍生品市场也在跟进： CME 和 ICE 已释放计划推出 GPU 租赁期货，一篇 2026 年 3 月的学术论文提出 "标准推理代币"（Standard Inference Token）框架，把 AI token 类比电力、碳配额这类 大宗商品，设计了完整的期货合约规格和保证金机制——这仍是提案阶段，离真正挂牌交易 还有距离，但方向很清楚：把"智能"拆成可以被定价、被对冲、被抵押的标准化合约。

这套叙事听起来像是给 token 经济找到了一个更大的资本市场，但它复刻的正是过去两年被 反复警告的那类风险。国际清算银行（BIS）在 2026 年 6 月的年度报告里，把"AI 资本开支 泡沫破裂"和"不透明的循环融资"列为对全球金融体系最大的两个威胁，明确警告相关资产 "可能被多次质押"。CoreWeave 那笔以 GPU 和客户合同做抵押的 85 亿美元投资级贷款， 还款期恰好撞上 GPU 二手市场价值下滑的窗口；有分析师把这种供应商反过来给客户放贷、 制造收入增长假象的结构，类比成 2000 年前后 Nortel、Lucent 的"供应商融资"—— 那场泡沫最后的结局是贷款打了水漂，成为加拿大企业史上最大的破产案之一。 不是所有人都认同这个类比：支持者指出，AI 数据中心的租户主要是现金储备充裕的 投资级超大规模云厂商，底层算力需求也是真实存在且在增长的，这两点是 2008 年 住房抵押贷款泡沫所不具备的。

说明：本文数字均为公开报道与第三方基准测试的 2026 年 8 月中旬快照，部分为分析师估算或 厂商自述，未经独立审计；定价变动频繁，读者引用前建议核对厂商官方定价页面。