Claude Fable 5 的定价是每百万输出 token 50 美元。上线三天即告失败。而 DeepSeek-V4-Pro 的价格是 0.87 美元——仅为前者的五十七分之一。

Anthropic 最强模型暂时退场，但 AI 领域的价格战不仅没有停止，反而愈演愈烈。据报道，全球已有超过 500 家企业从闭源模型切换到了开源模型，其中最大的赢家正是 DeepSeek。

「Tokenmaxxing」：疯狂刷 token 的时代

过去半年，硅谷流行起一个新词：Tokenmaxxing——Token + Max，疯狂刷 token。今年 4 月和 5 月，约 300 家上市公司在财报电话会上讨论了 AI token 成本问题，而一年前这个数字仅为 93 家。

云存储公司 Box CEO 表示，token 预算已成为公司内部"最重要、也最激烈"的话题。加拿大皇家银行 CEO 透露，公司 token 用量在半年内暴增 500%。甚至有的公司内部搞起了"Claudeonomics"排行榜，按 token 消耗量给员工排名。

AI 编程工具 Factory 的 CEO 透露，一家顶级金融机构的高管向他吐槽：员工每月 token 开销高达几十万美元，有人拿最贵的旗舰模型回答最简单的问题，甚至用来闲聊。

账单来了：AI 预算的残酷现实

Uber 去年 12 月全员推广 Claude Code，三个月后工程团队使用率从 32% 飙升至 84%。但到今年 4 月，全年 AI 预算就已经花光。每个工程师每月 API 费用在 500 到 2000 美元之间。Uber COO 公开质疑："投入和产出之间的关联性，目前还没有建立起来。"

Meta CTO Andrew Bosworth 在内部提醒员工："不要为了用 AI 而用 AI，token 用量不等于工作成果。"

微软 将于 6 月底前收回部分团队的 Claude Code 权限，统一切换到自家 GitHub Copilot CLI。

最扎心的一组数据来自 Entelligence AI。他们分析了 2000 多家企业的代码库，覆盖超过 100 万次代码提交：

"企业花在 AI token 上的每一块钱，只有 1 毛 8 最终变成了用户手里的产品。"

剩下的钱去哪了？44% 花在修复 AI 自己写出来的 bug，27% 用在返工和重写，11% 消耗在代码审查。每周写的代码里，四分之一直接就被扔掉了。代码提交量 12 周内翻了 2.6 倍，但回滚量同样增长了 3.7 倍。

OpenAI CEO Sam Altman 在 6 月初的企业客户活动上表示，token 成本"突然变成了一个大问题"。OpenAI 最大的一个企业客户，每月消耗约 1000 亿个 token——几年前，全球最多的客户每月才 10 万个，增长了 100 万倍。

企业的反应：不止"省钱"，还有"换人"

AI 助手创业公司 Lindy 两个月前开始测试 DeepSeek-V4，发现处理邮件、管理日程、记录会议的效果不输 Claude Sonnet 4.6，邮件分类甚至更好。关键是便宜了 10 倍。Lindy 最终把全部 AI 用量切换到了 DeepSeek，只有内部编程任务还在用 Anthropic 的更强模型，每年能省下几百万美元。

在 Vercel 平台上，DeepSeek 的 token 份额从 4 月的不到 1% 飙升到 5 月的 17%。在 OpenRouter 上，DeepSeek 从 5 月中旬开始成为使用量最大的 AI 公司。开源模型的使用量增速是闭源模型的 4 倍。

国产模型占了平台 token 总量的近一半——一年前这个数字不到 2%。在 Vercel 的 AI 编程场景里，DeepSeek 处理了 49% 的工作量，但只花了 4% 的钱。Anthropic 处理了 28% 的工作量，却花了 70%。

不只是 DeepSeek。阿里 Qwen 系列下载量接近 10 亿次，占全球开源模型下载量的一半以上。开源 AI 生态正在以肉眼可见的速度壮大。

混合模型：未来的 AI 支出策略

不是所有企业都一刀切。更多公司选择了"混合使用模型"。

Factory 搭建了一套自动调度系统：AI Agent 接到任务后，简单任务用便宜模型，复杂任务调用 Claude 或 GPT。这套系统最多可以把 AI 成本降低 95%。Factory 今年 4 月完成了 1.5 亿美元 C 轮融资，估值 15 亿美元。

前谷歌云负责人 Andrew Moore 创办的 Lovelace AI 思路类似："我们的 AI Agent 现在特别抠门。它们知道怎么从最便宜的模型里榨出结果。搞不定的时候，才临时跳到更贵的模型上。"

专门检测代码 bug 的创业公司 Detail，已将 90% 的工作量从 Claude 和 Gemini 转移到了自研模型和智谱 GLM 系列上。

苏米注：从"一个旗舰模型打天下"到"大模型思考、小模型干活"的混合架构，是企业 AI 应用的必然演进。这不是降级，而是成熟。就像云计算从"所有负载跑在最大实例"演进到了自动扩缩容，AI 模型调度也会走向精细化。

市场用脚投票

开源模型曾经是"平替"，现在它们变成了"首选"。OpenAI 感受到了压力，据报道正在考虑大幅降低 token 价格。Anthropic 则回应称，企业更在意的是完成任务的总成本，而非每个 token 的单价——旗舰模型处理复杂任务时用的 token 更少，总成本不一定高。

但市场已经做出了选择。微软近期发布了更小、更高效的 AI 模型。英伟达推出了 Nemotron 系列，定位平价替代。连芯片公司都在帮企业省钱。

一份投行研报追踪的全球 AI 支出指数连续 7 天下跌，创下今年以来最长下跌纪录。但 AI 本身的需求并没有放缓——谷歌云每月处理超过 3200 万亿个 token，是一年前的 7 倍。

增长没停，是增长的方式变了。便宜模型处理大部分任务，旗舰模型只在关键时刻上场。这可能是更有"性价比"的方式。