01 触发事件
2026 年 8 月 13 日 Bloomberg 报道, OpenAI 与 Anthropic 在同步向客户推广一个新的 AI 成本衡量指标, 意图让 enterprise 买家"重新思考"模型使用价格。Bloomberg 给出的原文只有一句话描述, 我没读到 metric 的具体定义 — 但仅"两家头部 lab 同时换 pricing unit"这个信号本身, 就值得拆开看。
02 这事的真正含义
这不是 token 又降价了。Token price 这两年一直在降, GPT-5 / Claude 4.x / Gemini 3 系列的 per-token unit cost 已经接近 commodity 区间。真正发生的是: per-token 这个维度已经无法捕捉模型在 agentic workload 里提供的价值。
一次 Sonnet 4.6 驱动的 coding agent 任务, 可能消耗 50 万 token、调用 30 次 tool、跑 15 分钟 — 你按 input + output token 算账, 算出来的 cost 跟 task 的业务价值完全脱钩。客户问的是"这个 bug fix 多少钱", 不是"我烧了多少 token"。
OpenAI / Anthropic 同时想换 metric, 真正的赌注是三件事。
第一, pricing unit 从 token 上移到 task / agentic step / outcome。客户心智从"花 $X 买 token"变成"花 $X 完成一个工作单元"。
第二, lab 拿回定价权上移的筹码。一旦 metric 不是 raw compute, model differentiation 就更难被 commodity 化 — 这是 moat 的物理重建。
第三, 整个 gateway / routing / caching 层被迫重写。opcx.ai 这类 token 网关如果还按 per-token 做 aggregation, 会在客户的财务汇报里失去位置 — 抽象层得抬到 outcome 这一级。
我承认这是基于行业一般模式的推断, Bloomberg 原文我只有一句话的 summary, 下面整个框架如果 metric 是别的形态会塌。
03 历史类比 / 结构对照
2008-2014 年 AWS 做过一模一样的事。
EC2 早期只有 on-demand per-instance-hour — 当 raw compute 单位变得越来越便宜, 客户开始抱怨"我花的钱和我跑的业务量不成比例", AWS 推出 Reserved Instances、后来是 Savings Plans、再后来是 Spot。本质是把 pricing unit 从"我租了多久机器"推到"我承诺花多少钱"。
Stripe 2013 年从 flat per-transaction fee 改成 interchange-plus, 同样是 unit 上移 — 从"我处理了一笔交易"变成"我处理了 $X 的交易额"。
Snowflake 从 per-query 推到 per-credit, 也是把抽象从 raw compute 抬到 value 那一层。
共同模式: 当 commodity layer (token / instance hour / query) 跌穿某个地板价, 平台层会主动引入新抽象, 把自己从 supplier 变成 value-capture layer。
这种类比有它的局限 — cloud 的 commodity 化走了十年, AI 这边的曲线更陡, lab 之间的 standardization 程度也远低于 AWS 当年, 所以 pricing 上移的阻力会比历史更大。
04 对 AI builder 意味着什么
这周 / 这个月要做的几件事。
Unit economics 重算。如果你的 startup 还在按 token 算 CAC payback 和 gross margin, 这个 metric 切换会直接打乱财务模型。准备按 task / agentic step 重算 LTV, 至少准备两套对照表。
Routing 策略改写。原来 routing 的 optimization target 是"哪个模型 token 最便宜", 接下来会变成"哪个模型在某种 task 上 outcome cost 最低"。MoE 模型的 token 便宜不等于 task 便宜, 因为它的失败率可能更高、需要更多 retry — outcome cost 要乘上 expected attempts。
Gateway 抽象上抬。opcx.ai 自己要把 aggregation layer 从 token level 抬到 outcome level — 这不是加 feature, 是换 abstraction。晚半年做的话, 客户会用 LangSmith / Helicone 这类 observability 工具自己拼出来, switching cost 会塌。
对应用层 startup 的信号。Outcome pricing 听起来对 startup 友好 (因为大 lab 兜底), 实际相反 — 大 lab 有 task-level 数据可以定价, startup 没有, model-level moat 会重新值钱。
这些动作的前提是 metric 切换是真的结构信号; 如果 Bloomberg 只是讲一个 cost calculator, 上面都是 overfitting。
05 反方观点 / 风险
我可能严重高估这件事的实质。
更温和的解释有三种。
第一, OpenAI / Anthropic 只是推出一个 marketing-grade 的 cost calculator — 给 enterprise procurement 一个更顺手的 TCO 报表工具, 内部 token 价一分没动, 外面套一层 wrapper。这种事 Stripe、Databricks 都干过, 是 enterprise GTM 的常规动作, 不是 pricing model 的转折。
第二, outcome-based pricing 在 agentic workload 还没到能成立的阶段。今天 agent 任务成功率分布在 40% 到 85%, 没有 lab 愿意按 outcome 兜底 — 兜底成本会被失败率吃光。Bloomberg 报道的 metric 大概率还是某种 per-X-tokens-of-useful-work 的 cosmetic 重命名, 不是真正的 outcome pricing。
第三, 我没读到 Bloomberg 原文 metric 的具体定义, 整个分析都建立在假设上。如果 metric 只是 "effective cost per million tokens including caching discounts", 那这篇文章就是 PR, 不是拐点。
我倾向 30% 概率这是 cosmetic, 70% 是真的 pricing layer 上移 — 因为两家公司 同步 推这件事的 coordination cost 不低, 不太可能是 marketing noise。但即便 70%, 这也是 18-24 个月才能完全展开的趋势, 不是这个季度的 deal。Q4 的 capex 决策不必为这件事重写, 但 2027 H1 的 product roadmap 应该预留一个 outcome-level abstraction 的位置。