OpenAI and Anthropic Launch New Metric—'Cost-per-Task' to Better Measure AI Costs

在 AI 模型价格战进入白热化之际，OpenAI 与 Anthropic 正联手改写行业衡量模型价格的底层标尺——从 “每 token 成本” 转向 “每任务成本（cost-per-task）”，试图在企业客户面前为自身高溢价模型重建价值坐标系。

过去数周，两家美国 AI 龙头相继发声。OpenAI 首席财务官 Sarah Friar 在 7 月的博客中写道，低成本模型 token 虽便宜，但得到好结果 “可能需要更多尝试、更多时间或更多人工审查”；Anthropic 金融服务主管 Jonathan Pelosi 在近期采访中表示，token 成本只是衡量消耗了多少 AI 算力的 “代理指标”，“对每家企业而言，更好的代理指标是完成任务的实际成本”。

这场定价叙事之争的直接背景，是 Meta、SpaceX 等厂商正以极低的 token 价格挤压市场。据企业支出管理平台 Ramp 的数据，近几个月企业对 OpenAI 与 Anthropic 的采用已有所放缓，现有客户正越来越多地转向更便宜的开源替代方案。

而第三方数据给出的信号更为直接：Anthropic 最强、也最贵的广泛可用模型 Fable 5，仅占其 Claude 软件支出的 11%。Ramp 据此断言，已经 “找到了企业愿意为 AI 付费的新上限”。

从 “Token” 到 “任务”：重设定价锚点

Token 是 AI 模型处理的数据单位，也是衡量工作量的一种方式。行业惯常假设：单 token 收费越低，软件对客户整体就越划算。OpenAI 与 Anthropic 正试图推翻这一共识。

Sarah Friar 写道：

“低成本模型可能有更便宜的 token，但要得到好结果可能需要更多尝试、更多时间或更多人工审查；能力更强的模型 token 更贵，却能一次完成同一任务。”

Pelosi 的观点与之呼应：token 只衡量 AI 被使用了多少，无法衡量产出。他认为每 token 成本 “仅作为代理指标有用”，企业真正该关注的是完成任务的实际成本。

低价冲击：从 “tokenmaxxing” 到成本设限

指标转换发生在竞争压力加剧之时。多家厂商都在力推更低的 token 成本，试图压价 Anthropic 这类以更高价格提供更强模型的公司。以 DeepSeek 为例，其 4 月发布的旗舰开源模型输入输出 token 成本仅为 Anthropic 最先进产品的零头。

D.A. Davidson 技术与研究主管 Gil Luria 打了个比方：“美国实验室想传达的是，用开源 token 就像用廉价卫生纸——确实能擦干净，但你需要更多，还有别的不愉快副作用。”

过去一度鼓励员工通过 “tokenmaxxing” 最大限度使用 AI 的企业，在遭遇 “账单冲击” 后纷纷设限。Luria 称：

“对许多这类公司而言，内部成本已经高得令人望而却步。”

最贵模型 “性能不值价”：第三方数据亮出上限

尽管 Anthropic 等厂商公布了自己的每任务成本估算，越来越多客户正转向 Artificial Analysis、Vals AI 等第三方基准机构寻求独立评估。Vals 联合创始人兼 CEO Rayan Krishnan 指出：

“当实验室自报结果时，往往用的是内部基准，因此无法做真正的同类比较。”

按每任务成本计，Anthropic 与 OpenAI 的模型仍是市场上最贵的，Anthropic 的 Claude Fable 5 位居榜首；但两家也提供更具竞争力的低价产品，如 OpenAI 的 GPT-5.6 Luna。

真正给高溢价叙事泼冷水的是 Ramp 的数据：Anthropic 最强、也最贵的广泛可用模型 Fable 5，仅占 Claude 软件支出的 11%。“通过 Fable 5，我们找到了企业愿意为 AI 付费的新上限。” Ramp 在报告中写道，“在此之上，更高的性能并不值这个价。”