AI越用越贵？其实智能成本已降了20倍

萨姆·奥尔特曼曾预言，智能将便宜到不值得计价。可当你看到这个月的API账单时，大概会觉得这话像个冷笑话——明明Token单价在涨，账单在飙，怎么好意思说变便宜了？

Theo（t3.gg）在最近一期视频里聊透了这个矛盾。结论有点反直觉：AI确实在疯狂变便宜，只是你花钱的方式变了。

Token单价上涨是真的，但只盯单价就看错了

先承认一个事实——顶尖模型的每Token价格确实涨了。GPT-5 Medium输出每百万Token 10美元，而后续的Astra等模型输出价格跳到50美元，输入从1.25美元涨到10美元。单看数字，涨幅5到10倍，和“成本每年降到十分之一”的承诺完全相反。

但如果只按Token单价衡量成本，是最糟糕的算法之一。Theo提出要看三个维度：

• 每Token价格：每美元能买到多少智能
• 任务Token消耗量：完成具体工作要烧多少Token
• 达到某智能水平的成本：让模型以特定能力解决问题需要花多少钱

这三点结合起来，画面完全不一样。比如Gemini 3.8 Flash输出每百万Token只要3.75美元，不到GPT-5的一半，看着很划算。但它在智能指数测试中消耗Token太多，导致完成同样任务的成本差距从10倍以上缩到不到3倍。反过来，3.5 Flash因为太费Token，总成本甚至超过单价贵得多的模型。

杰文斯悖论（Jevons Paradox）由英国经济学家威廉·斯坦利·杰文斯在1865年研究煤炭问题时提出。他观察到，当蒸汽机效率提升、单位煤炭能产出更多动力后，英国全国的煤炭消耗量不降反升。原因在于：效率提升让煤炭的相对使用成本下降，于是煤炭被应用到原本不划算的场景中，总需求膨胀到足以抵消甚至超过单次使用的节约。这个悖论常被用来解释技术效率提升为何未必带来资源消耗下降。在AI领域，它意味着即便单位Token价格大幅下降，只要AI变得足够便宜好用，人们就会把它塞进更多、更大、更复杂的任务里，最终总账单反而上涨。理解这一概念，是理解“单价降、账单涨”这一表面矛盾的关键。

低价端同样在爆发：能力更强，价格只有三十分之一

高端模型变贵的同时，低价端出现了惊人的进步。GLM 5.3 Flash输入每百万Token 0.15美元，输出0.5美元，很多渠道还打五折。也就是说，每个Token的成本大约是GPT-5的二十分之一到三十分之一。

Theo的评价很直接：他宁愿所有事情都用GLM 5.3 Flash，也不愿被迫用GPT-5。因为5.3 Flash吸收了行业一年的进步——视觉处理更好、工具调用更顺，尤其在智能体工作流里连续运行数小时的表现远超GPT-5。GPT-5唯一的优势是无需搜索就能调用的知识更多，但配上搜索工具后，5.3 Flash在知识任务上能把差距拉到一个数量级。

这意味着：在给定智能水平下，价格已经降了大约20倍，远超“降到十分之一”的目标。

智能体工作流（Agentic Workflow）指让AI模型不只是一问一答，而是像智能体一样自主规划、连续调用工具、观察结果并迭代执行，以完成一个多步骤的长任务。例如修复一个bug时，模型可能需要先截图分析界面、检索代码、修改文件、运行测试，再根据报错继续调整。这类工作流对模型的能力要求不同于单轮对话：它需要稳定的工具调用、长上下文记忆和对中间状态的推理能力。文中提到GLM 5.3 Flash“连续运行数小时”正是智能体场景，此时低价模型因为工具调用更顺、视觉处理更好，反而可能比单价更高但工具能力较弱的模型更划算。

历史数据：每一档智能水平的成本都在断崖式下跌

Artificial Analysis一直在追踪这件事。以智能指数10分以下为例，以前每项任务要花0.6美元，大约两年间降到了0.02美元。10到20分这档，2024年9月还要15美元，到2025年2月Grok Mini就能以几美分的价格拿到更高分数——短短4个月，价格降了将近99%。

20多分档，从1.55美元降到26美分，再到10美分，现在只要4.7美分。30多分档从1.9美元降到3美分。40到50分档，从3.85美元起步，随后5.6T以几乎一半的价格拿到更高分，GLM 5.3以不到三分之一的价格再进一步，GLM 5.3 Flash最终以百分之一的价格拿到接近的分数。

直播弹幕里有人说“每次降价速度都更快”，Theo认同这个观察。坐标轴是对数刻度，看图时要记住这一点才能理解降幅的夸张程度。

对数刻度是一种坐标轴标注方式，相邻刻度之间按固定倍数递增，而非固定差值。例如1、10、100、1000，每一格代表乘以10。在对数坐标图上，一条平缓上升的直线可能对应现实中指数级的增长，而视觉上看似“腰斩”的下降也可能意味着数量级的变化。文中Artificial Analysis的图表使用对数刻度展示成本下降，因此读者不能按普通线性图的比例去直观估算。同一个视觉落差，在普通刻度下可能看起来只有几倍，在对数刻度下却代表着十倍、百倍乃至千倍的差异，这正是文中强调“记住这一点才能理解降幅的夸张程度”的原因。

账单暴涨的真相：不是变贵了，是你用得更多了

既然成本在降，为什么账单在涨？Theo的解释是：杰文斯悖论。当蒸汽动力变便宜、煤炭更易获得时，人们反而在这些东西上花更多钱，因为它们突然足够便宜好用，可以应用到以前用不了的地方。

Theo提到，他自己2025年全年AI花费大约800到1000美元，而2026年随便哪一天消耗的Token都可能超过1000美元。但这不代表他亏了——他让模型做的事情完全不同了。以前是让模型在代码库里自动补全一个函数，现在是让它看bug画面、把修复落实到代码里，从头到尾完成任务，还能持续运行数小时不需要频繁介入。

每次提示生成的Token大幅增多，其实是成功的表现。 模型变得更便宜、更好、更有能力，我们自然会把它们用在更大更难的任务上。账单上涨和生产力提升是相关的。

Theo还坦承自己两年前做过一期“人工智能不会继续进步了”的视频，承认“错得太离谱”。他当时以为发展停滞，是因为旧基准测试已经无法衡量新模型的能力。现在他确信：进步速度远超预期，价格也低得超乎想象。

接下来会发生什么

用GLM 5.3 Flash的价格买到Fable级别的智能——Theo在直播中亲口说“这绝对会发生”。因为行业在工具使用、长任务管理、搜索能力上的进步太快，小模型配上好工具能大幅超过去年最聪明的模型。

奥尔特曼说的“智能便宜到不值得计价”可能不会以他暗示的方式发生，但“智能便宜十倍”这个承诺，Theo认为已经远远超额完成。区别在于，我们现在可以用AI做更大更难的事，这比单纯省钱更令人兴奋。

价格还会继续下降。即使现在看起来不像，也别被账单吓到——你花的每一分钱，都在买去年买不到的能力。

智能指数（Intelligence Index）是Artificial Analysis等评测机构用来量化模型综合能力的分数，通常综合了推理、数学、编程、知识问答等多类基准测试。它把不同模型的不同能力折算为一个可比较的分数，便于观察“在某个智能水平上，完成任务要花多少钱”。文章用10分、20分、30分、40到50分等区间来追踪成本变化，正是以智能指数为横轴、成本为纵轴。需要留意的是，任何单一指数都无法完全代表模型在真实业务中的表现，尤其是工具调用、长任务稳定性等智能体能力可能未被充分覆盖，因此指数分数应与实际任务测试结合使用。