时代最后的入场券

过去几个月，我同时订阅了 Claude Max 20x、ChatGPT Pro 20x、GLM Coding Max 和 Kimi Allegro，也在按量调用 DeepSeek 官方 API 和火山方舟。不是为了集邮，也不是想比较哪家模型更会聊天，而是因为我的工作方式已经变了：代码、研究、写作和系统设计，都在由多组 AI 并行参与。

用得越多，我越觉得眼前的价格不正常。最近七天，四个订阅的月费按天分摊不过 906 元，我消耗的智能按公开 API 价格重算却达到 28,493 元，相差近 32 倍。按照这个速度月化，API 等价成本超过 12 万元，而四个订阅加起来仍然只有 3,882 元。我越来越深刻地感觉到，这样的价格是 AI 时代留给个人的一张限时入场券。

一、AI一旦成为劳动力，就一定会装上电表

传统软件适合按月订阅，因为同一个软件多一个用户，边际成本通常很低。模型不是这样。每一次推理都要占用 GPU，每一段上下文都要进入计算，每一个 Agent 多思考一轮、多调用一次工具、多派出一个子任务，都对应真实的算力消耗。如果 AI 只是一个偶尔打开的聊天工具，固定月费还说得过去；一旦 AI 转化为生产力和劳动力，真正合理的商业逻辑就不再是“买了随便用”，而是像水、电、煤一样，按实际消耗计费。

今天的订阅制，本质上更像健身房会员：大量低频用户用不完额度，补贴少数重度用户；模型公司再用资本补贴所有人，换取使用习惯、开发者生态和市场份额。这个结构成立的前提，是重度用户始终只是少数。但 Agent 正在改变这一点。智谱的官方说明里，一次 prompt 预计就会触发 15—20 次模型调用。未来一个人同时管理十几个 Agent，不是极客玩法，而是正常工作方式。那时每个人都是重度用户，健身房的账就算不下去了。

二、我把最近七天的“电费”算了一遍

我把截至 2026 年 8 月 25 日下午、向前回溯 7 天的本机调用记录全部拉出来，按“会话 ID＋响应 ID”去重；同一条流式回复只保留最终 usage，剔除“思考、正文、工具调用”重复携带的 token 数，再按照各家当前公开的输入、输出和缓存价格重算。联网搜索、图片、沙箱和其他工具费用都没有计入，所以这仍然是一个偏保守的结果：

注：金额单位均为人民币元；美元按 2026 年 8 月 25 日人民币汇率中间价 1 美元＝6.7852 元折算，金额四舍五入取整。

这 2.8 万多元的 API 等价成本，对应的不是几次聊天。再把两路按量调用的 DeepSeek 加进实际工作量，最近7天，我让这些模型总共处理了 7,122,115,831 token，约 71.22 亿 token：

这里的71 亿 token 是模型实际处理量，是多 Agent、长上下文和高频工具调用在一周里真实吞吐的智能工作量。如果这一周的强度维持 30 天，四项订阅对应的 API 等价成本约为 12.2 万元。

这组数字最值得注意的，不是我用了多少，而是四家公司不约而同地给出了同一个方向的价差：个人订阅支付的不是市场价格，而是市场培育期的体验价格。智谱甚至在官方文档里直接写明，Coding Plan 每月可用额度按 API 定价折算，相当于月订阅费的 15—30 倍。Kimi 也在帮助中心明确提醒，高用量用户升级订阅，通常比购买等量 Extra Usage 更划算。模型公司自己比任何人都清楚，这是一笔什么性质的账。

虽然 API 标价不是模型公司的实际成本，七天 2.8 万元的 API 等价用量，也不等于模型公司在我身上现金亏损了 2.8 万元。API 价格包含毛利、研发回收、渠道和服务溢价，订阅还依赖轻度用户对重度用户的交叉补贴。但是近 32 倍的公开价差，说明模型公司正在把重度用户本来可能按量支付的收入留在桌上，换取个人用户的使用习惯。

三、这笔市场教育费，不可能永远烧下去

大模型公司的收入增长很快，烧钱速度更快。根据《金融时报》披露，OpenAI 2025 年收入约 130.7 亿美元，总成本和费用约 340 亿美元，经营亏损约 209.2 亿美元。智谱 2025 年年报更直观：收入 7.24 亿元，研发费用 31.80 亿元，经营亏损 37.87 亿元，税前亏损 47.18 亿元。

这些数字不能证明每一个个人订阅都亏损，却足以说明一个事实：我们今天享受的低价智能，是架在巨额资本、持续融资和未来商业化兑现之上的。模型公司可以为了抢入口忍受阶段性亏损，但不可能把“一个人付一份月费、背后跑一支不睡觉的数字劳动力”永久写进商业模式。

我不太相信“模型越来越便宜，个人以后只会用得更便宜”这种过于线性的判断。单位 token 的技术成本长期可能下降，但任务会变长，Agent 会变多，推理会变深，上下文会扩大，调用链会从一次对话变成几十上百次协作。蒸汽机越来越省煤，并不意味着工业社会的总煤耗越来越少；智能越便宜，人类越会发明过去根本舍不得交给机器的任务。单价下降与总账单上升，完全可以同时发生。

更何况，这个未来已经开始露出形状。

四、DeepSeek已经把“峰谷电价”搬进了AI

近期 DeepSeek 的涨价，是这个变化最清楚的一次预演。

2026 年 5 月，DeepSeek 刚把 V4-Pro 的 75% 折扣宣布为永久价格；随后它宣布引入高峰价；8 月 17 日，新一轮峰谷价格正式生效。高峰时段是北京时间工作日 9:00—12:00、14:00—18:00，其余时间按空闲价计费。

涨幅并不温柔。V4-Flash 的输出价格从每百万 token 2 元，变成空闲时段 4.5 元、高峰时段 9 元，分别上涨 125% 和 350%；V4-Pro 的缓存命中输入从每百万 token 0.025 元，变成空闲时段 0.15 元、高峰时段 0.30 元，分别上涨 500% 和 1100%，高峰新价正好是原价的 12 倍。V4-Pro 的缓存未命中输入现为每百万 token 4.5 元和 9 元，输出则是 13.5 元和 27 元。

虽然 DeepSeek 涨价后仍然是最便宜的前沿模型，但这不是重点。重点是，一项三个月前还被称为“永久”的低价，可以在算力供需变化后迅速重定价；而它采用的，恰恰就是电力行业最熟悉的峰谷计费。DeepSeek 不是背叛了低价，而是率先回到了生产资料应有的定价方式：稀缺时贵，空闲时便宜，用多少付多少。

今天是 DeepSeek，明天会不会是 Kimi、GLM、Claude 和 ChatGPT？什么时候变？是直接取消高额订阅，还是保留基础月费、把超额全面切到按量？没有人知道。但方向并不难判断：当个人用户从“偶尔问几句话”走向“持续雇佣数字劳动力”，固定低价就一定会受到挑战。

五、真正昂贵的不是token，而是犯错的权利

很多人会说，即使以后按 API 收费，又能贵到哪里去？写一篇文章几毛钱，问一个问题几分钱，似乎无所谓。

问题在于，AI 的学习成本从来不是得到一次答案的成本，而是得到正确答案之前，允许自己失败多少次的成本。一个真正会用 AI 的人，不是学会几个 prompt 模板，而是经历过大量失败：任务拆错了，重来；上下文脏了，重来；Agent 跑偏了，换模型；三个方案并行跑，留下最好的一个；代码写完再让另一组模型审计。能力是在几百上千次试错里长出来的。

订阅制给个人最珍贵的东西，正是近乎为零的边际试错成本。一次不行就再来一次，一个 Agent 不够就开三个，晚上让它跑，早上回来验收。你不会在每一次点击发送之前先心算这轮对话值不值两美元。

一旦改成按量计费，学习成本就会出现一个危险的循环：不会用的人，单位任务消耗的 token 更多；消耗越贵，越不敢试；试得越少，越学不会；而已经熟练的人，可以用更少的 token 产出更高价值，再把收益投入更多算力。人与人之间的差距不再是线性拉开，而是复利拉开。

六、最后的入场券，是把主导权留在人手里

如果有一天，充足的 AI 劳动力只有公司和资本负担得起，会发生什么？个人未必会失去接触 AI 的机会。恰恰相反，他每天都会使用 AI——使用公司分配给他的 Agent，处理系统派给他的任务，检查模型挑出来的异常，在规定额度里点下确认。

但那不是驾驭 AI。模型由别人选择，目标由别人设定，额度由别人分配，工作流由别人固化。人只负责补上机器暂时做不了的最后一步，并承担机器无法承担的最终责任。那时，人不是被 AI 直接取代，而是变成了别人所拥有的 AI 系统里的一个 human-in-the-loop：一双手、一个审批节点和一个背锅的人。

所以我把今天的个人订阅看作 AI 时代最后的入场券。买齐四个套餐当然没有意义，真正有意义的是在边际成本还接近于零的时候，尽可能多地做真实工作，跑长任务，开并行 Agent，经历失败，学会验证，也学会缓存、路由和计算每一份智能的成本。现在支付的是订阅费，得到的却是一个人训练自己成为“AI 管理者”的机会。

最后的入场券从来不是某一个账号，而是在电表全面装上之前，你有没有把自己训练成那个向 AI 发号施令的人。