行业分析机构SemiAnalysis最近对OpenAI和Anthropic的多档订阅方案做了实测，发现平价的月费背后其实藏着巨大的算力补贴缺口。他们购买了两家公司的各类订阅计划，持续跑长周期编程和“智能体”等重型任务，直到触达每周使用上限，然后按公开API价格折算这些使用量对应的理论费用。



测算结果显示，如果把OpenAI定价200美元的“ChatGPT Pro 20x”订阅完全用满，对应的API费用最高能达到约1.4万美元。同样定价200美元的Anthropic“Claude Max 20x”方案，在极限使用下理论Token成本也能逼近8000美元左右。这意味着，一小部分重度用户就足以吞噬掉订阅模式下本就不多的利润空间。

SemiAnalysis分析称，这也是大模型公司格外关注“利用率”的原因之一。对Anthropic来说，在Claude Pro和Claude Max 5x这样的档位上，当用户实际用量达到20%左右时，公司大致才能盈亏平衡。相比之下，OpenAI的利润空间更薄：ChatGPT Plus和ChatGPT Pro 5x订阅，一旦利用率超过约11.4%，公司就开始在这个用户身上亏损。在更高价位的顶级计划上，经济结构更加紧张。报告指出，Anthropic在高端订阅上利用率达到约10%时毛利率就接近为零，而OpenAI在约5.7%利用率时就跌入负毛利区间。换句话说，用户并不需要用到极端重度，这些订阅就可能从“赚钱产品”变成“亏损产品”。

在这种背景下，怎么调价或限制访问成了摆在厂商面前的难题。固定月费订阅是ChatGPT、Claude等产品快速普及的关键，一旦收紧配额或提高门槛，可能会削弱用户增长势头。而在当前大模型“军备竞赛”中，模型能力和可用性仍然是最重要的竞争筹码之一，这让企业更难轻易调整策略。另一方面，AI实际使用方式的变化也在推高成本。报告指出，以多步、自主调用工具的“智能体”系统为代表的新型工作流，Token消耗可以达到传统单轮对话的千倍级。这种高强度调用模式，已经迫使一些大型企业重新审视AI工具在内部的开放程度和成本控制策略。

据报道，微软、Meta、亚马逊等公司已经对之前鼓励员工大规模试用和内部推广的做法有所收缩，原因正是内部账单快速膨胀。有一个广为流传的案例：一家公司没有给员工使用Claude设任何限制，结果一个月就在Anthropic的服务上烧掉了5亿美元，直接触发了管理层紧急干预。

在成本压力和实际需求的夹击下，越来越多企业开始采用更精细化的模型路由策略。一种做法是把复杂、高价值的问题交给昂贵的“前沿模型”处理，而常规办公、基础问答等工作下放给更便宜的模型。《华尔街日报》援引研究称，通过这种任务分流，一些公司可以把整体AI成本削减高达95%。哥伦比亚大学副院长Vishal Misra指出，企业并不总是需要“懂量子引力”的顶级大模型，很多开源模型已经能胜任日常需求，这也会挤压高价封闭模型的溢价空间。

部分AI初创公司则进行了更激进的迁移。AI助理创业公司Lindy的创始人兼CEO Flo Crivello表示，公司已把100%的流量切到DeepSeek V4，彻底从Anthropic模型迁出。他们的评估显示，DeepSeek V4能力与Claude Sonnet相当，但成本只是其一小部分，这次迁移据说已经为公司省下了几百万美元。还有一些企业选择在开源模型基础上自建系统，把内部数据和自有基础设施结合，换取更可控的长期成本结构。虽然前期投入更高，但有助于减少对第三方云AI厂商的依赖，也让企业能对推理成本、数据安全和性能优化做更精细的掌控。在特定垂直场景下，经过针对性微调的内部模型甚至可能效果超越通用的前沿模型。

从中长期看，业界普遍预期部分成本会随着基础设施扩容、硬件演进和模型迭代逐步下降。SemiAnalysis预计，以当前Opus 4.8代表的中高端能力水平，将来有望通过更成熟的技术和更高效的算力，以每月约20美元的价格实现盈利性提供。但这一判断不适用于最前沿的顶级模型，它们在可预见的未来仍将保持高昂的运行成本，更可能通过API计费、分级功能解锁等方式收费，而不是简单打包进面向大众的统一订阅方案。

在此之前，AI服务提供商仍需要在两个方向之间艰难平衡：用户希望用低廉且可预期的月费获得尽可能强的AI能力，而支撑这些能力的底层算力和基础设施依然昂贵，且对使用强度高度敏感。OpenAI CEO Sam Altman也公开承认，Token成本正成为一个越来越严峻的问题，公司正在努力通过产品和架构优化，让用户在使用ChatGPT时实现“用更少支出获得更多价值”。