核心内容总结
这篇文章揭示了一个看似矛盾的AI使用现象：单个AI推理单位（Token）的成本在持续下降，但大家用高端AI模型时却越来越“抠门”，感觉用起来更贵了。背后的原因是：AI需求增长速度远超算力供给（模型公司收入涨10倍，算力仅涨3倍），平台通过涨价、限额等方式调整资源分配；同时用户对AI的依赖加深（用AI做更复杂的任务，消耗更多Token），导致总花费没降反升。最终，算力成本由多方承担，但不是平均分摊——高价值任务（如写代码、做交易）优先占用资源，普通用户则需在价格、能力和隐私间妥协，形成“高端模型省着用、低价模型随便用、本地模型保隐私”的使用习惯。
详细拆解
1. 高端AI模型用起来更“心疼”？套餐涨价+限额让你不敢随便问
很多用户用高端模型（比如Fable5）时会反复纠结：“这个问题值得用最贵的模型吗？上下文能不能精简？要不要自己改改别重跑？”但用便宜模型（如MiniMax）就很随意——想到就问，错了再问。这不是用户小气，而是套餐变贵了：
- 智谱的Coding Plan，以前一季600多，现在月费接近过去一季；
- 新套餐改成积分制，高峰时段用最强模型要三倍积分抵扣，五小时最多用400次，每周限2000次。
这些变化让用户用高端模型时不得不“算计”，生怕超额度或花太多钱，甚至有人因太抠门被封号（比如作者）。
2. 算力为啥可能变贵？需求涨得比供给快10倍
有文章指出：模型公司（如Anthropic）收入同比涨10倍，但算力一年只能涨3倍。要从3倍算力里赚10倍收入，只有三种可能：
- 模型公司利润率更高（比如Fable推理毛利可能超80%）；
- 更多算力从训练转向处理用户请求（推理）；
- 算力本身涨价。
更关键的是，云厂商不再按“成本+利润”定价：同样一度电，用来照明和用来运行能写代码、接订单的AI，用户愿意付的钱完全不同。当AI能替企业赚大钱时，算力就会按创造的价值收费，而不是成本。
3. 单个Token变便宜，总花费却没降？因为你用AI做的事变多了
虽然数据显示，AI推理价格每年降很多（比如达到同样能力的模型，推理价格中位数每年降50倍），但大家的总花费未必降。原因是：
- 以前只是问AI一道题，现在用AI做复杂任务：比如Agent要读代码、查资料、反复修改，消耗的Token是普通聊天的5-30倍；
- 就像纸便宜了，但你开始打印整栋楼的资料，总花费自然上去了。
4. 算力成本谁买单？不是人人平摊，而是“谁能赚钱谁优先”
算力贵了，成本由芯片公司、云厂商、模型公司、企业和个人一起承担，但不是平均分摊：
- 企业：把普通任务分给便宜模型，只让高端模型做高回报的事（如写代码、交易），甚至把成本转嫁给下游；
- 普通用户：要么多付钱，要么排队等高峰过，要么接受更弱的模型；
- 平台：优先保障能创造高收入的任务（如企业级代码生成），而普通人整理旧照片、陪孩子讲故事这种需求，因难证明毛利率，可能被排在后面（比如限额、高峰限流）。
5. 本地部署能逃过高价吗？自由是自由，但得先买得起好显卡
有人想自己部署AI（把模型放本地），这样隐私有保障，也不用看平台脸色。但门槛很高：
- 硬件贵：能流畅跑高端模型的显卡（如H100）价格不菲，还得考虑电力和维护；
- 模型跟不上：开源模型虽然免费，但能力远不如前沿闭源模型（比如GPT-4）。
所以本地部署只能处理一些私密或简单的任务，没法替代高端模型。最终用户只能在“高端模型省着用、低价模型随便用、本地模型保隐私”之间切换。
这篇文章本质上是在说：AI的“够用”越来越便宜，但“最好”越来越贵。平台通过套餐和规则，让用户为自己需要的能力付费，而普通人要在成本、效率和隐私之间找平衡。你每月在AI上花多少钱？用哪些模型？欢迎留言分享～