一个代币的价格正在改变什么

开篇

订阅者朋友，您听说过开放模型吗？它也被称为本地模型、本地部署模型等等，简单来说，就是可以不联网、直接安装在自己电脑（或服务器）上使用的人工智能模型。

上周谷歌发布了Gemma 4。Apache 2.0许可、31B参数、在智能体工具使用基准测试（τ2-bench）中得分86.4%。考虑到仅仅一代之前的Gemma 3在同一测试中只有6.6%，这不是渐进式的改进，而是巨大的飞跃。

差不多同一时期，AI智能体框架Deep Agents团队公布了自己的评测结果。GLM-5、MiniMax M2.7这类开放模型，在文件操作、工具调用、指令执行等核心智能体任务上，展现出了与Claude Opus 4.6、GPT-5.4等闭源前沿模型相近的准确率。

不过我关注的并不是基准测试分数（我已经说过很多次，我是基准测试怀疑论者）。我关注的是价格表。如果做同样的事，成本却相差10到20倍，这就不是技术新闻，而是产业结构正在变化的信号。

🔢 数字告诉我们的：成本差距的真相

把Deep Agents团队的评测数据和价格放在一起看，画面就不一样了。

先看智能体任务的准确率（Correctness）。Claude Opus 4.6以0.68排名第一，GLM-5以0.64紧随其后，甚至高于GPT-5.4（0.61）。MiniMax M2.7也有0.57，与Gemini 3.1 Pro（0.65）的差距并不大。

现在把价格加上去。按输出代币计算，Opus 4.6每百万代币25美元。GLM-5为3.15美元，MiniMax M2.7为1.2美元。做同样的事，成本相差8到20倍。

如果换算成实际业务规模，差异会更加明显。假设运营一个每天输出一千万代币的智能体系统，Opus 4.6每天需要250美元，MiniMax M2.7只需要12美元。按年计算，差额约为8,700万韩元。这样的差距已经不是“节省成本”的问题，而是“能不能做”的问题。

🧩 Gemma 4展示的新方程式

谷歌于4月2日发布的Gemma 4，又给这个成本方程式增加了一个变量——那就是“在哪里运行”。

看Gemma 4的产品线，意图很明确。E2B（2B）、E4B（4B）面向智能手机和浏览器。26B MoE¹​在推理时只激活3.8B参数，却在LMArena文本得分上达到了1,441。31B Dense的体量能装进一张消费级GPU，同时在开放模型世界排名第三。

尤其引人注目的是与智能体相关的性能。在τ2-bench（智能体工具使用基准测试）中，Gemma 3 27B得分为6.6%，而Gemma 4 31B达到了86.4%。仅一代之间就提升了13倍。原生函数调用²​、结构化JSON输出、多步骤计划制定等功能都已内置，无需额外框架即可搭建智能体工作流。

而且，这些模型采用Apache 2.0许可，商业使用没有限制，也没有月活跃用户上限。如果把Gemma 4 31B部署在自家服务器上运行内部智能体呢？成本就不再是API调用费，而只剩下GPU电费。

根据Artificial Analysis的数据，以Lightning AI为基准，Gemma 4 31B的API调用成本为每百万代币0.20美元。与Opus 4.6的25美元相比，相差125倍。当然存在性能差距，但在智能体反复的工具调用这类“够用就行”的任务上，这个价格差距是决定性的。

🤖 智能体时代的真正问题：消耗大量代币

这里再往深处走一步。开放模型便宜是好事，但为什么这一点现在变得重要了？

答案在于智能体工作流的代币消耗结构。

**普通聊天机器人是一个用户问题对应一次LLM调用。但智能体不同。为了处理一个用户请求，需要经历计划制定→工具选择→执行→验证→自我修正，反复调用LLM 10到20次。**根据Gartner在2026年3月的分析，智能体模型消耗的代币是普通聊天机器人的5到30倍。

**将一项软件工程任务交给智能体处理，包括重试和自我修正循环在内，会消耗100万到350万代币。**如果用前沿模型来运行，一个任务就要花费5到8美元。在每天处理数千件任务的生产环境中，每月费用可能高达数亿韩元。

根据FinOps Foundation在2026年的报告，企业的平均AI预算从2024年的年度120万美元跃升至2026年的700万美元。然而单位代币价格却在持续下降——2024年至2026年间，代币价格中位数以年200倍的速度下跌。

这就是悖论所在。**代币单价在下降，但总成本却在上升。原因在于智能体消耗的代币量的增速已经超过了价格下降的速度。**在这种情况下，开放模型的价格优势不再只是简单的节省，而成为了智能体能否投入生产环境的分水岭。

🏗️ 价值正在流向何处

退一步看这股趋势，会看到更大的图景。开放模型开始在智能体任务中站稳脚跟，意味着AI产业的价值重心正在转移——从“谁能做出更聪明的模型”，转向“谁能把模型编排得更好”。

Deep Agents的方法很好地展示了这一点。这个框架的设计使得模型可以一行代码就替换掉。它还支持一种多模型模式：用前沿模型来制定计划，用开放模型来执行。它会根据模型上下文窗口的大小自动调整压缩策略，并将模型的名称和能力注入系统提示，让智能体知道自己能做什么。

这里的核心是“驾具”（harness）。价值的重心正在从模型本身，转移到包裹模型、使其真正可用于实际业务的编排层³​。那这个驾具是不是什么了不起的资产呢？倒也不是。驾具说到底也不过是把JSON和Markdown拼接起来，再加装权限和特定知识的一种“魔改工具”……大概是这样的形态。驾具最终不过是skill.md的高级化版本。这与智能手机产业中，iOS和安卓生态系统比半导体本身创造出更大价值的结构颇为相似。今后类似的东西还会不断出现。

Deloitte在2026年1月的报告中，用“代币经济学（Tokenomics）”这一框架总结了这一点。企业AI成本不再以订阅费或虚拟机来衡量，一种以代币这种浮动单位来运转的新经济体制正在开启。在这个体制下，竞争力不再来自“能用得起昂贵模型的资本”，而来自“每个代币能榨取出更多价值的架构”。

Oswarld视角

如果您是iPhone用户，请点击[iOS]；如果是安卓用户，请点击[AOS]，安装谷歌推出的Google AI Edge Gallery，然后下载上面提到的Gemma 4模型试用一下。体积大约3.2GB，实际体验的性能感觉相当于GPT-4o左右。当然支持韩语，还支持图像/语音识别的多模态功能。这意味着什么呢？

到目前为止，AI市场的格局非常明确：OpenAI、Anthropic、谷歌负责制造模型，企业购买API来使用。这和SaaS市场的早期阶段很像——拥有平台的一方掌握定价权，客户则被锁定其中。从GTM战略的角度来看，我觉得这种变化最有意思。而现在，开放模型已经越过了某个门槛，甚至连优化都做到位了。

当开放模型超越“够用”的水平，达到“可以投入生产”的水平时，这个格局就会动摇。企业将拥有把核心工作流迁移到自有基础设施的选项。Gemma 4 E2B能在智能手机上运行，31B能装进一张消费级GPU——这意味着AI推理的去中心化在技术上已经成为可能。

从数据的角度，我还想指出一点，在看这类基准测试时需要注意的地方。Deep Agents的评测基于138个测试用例。Gemma 4的τ2-bench分数是在特定场景（Retail）下取得的结果。这些数字并不能反映实际生产环境的全部复杂性。准确的解读不是“开放模型等同于前沿模型”，而是“在特定任务上具备足够的竞争力”。

但方向是明确的。代币单价的下降、智能体代币消耗量的增加、开放模型性能的提升——这三条轴线交汇之处，能够“拥有”AI的组织范围正在根本性地扩大。

结语

• 开放模型（GLM-5、MiniMax M2.7、Gemma 4）已经达到了在智能体核心任务上可与闭源前沿模型竞争的水平，成本却便宜8倍到125倍。
• 智能体工作流消耗的代币是聊天机器人的5到30倍。在这种环境下，代币单价的差异决定的不是“节省”，而是“能否执行”。
• AI产业的价值重心正在从“制造模型的人”转向“善于编排模型的人”。模型正在成为可替换的零件，编排能力正在成为竞争力。

下次审视AI工具成本的时候，不妨不以模型的名字为标准，而以每个代币能榨取出的价值为标准来比较，风景会变得不一样。

感谢您今天也阅读到这里。这份通讯是订阅者专属通讯。

如果您能推荐给身边的人、帮我增加订阅者，这将是我持续写作的强大动力！

参考资料与延伸阅读

• Langchain，“Open Models have crossed a threshold”，2026.4.2. ：今天这期通讯的核心数据来源，包含开放模型与前沿模型的智能体基准测试对比结果。
• Google DeepMind，“Gemma 4: Byte for byte, the most capable open models”，2026.4.2. ：Gemma 4官方发布博客，包含基准数据和架构说明。
• Google AI for Developers，“Gemma 4 model overview”，2026.4.2. ：整理了各模型规模的内存需求、量化选项和部署指南。
• Oplexa，“AI Inference Cost Crisis 2026: Why Your AI Bill Is Exploding”，2026. ：探讨推理成本占企业AI预算85%的背景，以及智能体代币消耗的结构。
• Deloitte Insights，“AI tokens: How to navigate AI’s new spend dynamics”，2026.1. ：分析企业在以代币为基础的经济体制中应如何管理AI成本的报告。
• Zylos Research，“AI Agent Cost Optimization: Token Economics and FinOps in Production”，2026.2. ：从实务角度整理智能体工作流的代币消耗结构和模型路由策略。
• Hugging Face，“Welcome Gemma 4: Frontier multimodal intelligence on device”，2026.4. ：关于Gemma 4架构以及与开源生态系统整合的技术分析。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. MoE（Mixture of Experts，专家混合模型）：在AI模型内部设置多个“专家”网络，根据输入只激活其中一部分的结构。虽然是26B参数的模型，但实际推理时只使用3.8B，因此能像小模型一样运行迅速，同时保持大模型的性能。类似于自助餐摆满了全部菜品，但客人实际吃的只是其中一部分。 ↩

2. 原生函数调用（Native Function Calling）：AI模型能够直接调用外部工具（API、数据库、搜索引擎等）的内置功能。以前需要借助额外的框架，而现在这一功能被内置到模型本身，使得构建智能体变得简单得多。 ↩

3. 编排层（Orchestration Layer）：连接和协调多个AI模型、工具、数据源的中间软件层。就像交响乐团的指挥协调各件乐器一样，它管理着把哪个任务交给哪个模型、以及如何整合结果。像Deep Agents这样的框架就承担着这一角色。 ↩