在AI模型價格戰進入白熱化之際，OpenAI與Anthropic正聯手改寫行業衡量模型價格的底層標尺——從“每token成本”轉向“每任務成本（cost-per-task）”，試圖在企業客戶面前為自身高溢價模型重建價值座標系。過去數週，兩家美國AI龍頭相繼發聲，高管們不約而同地強調，token成本只是衡量AI算力消耗的“代理指標”，企業真正該關注的是完成任務的實際成本。

OpenAI首席財務官Sarah Friar在7月的部落格中寫道，低成本模型的token雖然便宜，但要得到好結果“可能需要更多嘗試、更多時間或更多人工審查”；而能力更強的模型token更貴，卻能一次完成同一任務。Anthropic金融服務主管Jonathan Pelosi在近期採訪中表達了類似觀點，他認為token成本只是衡量消耗了多少AI算力的“代理指標”，“對每家企業而言，更好的代理指標是完成任務的實際成本”。

這場定價敘事之爭的直接背景，是Meta、SpaceX等廠商正以極低的token價格擠壓市場。據企業支出管理平台Ramp的資料，近幾個月企業對OpenAI與Anthropic的採用已有所放緩，現有客戶正越來越多地轉向更便宜的開源替代方案。以DeepSeek為例，其4月釋出的旗艦開源模型輸入輸出token成本僅為Anthropic最先進產品的零頭。

過去一度鼓勵員工通過“tokenmaxxing”最大限度使用AI的企業，在遭遇“賬單衝擊”後紛紛設限。D.A. Davidson技術與研究主管Gil Luria打了個比方：“美國實驗室想傳達的是，用開源token就像用廉價衛生紙——確實能擦乾淨，但你需要更多，還有別的不愉快副作用。”他同時指出，對許多公司而言，內部成本已經高得令人望而卻步。

儘管Anthropic等廠商公佈了自己的每任務成本估算，越來越多客戶正轉向Artificial Analysis、Vals AI等第三方基準機構尋求獨立評估。Vals聯合創始人兼CEO Rayan Krishnan指出，當實驗室自報結果時，往往用的是內部基準，因此無法做真正的同類比較。按每任務成本計，Anthropic與OpenAI的模型仍是市場上最貴的，Anthropic的Claude Fable 5位居榜首；但兩家也提供更具競爭力的低價產品，如OpenAI的GPT-5.6 Luna。

真正給高溢價敘事潑冷水的是Ramp的資料：Anthropic最強、也最貴的廣泛可用模型Fable 5，僅佔Claude軟體支出的11%。Ramp據此斷言，已經“找到了企業願意為AI付費的新上限”，在此之上，更高的效能並不值這個價。這一資料直接挑戰了“更強模型=更高價值”的傳統邏輯，也為企業採購AI服務提供了新的參考維度。

從“每token成本”到“每任務成本”的轉變，不僅是技術指標的更迭，更是AI定價話語權的爭奪。對於企業客戶而言，新指標可能更貼近實際業務價值，但也可能被廠商用作抬高溢價的工具。市場觀察人士認為，這一轉變反映了AI行業從“拼算力”向“拼效果”的演進，未來定價模式或將更加多元化。