第036期——200美元买到价值12,000美元的 Opus Tokens：我们买了所有套餐（代币经济学）
摘要
Anthropic 的 200美元订阅，按 API 价格计算，能提供约 12,000美元的使用量，而且未必亏钱。 Max 引用了 API 毛利率超过 90% 的市场共识预测；如果平均订阅用户只消耗最高额度的约 10%，订阅业务仍可能实现 50–60% 的毛利率。更尖锐的结论是，API 定价可能属于“惩罚性、剥削性、投机性定价”，而不是每个订阅 token 都在被补贴。
订阅的价值不能被压缩成一个美元数字，因为不同模型和 token 类型对套餐额度的消耗方式不同。 新输入、缓存写入、缓存读取和输出的权重各不相同，因此同一个 200美元套餐，根据工作负载不同，可能对应截然不同的 API 等价价值。最稳妥的表述始终是：“某个模型上的某种工作负载”对应多少价值。
缓存是 Agent 推理经济学中的决定性杠杆。 测试中的 Agent 工作负载约 96% 是缓存读取；由于读取的是已有的 KV cache，而不是重复进行模型计算，其成本可能只有新输入的 0.1x 甚至更低。在不同部署、内存层级和暂停时段中维持高缓存命中率，需要大量系统工程——这“正是区分优秀推理服务商和无用服务商的东西”。
在嘉宾进行的同口径 200美元对比中，Anthropic 提供的可用 token 明显多于 OpenAI。 他们测得约 19亿个 Astra token，对比 31亿个 Fable 5.1 token；但 Fable 只消耗了 Anthropic 额度的 50%，剩余一半仍可用于 Opus。尽管批评者引用 Artificial Analysis 的对比：最高成本的 Opus 5.5 任务约 5美元，而 GPT-5.1-Codex 任务为 0.72美元，Andrew Megalaa 认为，在统一基准设置后，效率差距会收窄至 2–3x，而 Anthropic 提供的 API 等价价值约为 5x。
行业优势最终归属于模型所有者，而套壳服务商在结构上承受更差的经济性。 Anthropic 可以以超过 90% 的毛利率变现 API 流量，而 Perplexity、Cognition 等服务商可能只有相当于 API 成本约 20% 的空间来覆盖自身经济模型，因此只能为 Anthropic 模型提供低得多的额度。节目的投资框架很直接：在 AI 领域，拥有一个“所有人都想用”的模型是巨大优势，而做“套壳”尤其不划算。
订阅的实际毛利率取决于普通用户的消耗远低于公开上限。 Max 认为，如果泄露的财务数据要能自洽，Anthropic 的利用率“不能高于太多 10%”，这意味着订阅毛利率约为 40–70%。OpenAI 宣布将额度上限下调 50% 后，公告前购买套餐的用户尚未受到影响，因为有 1个月的宽限期；这可能把反弹推迟到额度下降真正落地之后。
开放模型可以承接大量“够用”的工作，但这并不意味着前沿模型的经济性失效。 企业完全可以把更简单、对利润率敏感的任务交给 GLM-5.3；当前沿模型在网络安全任务上的拒答阻断工作流时，Jordan Nanos 就这样做了，随后又复用同一上下文，用约十分之一的 token 完成一个简单的 10行 PR。前沿模型论点尚未解决的问题是：经济体能否以快于日常工作迁移到更便宜模型的速度，盈利性地吸收相当于“1亿名超级聪明的博士”的智力供给。
精读
1. 12,000美元的标题数字反映的是 API 定价，并不证明订阅亏损 11,800美元
Max 的框架是：花 200美元获得按 API 价格计算价值 12,000美元的 Claude token，毫无疑问是“一笔划算的交易”，但这并不能证明订阅业务的毛利率为负。Anthropic 的 API 毛利率估计超过 90%，而大多数订阅用户会闲置绝大部分额度。
在约 10% 的利用率下，Max 的 tokenomics 模型认为 Anthropic 的订阅毛利率约为 50–60%，而 API 销售的毛利率超过 90%。他的另一种挑衅性解释是，API token 本身带有“惩罚性、剥削性、投机性定价”；Jordan 的回应更简单：愿意购买的用户就在支付市场价格。
团队否定了将一个统一 API 等价价值赋予套餐的病毒式分析。每个套餐本质上都是一篮子内部额度，而每种模型与 token 的组合消耗额度的方式都不同：“Anthropic 的 200美元套餐”只有在指定模型和指定工作负载下，才对应一个具体价值。
2. 4种 token 类型让一个订阅变成多种不同产品
Andrew 的分类从新输入开始，成本约为 1x；随后是约 1.25x 的缓存写入，以及约 0.1x 或更低的缓存读取。输出，也就是模型的解码工作，通常最贵：示例中，每百万输出 token 的价格为 50美元，而每百万输入 token 为 10美元。
缓存读取调取的是已有 KV cache，而不是重新处理整段对话。由于自回归聊天会不断携带此前的历史上下文，缓存上下文可能占据总量的大头；当工作负载大部分处于缓存状态时，缓存读取价格几乎可以决定总成本。
这个物理类比很关键：读取缓存主要是搬运内存，而生成输出则是在加速器上进行连续解码。因此，工作负载构成才是比较中的承重变量，而不只是 token 总数。
3. 额度测试通过实验拆出了每一种 token 的价格
Andrew 的团队买下每一种套餐，并模仿主流编程 CLI 发出的调用。进行输入和缓存测试时，他们在《战争与和平》一段 token 密集型文本前放入一个小标签，然后要求模型给出约 4个 token 的简单答案，避免输出干扰结果。
随机化标签并省略缓存头，可以隔离新输入；设置缓存头则形成缓存写入；重复完全相同的缓存请求，则可以单独测出缓存读取。对于输出，他们要求模型生成一篇很长的技术文章，最多 16,000个生成 token，再测量每周额度消失了多少。
重复测试形成了多条曲线，由此可以反推出内部权重。他们观察到的 Agent 工作负载约 96% 是缓存读取；作为示例的聊天构成则按四舍五入口径表述为：约 75% 的缓存输入、10% 的未缓存输入和 13% 的输出 token。
4. 缓存命中率是藏在 token 价格里的基础设施护城河
生产环境中的服务商必须在数千、数万乃至数百万次间隔请求之间维持对话状态：把 token 写入某处，将热状态保存在 HBM 中，暂停后降级到更低层级，并让下一次请求回到正确的模型部署，同时避免处理单元过载或闲置。
TTL 策略会直接转化为用户成本。缓存可能在最高层级停留 5分钟，也可能停留 1小时；一旦旧对话过期，通过完整输入或缓存写入恢复上下文，成本可能达到读取在线缓存的 10x 甚至更高。
Max 表示，Anthropic 早期的比例大约是：缓存读取为 1，输入为 10，输出为 50。这意味着 Anthropic 可能拿走了缓存读取约 99% 的利润。因此，竞争性降价瞄准的是毛利率最高、影响也最大的环节：Astra 的缓存读取仍收费每百万 1美元，而 Fable 为 0.25美元。
OpenRouter 的“有效价格”之所以有用，正是因为它纳入了对缓存命中构成的假设。节目的运营结论是：高命中率不是会计层面的细节，而是困难的路由和内存工程问题。
5. Anthropic 在实测套餐中胜出，但模型质量仍有争议
在 200美元档位上，测试得到约 19亿个 Astra token，对比 31亿个 Fable 5.1 token。Fable 的 API 定价在这组比较中也便宜约 40%，原因是其缓存读取价格低 75%。不过 Fable 只用了 Anthropic 额度的一半，剩余 50% 还能兑换数十亿个 Opus token，因此按标题数字绘制的美元图表反而低估了 Anthropic 的优势。
批评者援引 Artificial Analysis 的数据：最高成本的 Opus 5.5 任务约 5美元，而 GPT-5.1-Codex 任务约 0.72美元。Andrew 的反驳是，基准测试并不完美；中等设置下的 Opus 5.5 大致相当于 X high 设置下的 6.1 Soul，统一质量后的成本差距更接近 2–3x。与约 5x 的订阅价值相比，Opus 仍能提供约 2倍的价值。
分歧依然明显。Andrew 认为 Opus 5.5 高出 6.1 Soul 一个层级，而 Max 和 Jordan 强调，模型偏好取决于任务，也带有个人因素。Andrew 的 SemiAnalysis 代码库还会自动拒绝 Pull Request，除非指定模型是 Claude Opus 4.5 或 Claude Sonnet 4.5。
6. 模型所有权、利用率和任务质量决定可持续的经济性
在节目提及的中国套餐中，Moonshot 的表现最弱，API 等价价值约为 7x；一些同业约为 12–15x，接近 OpenAI。没有哪个套餐提供了压倒性的价值，足以让用户为了更弱的模型放弃 OpenAI 或 Anthropic；Meta 的 50美元套餐则被指出可提供约 2,500美元的 Spark 使用量，潜在对应每月 130亿个 token。
Max 认为，如果泄露的财务数据要能自洽，Anthropic 的利用率不可能明显高于 10%，这意味着订阅毛利率约为 40–70%。拥有多个账户的重度用户主导了线上讨论，但如果企业席位只消耗其表面 API 价值的一小部分，买方和供应商仍然都能获得满意结果。
OpenAI 在 DevDay 前夕约晚上 9点宣布将套餐额度上限削减 50%；公告被一系列积极发布包围，并以 1个月宽限期缓和冲击。嘉宾预计，等到继承原有条款的用户真正感受到更低上限后，市场反应可能发生变化；他们也强调，所有估算都只是某一时点的结果，新模型或新定价都可能让数字迅速改变。
token 效率本身就难以基准测试。Andrew 表示，Astra 可能更快完成眼前任务，而 Opus 或 Fable 可能会立即完成后续润色，最终形成更干净的长期代码库；排行榜无法清晰区分模型质量与操作者水平，也无法量化“你做的任何事情中究竟有多少是模型完成的”。
开放模型与前沿模型之争，最终取决于任务需求。更简单的工作可以理性地迁移到更便宜的开放模型，而前沿模型的经济性要求新的高智力机会增长得更快；Andrew 的思想实验是，经济体能否以足够高的回报吸收“1亿名超级聪明的博士”。
Jordan 的网络安全经历展示了两面性：模型拒答把他推向 GLM-5.3，而 GLM-5.3 利用已有上下文，以远少得多的 token 完成了一个普通的仪表盘 PR。Jordan 与知名黑客的交流表明，解除限制后的 5.6 Soul、Astra 6 Cyber 或 Mythos 5.1 可能强得多；Andrew 则另行表示，前沿实验室的研究人员可能确实担心网络安全能力。整个交流也提出了“监管抢夺”这一解释，但并未使其更清晰。