文 | 字母 AI
" 我会建议所有 LLM 公司，在搞清楚‘ coding plan 怎么定价不亏钱’之前，不要盲目打价格战。" 近日，小米集团 MiMo 负责人罗福莉在 X 平台发文，谈及针对眼下的 Token 定价问题发表看法。
让罗福莉下场发声的由头很简单：Anthropic 在近期调整了产品策略，不再允许用 Claude 订阅运行 OpenClaw。
本月 4 日起，Claude 的 Pro 和 Max 订阅不再覆盖 OpenClaw 等第三方框架，用户如果还要继续使用这些智能体，只能改为通过 API 按量付费或购买额外使用额度。
Claude 官方解释称：这类调用对系统造成了 " 远超预期的压力 "。
而几乎在同一时间，MiMo 也推出了自家的 Token Plan。
"Claude Code 的订阅机制在计算资源分配上设计得非常漂亮。但我认为它并不赚钱甚至可能亏损，除非 API 利润率高出 10 到 20 倍。" 在文中，罗福莉这样分析道。
除了呼吁不打价格战，罗福莉的另一个核心观点是：长期来看，Agent 时代的模型正在迎接一个 " 被迫进化 " 的过程，优化上下文管理、复用已有计算结果、减少无效 token 消耗是接下来的迭代方向。
在她看来，Anthropic 的这一步，正在推动整个生态向这个方向：让高效的 Agent 和高效的模型协同进化。
不过，面对 Anthropic 这一策略调整，也有人选择了不买账。
OpenClaw 作者 Peter Steinberger 在 X 上直接开喷，他表示，曾尝试与 Anthropic 沟通，但最终只争取到一周的缓冲时间。
当原本被认为 " 高昂价格 " 的 200 美元的订阅，突然间能跑出几千美元的算力消耗，无疑是对厂商定价策略的一次考验。
另一方面，这并非是一句简单的 "Token 调用变多了 " 就能解释的现象。Agent 正在重塑 Token 的调用逻辑，而背后这笔账，算起来还真有点复杂。
600 倍浮动下，模型该怎么定价
如果要用一个词来解释这场争议的核心，那就是——波动，不可预测的波动。
南洋理工大学等团队在近期发布的研究《Beyond Max Tokens》显示，在多轮工具调用的智能体场景中，同一个任务的计算消耗，可能出现最高 658 倍的差异。
一条看起来类似的任务，有的几千个计算单元就结束，有的则被拉到数万甚至更高。这意味着，模型的成本不只是变得更高，而是不可预测。
" 我仔细观察过 OpenClaw 的上下文管理——做得不怎么样。"
" 真实成本很可能是订阅价格的几十倍。这不是差距——这是一个‘深坑’。"
罗福莉所说 " 深坑 "，问题出在 OpenClaw 这类智能体的运行方式：一个任务往往需要多轮尝试和回退，很多计算并不会直接产生结果，但依然消耗资源。
但这个消耗资源的具体量级很难测算，这也是 Claude 选择封禁掉订阅接入 Agent 的渠道，而不是选择新设立一个 " 合理 " 定价的订阅套餐。
总而言之，随着 Agent 生态加速演变，Token 用量的 " 合理 " 范围，压根无法准确预估。
" 我们一直在努力满足不断增长的 Claude 需求，但我们的订阅服务并非为这些第三方工具的使用模式而设计的。" 谈及这一次业务调整，Claude Code 负责人 Boris Cherny 此前在 X 上这样写道。
他表示："Token 是一种我们谨慎管理的资源，我们将优先考虑使用我们产品和 API 的客户。"
对于这一调整带来的影响，有业内分析称之为 " 自助餐已经结束了 "。OpenClaw 开启了 Agent 的大航海时代，但也推翻了此前的模型定价门槛。一个 OpenClaw 代理运行一天，就可能消耗 1000 到 5000 美元的 API 成本。
"Anthropic 正在承担每个通过第三方接口用户所产生的这部分差价，" 增长营销专家 Aakash Gupta 在 X 上写道。" 这就是一家公司眼睁睁看着利润实时蒸发的速度。"
成本完全失控，这是 Anthropic 不得不立刻做出反应的原因。
在 Chatbot 形态里，订阅制之所以能延续，是因为可以根据历史数据，统计出一个代表大部分用户的用量均值：轻度用户覆盖重度用户，整体成本可以被摊平。
但在 Agent 场景中，这种结构被打破。重度使用不再是个例，而是由产品形态本身决定的结果。只要模型开始 " 执行任务 "，就必然会出现长链路调用、上下文膨胀和重复尝试。
类似的变化，其实已经在其他产品中出现。此前当 Cursor 在调整定价时，就从 " 按请求次数计费 " 转向 " 按实际 Token 成本折算的额度 "，原因同样是长链路任务带来的成本差异，已经无法用固定配额衡量。
不过，用 Token 作为唯一定价、实算实销的方式虽然看起来很科学，但是也带来了新的问题，Agent 链路下 Token 用量不确定性依然存在，如果完全用实际 Token 用量核算，相当于把这种不确定性转嫁给了用户。
因此，当 Anthropic 发表声明后，用户不买账的声音也此起彼伏。
X 上有许多用户表示，切换到 API 计费跑 OpenClaw 成本会严重攀升，使得他们不得不考虑其他途径。
而已经被 OpenAI" 收编 " 的 OpenClaw 创始人 Steinberger，在 X 上 " 开喷 " 也带了一丝叫板的意味。
有外媒分析，OpenAI 似乎正在将自己定位为一个更 " 易于上手 " 的替代方案，并可能利用这一契机，从不满的 Claude 高级用户那里获取客户。
知名媒体 Axios 此前在报道中披露，曾有一位行业资深人士表示，"Anthropic 强调训练和运行模型的效率，而 OpenAI 的心态是，CEO 奥特曼总能筹集到更多资金来支持计算规模的扩展。"
这场争论的结局尚未可知，但毫无疑问的是，在 2026 年的 AI 领域，第三方自动化获得补贴、无限计算能力的时代已经结束。
不管采用哪种计费逻辑，更谨慎、更细化的 Token 收费模式已在路上。
配额不是唯一出路，但已是眼下最优解
进一步讨论定价问题前，有必要先解释下目前模型产品的主流计费模式。
目前主流模型厂商大致形成 " 三层计费结构 "。第一层是订阅制，面向个人用户，如 ChatGPT Plus、Claude Pro、Gemini Advanced，按月收费，提供更强模型与更高调用上限，但通常伴随速率与用量限制。
第二层是 API 按量计费，以 OpenAI、Anthropic、Google 以及国内火山引擎、阿里云、智谱等公司，按 token 或等价计算量收费，是开发者与企业的核心结算方式。
在此之上，各家又推出 Coding Plan/Token Plan 等套餐，作为订阅与按量之间的过渡形态：用户按月付费获得一定额度与优先权，但超额仍需按量付费，并伴随公平使用与限流机制。
在 Agent 场景中，这一分层尤为关键，自动化调用大都只支持 API 按量计费，订阅与套餐难以覆盖高强度、多轮调用的算力消耗。而大部分 " 订阅模式 " 只针对一般用户的 Chatbot 和内嵌 Agent 功能。
随着 Anthropic 针对 Openclaw 切换计费方式，其他厂商也相继做出反应，是更直接的——涨价。
过去几周时间里，一轮集中调价出现在国内 AI 云厂商中。
腾讯云此前宣布，自上月 13 日起结束部分模型的免费公测，并转为正式收费，同时对混元系列模型进行大幅调价，部分价格涨幅超过 400%。
随后，阿里和百度方面也发布公告，本月月中开始上调 AI 算力和存储价格，整体涨幅在 5% — 30% 区间。
而在几天前智谱的财报电话会议上，CEO 张鹏披露，2026 年一季度接口调用价格提升了 83%，但调用量仍然增长 400%。
接连几家 AI 云厂商涨价，说明了一件事：模型需求的增长来得太快，甚至厂商的基建层都倍感压力。
这一点在罗福莉的发文中也有体现：" 更宏观地看：全球的算力供给，跟不上 agent 带来的 token 需求增长。" 真正的出路，不是更便宜的 token，而是模型和 Agent 的‘协同进化’。"
只是，在更高效的模型 +Agent 架构面世之前，涨价或者限制订阅，并不能解决这套计费逻辑中的核心矛盾。
从用户视角看，购买的是 " 任务完成 "；但从模型厂商的视角，计量的是 " 计算过程 "。
这两者之间，目前存在着明显的错位。走订阅，厂商要承担 Token 调用不稳定的风险；走 API，这个风险又来到了用户身上。
这也是为什么 " 订阅 + 配额 +API" 的组合，同时出现在了各大厂商的落地方案中。
在 Harness/Coding 场景下，各类 plan 本质上是一种用户与模型厂商之间的相互妥协：厂商通过 Coding/Token Plan 套餐锁定一部分额度，换取用户侧的价格确定性，同时用限流和规则控制风险。
但在 OpenClaw 这类更不受控的 agent 场景中，调用强度和路径都难以约束，这种 " 妥协 " 很难成立，厂商们更多选择 API 按量计费。
订阅负责轻量使用，配额限制极端消耗，超额部分按量计费。本质上，这是一种对不确定性的缓冲机制。
一类是按任务收费。比如 Anthropic 在 Claude Code 中推出的 Code Review 功能，直接按一次 PR 审查计价，单次 review 平均成本在 15 – 25 美元，并随代码规模和复杂度浮动。
二是按结果收费，已经在企业侧落地，比如智能客服、RPA 厂商按 " 问题解决 " 或 " 流程完成 " 计价；还有一种是按时间收费，比如 xAI 的语音 agent 按运行时长计费，约 0.05 美元 / 分钟）。
几天前，在火山引擎武汉站巡展活动中，当字母 AI 问及 " 面对模型调用激增、Token 消耗存在不确定性的现状，模型厂商该如何优化定价策略？" 时，火山引擎总裁谭待这样回应：
" 目前 OpenClaw 这类通用型平台适合按 Token 收费，因为其应用场景广泛，无法统一定义效果和成本。" 谭待同时表示，未来可能会孵化出垂直领域的智能体，如客服智能体，就可以按回答问题的数量收费。" 类似线下找客服的模式，按效果付费。"
"（Anthropic 的这一步）大概率是一件好事。Agent 时代不属于消耗最多算力的人，而属于最会使用算力的人。" 在那篇发文最后，罗福莉这样总结道。
显然，围绕 Token 收费的争论还将持续下去，这一争论将取决于未来模型 -Agent 在效率层面的迭代情况。
我们可以确定的是，过去一度被压到几厘钱每 Token 的单价，在这个调用量激增、链路无限延伸的 Agent 爆发周期，已经变成了每一个用户都无法忽视的成本因素。
Agent 大航海时代，Token 收费这笔账，值得每一个厂商认真盘一盘。
