文 | 新立场 Pro
前不久，Anthropic 停止允许订阅用户通过 OpenClaw 等第三方工具接入 Claude API。理由并不复杂，一个 OpenClaw 代理运行一天，消耗的算力成本在 1000 美元到 5000 美元之间，而用户每月只付了 200 美元。
Claude Code 负责人 Boris Cherny 在 声明里说，订阅服务 「并非为这些第三方工具的使用模式而设计」。这句话没有错，但它遮住了一个更基础的问题：没有任何订阅服务能被设计成覆盖这种使用模式。Agent 场景下的 Token 消耗量没有上限，也没有历史数据可以参考，任何固定月费都是在对一个无法建模的变量做猜测。
3 月底，中国国家数据局公布了另一组数字：中国日均 Token 调用量突破 140 万亿，两年增长超千倍。同期，字节的 Token 调用量跻身全球三甲，与 OpenAI、谷歌并列。无问芯穹 CEO 夏立雪在一场行业论坛上描述这个增速时说，上一次看到类似的曲线，是 3G 时代手机流量从每月 100MB 开始普及的时候。当时没有人预料到，流量放开之后会跑出抖音、微信和外卖。
两件事放在一起，描述的是同一个现实：Token 的消耗正在以罕见的速度增长，但支撑整个行业运转的定价逻辑，依然建立在两年前聊天机器人时代的假设之上，即用户的使用量是可以被历史数据预测的，轻度用户会自然地覆盖重度用户，整体成本可以被摊平。
智能体们打破了这个假设的每一个前提，市场变化的速度，超过了任何定价模型的响应能力。纵观过去两年 Token 市场的演化，每一个优势窗口的终结，都由同一个逻辑驱动，即当竞争者能够复制优势——规模可以被追赶，算法可以被开源，场景可以被大平台的分发能力碾压。
目前唯一难以被快速复制的，是将 Token 效率内化为产品架构、定价逻辑和工程文化的能力。而在这件事上真正做到体系化的，只有 Anthropic。
失去意义的平均价格
Token 之所以不同于电力、钢铁等传统生产要素，在于它具备独一无二的 「可编程性」。没有任何一种传统生产要素，能仅凭 「指令不同」 就将自身价值改变十万倍。这种可编程性，是 Token 作为新型生产要素的本质特征，也是理解当前 AI 经济混乱的前提。
理解这一点，需要先建立量级感。36 氪报道，OpenAI API 日均处理约 21.6 万亿 Token，谷歌 Gemini 日均约 43 万亿，而中国的 140 万亿约为前两者之和的两倍有余。摩根大通预测，仅中国的 AI 推理 Token 消耗，就将在五年内再增 370 倍。这个量级本身说明了，Token 已经是一个经济规模指标。
此外，Token 的大量消耗使用发生在公有云的统计口径之外。金融机构在本地服务器上跑票据识别，车端智能座舱的对话在车内闭环完成，工业机器人的视觉模型以毫秒级响应运行在边缘设备上，这些都不会出现在任何公开数据里。一位从业者估算，非公有云 API 的调用量至少是公有云的五到十倍。
规模之外，Token 的价值结构与生产成本更应该关注。黄仁勋今年 3 月在一篇署名文章里把 AI 产业拆成五层：能源、芯片、基础设施、模型、应用，并将 Token 定义为现代 AI 的基本单位，也是 AI 的语言和货币。这个定义的精妙之处在于，它同时指向了 Token 的两种属性：作为语言，它是计算过程的原子；作为货币，它是价值流通的媒介。
但生产一个 Token 的代价，远比这个定义看起来复杂。据 Sam Altman 和 Epoch AI 披露，ChatGPT 发送一条文本提示大约消耗 0.3 瓦时。谷歌搜索的耗电量 （0.03 瓦时） 仅为其一小部分。谷歌 2025 年也曾披露，Gemini 发送一条典型的文本提示大约消耗 0.24 瓦时，并产生约 0.03 克二氧化碳。
随着模型复杂度的增加，推理成本也相应上升。GPT-5 级别的系统每次查询可能消耗约 18 瓦时，而进行扩展推理时则可能消耗高达 40 瓦时。 差距来自两个地方，一是模型大小，参数越多，生成每一个 Token 所需的计算量就越大；二是推理模式，新一代模型在输出每一个可见 Token 之前，会在内部进行大量隐式推演，用户看到一个字，模型内部可能已经 「想」 了上百步。单个可见 Token 的真实成本，被这个思考过程成倍放大了。
这是 Token 与电力、石油这类生产要素的根本区别，Token 的价值并不由生产成本决定，而完全由使用场景决定。同样一百万个 Token，用于闲聊，市场价约 0.01 美元；用于代码生成，可以值 200 美元；用于法律文件审查，价值可能超过 1000 美元，价值差距达十万倍。耶鲁大学研究者将这一特征描述为 Token 的 「可合同化」 属性：数量可以精确计量，但价值取决于它被编程去做什么。
当整个行业用同一个价格逻辑去覆盖价值差距十万倍的使用场景时，系统性的定价混乱就不是偶然，而是必然。
因此，所谓平均 Token 价格，就像用平均客单价来描述一个既有路边摊又有米其林餐厅的商圈，即便数字正确，但毫无意义。Collis 和 Brynjolfsson 曾在 2025 年的估算显示，生成式 AI 在 2024 年仅为美国消费者创造的消费者剩余就高达约 970 亿美元，用户实际获得的价值，远超过他们支付的金额。这个数字的绝大部分，集中在高价值应用场景。
Token 经济的窗口期正在合拢
在 Token 经济中，竞争优势是跟随技术跃迁、产品形态转变与市场结构共同决定的时间窗口。每一个窗口的受益者，都在无意识中为下一个颠覆者铺路，而能在多个窗口连续卡位的玩家，才是真正的赢家。
2025 年初，算法是 Token 第一个窗口。DeepSeek V3 发布后，混合专家架构 （MoE） 将同等能力的推理成本压低了一个数量级：模型内部包含多个专家子模块，每次推理只激活其中一小部分，在保留完整模型能力的同时，将单次推理的实际计算量大幅压缩，将推理成本下降了一个数量级。
但算法窗口的悖论在于，打开它的那把钥匙，同时也是关上它的锁。DeepSeek 选择了开源，将核心模型权重和架构设计公开，吸引全球开发者接入生态。这个选择在短期内快速扩大了市场份额，在中长期则主动压缩了算法领先的窗口期。当架构创新被开源，整个行业的 Token 成本基准被同步重置，算法优势也就从专有壁垒变成了公共基础设施。
同年底，规模成为第二个窗口。火山引擎将互联网流量战的打法平移了过来，用大规模的机场广告宣告自己在 Token 市场的存在。谭待在 4 月 2 日的最新的业务进展分享中提到，两年之内，火山引擎的 Token 调用量增长了 1000 倍，万亿级 Token 消耗企业增至 140 家。
不过规模优势存在一定时效性，谭待在接受 《第一财经》 的采访时也谈到，在 Token 大规模调用量中，包含了大量无效算力。谭待以解数学题为例：枚举法计算量大，模型能力不足就会采用类似方式，造成无谓消耗；更优秀的模型能找到简洁解法，优化空间很大。规模数字的背面，是大量本可以避免的算力浪费。当竞争从 「消耗了多少」 转向 「每个 Token 创造了多少价值」 时，规模窗口就开始关闭。
场景，是当前 Token 竞争最激烈的地方。智谱、MiniMax、月之暗面没有字节的流量规模，也没有阿里、腾讯的云计算生态，但它们在 To B 高价值场景里找到了立足点。智谱与 MiniMax 的市值一度超过快手等传统互联网公司，充分说明场景窗口在特定阶段能创造的估值溢价有多大。
但这个窗口如今也正在收窄。在一场行业论坛上，杨植麟问智谱 CEO 张鹏：你们为什么涨价？张鹏的回答是，完成一个 Agent 任务消耗的 Token 量，是回答简单问题的十倍甚至百倍；长期依赖低价竞争，对整个行业都没有好处。
这场对话背后，一场更大规模的场景争夺战正在展开。字节通过飞书和扣子 （Coze） 平台，将大模型能力直接嵌入企业的协同工作流与海量流量节点；腾讯依托微信生态与企业微信，掌握着企业触达并服务客户的最短社交链路；阿里则将旗下 AI 业务统筹为 ATH 事业群，Token 消耗被直接打包成企业数字化底座的一部分。
这三家公司拥有在企业端已经建立多年的信任关系和系统整合能力。独立厂商依赖模型质量差异维系的场景优势，正在被这种结构性优势快速压缩。
Token 效率是当前正在形成的第四个窗口，也是最难被快速复制的一个。这一窗口的竞争，目前集中在 Coding 场景。Anthropic 封禁第三方工具后，大量习惯于低成本接入 Claude 的用户开始寻找替代方案。OpenAI 迅速将自己定位成更易上手的选择。但 Anthropic 押注的是训练和运行模型的效率，OpenAI 的心态是奥特曼总能筹集到更多资金支持算力规模。
用资本堆算力换市场份额，是一种可以奏效但难以持续的策略。截至今年 3 月底，OpenAI 的 API 每分钟处理量已突破 150 亿 Token，而 2025 年 10 月这个数字还是 60 亿。但算力供给的增速远远跟不上，GPU 租赁价格在两个月内涨了 48%，英伟达最新一代 Blackwell 芯片的每小时租用费用已升至 4.08 美元，数据中心的建设周期以年计算。OpenAI 甚至部分暂停了 Sora 视频生成工具，腾出计算资源给编码和企业级产品。
Anthropic 看到的是 Harness Engineering 这条路，通过重新设计 Agent 的调度架构，从系统层面减少无效 Token 消耗，让更少的算力做更多的事。这是在算力稀缺的现实约束下，重新定义效率本身的含义。
而在中国市场，阿里云也开始切入效率窗口，其将 Token 的定价、调用追踪与企业账单管理整合进统一的云计算基础设施。吴泳铭提到，很多企业已经不把 Token 消耗当 IT 预算，而是当作生产资料和研发成本来核算。这是一种更慢的建法，但也更难被颠覆。
在算力供给触及物理极限、需求仍在加速增长的现实下，真正稀缺的不是便宜的 Token，而是在有限算力约束下能产出最高价值密度的 Token。
封禁 OpenClaw，只是结果
在算力稀缺、定价体系失效、Agent 消耗失控的多重压力下，Anthropic 是迄今为止唯一一家不只是调整了定价策略，还从工程架构层面重新回答了 「Agent 应该怎么运行」 这个问题的公司。封禁是被动应对，Managed Agents 才是主动给出的答案。
Harness 是 Agent 框架的调度层，负责决定何时调用模型、如何管理上下文、出错时怎么处理。在 Chatbot 时代，这套逻辑相对简单。进入 Agent 时代后，Harness 开始承载更复杂的任务，也开始产生大量本不必要的 Token 消耗。
Anthropic 工程博客提供了一个具体案例，Claude Sonnet 4.5，存在一种被工程师称为 「上下文焦虑」 的行为当模型感知到上下文窗口接近上限时，会提前终止任务。Harness 为此添加了上下文重置机制，在适当时机强制清除并重载上下文，以确保任务继续。这在当时是合理的工程补丁。
问题发生在 Claude Opus 4.5 上线之后。新模型已经不再出现 「上下文焦虑」，但旧的重置机制仍在每次执行时触发，消耗着不必要的 Token，增加着不必要的延迟。这些机制从解决问题的补丁，变成了制造成本的负担。Anthropic 工程师将其称为 「死重」。
这是 Harness 框架的结构性缺陷：每一套 Harness 都是对某一时刻模型能力的快照。模型在持续进化，但快照被当作永久规则执行。模型迭代越快，这种错位就越严重。
在商业场景里，这个问题被进一步放大。OpenClaw 在处理单次用户查询时，实际产生的 API 请求数量是 Claude Code 官方框架的数倍，每次请求携带超过 10 万 Token 的上下文窗口。换算成 API 费率，单次查询的真实成本是订阅价格的几十倍。无论个人的主观使用频次高低，通过这类框架发起的请求，天然具有重度用户的成本画像。平台对重度用户的补贴，由此从概率问题变成了确定性问题。
Anthropic 的应对是 Managed Agents，核心思路是为 Agent 领域建立接口稳定，实现自由替换的抽象层。「上下文焦虑」 消失了，对应的重置机制自然退场，不会留下 「死重」。内部测试数据显示，在结构化文件生成任务中，Managed Agents 将任务成功率提升了最高 10 个百分点，提升最显著的是最难的任务。
同期出现的 Hermes Agent，从另一个方向印证了同一个判断。这个强调 「闭环学习循环」 的框架，在更新已积累的操作流程文件时，选择以 patch 方式写入，只传入需要修改的具体字段，而非重写整个文件。patch 只触碰问题所在，Token 消耗也更少。这是 Token 效率意识在框架设计层面最具体的体现之一。
Token 经济的新竞争，已经细微到 「谁能让每一个 Token 产出更高的价值」。罗福莉在自己那篇浏览量超过 73w+的帖子最后写道，真正的出路不是更便宜的 Token，而是模型和 Agent 的协同进化。
这句话说的不只是技术路线，也包括整个行业定价逻辑应该完成的转变：从按量计费，到按价值定价；从管理成本，到创造结果，这是整个行业需要完成的转变。
Anthropic 在 Harness 架构上的探索，给出了目前最清晰的一个方向。但中间这段路，还很长。
