OpenAI和Anthropic的订阅模式正在暴露出尖锐的成本压力

测算结果显示，如果完全用满 OpenAI 价格为 200 美元的 “ChatGPT Pro 20x” 订阅，其对应的 API 计费最高可达到约 1.4 万美元。 以同样价格定价的 Anthropic “Claude Max 20x” 方案，在极限使用情况下，理论 Token 成本也可逼近 8，000 美元左右。 这意味着，一小部分重度用户就足以吞噬掉订阅模式下原本有限的利润空间。

SemiAnalysis 的分析称，这也是大型模型公司格外关注“利用率”（utilization）的原因之一。 对 Anthropic 而言，在 Claude Pro 和 Claude Max 5x 这样的档位上，当用户实际用量达到 20% 左右时，公司大致才能实现盈亏平衡。 相比之下，OpenAI 的利润空间更为薄弱：ChatGPT Plus 和 ChatGPT Pro 5x 订阅，一旦利用率超过约 11.4%，公司就开始在该用户身上亏损。

在更高价位的顶级计划上，经济结构进一步趋紧。 报告指出，Anthropic 在高端订阅上，当利用率达到约 10% 时毛利率就已接近为零，而 OpenAI 则在约 5.7% 利用率时就跌入负毛利区间。 换言之，用户并不需要达到极端重度的使用频率，这些订阅就可能从“赚钱产品”变成“亏损产品”。

在此背景下，如何调整价格或限制访问成为摆在厂商面前的难题。 固定月费订阅模式是 ChatGPT、Claude 等产品快速普及的关键因素，一旦收紧配额或提高门槛，可能会削弱用户增长势头。 而在当前大模型“军备竞赛”中，模型能力和可用性仍然是最重要的竞争筹码之一，这让企业更难轻易调整策略。

另一方面，AI 实际使用方式的变化也在推高成本压力。 报告指出，以多步、自主调用工具的“智能体”系统为代表的新型工作流，Token 消耗可达到传统单轮对话的千倍级。 这种高强度调用模式，已经迫使一些大型企业重新审视 AI 工具在内部的开放程度与成本控制策略。

据报道，微软、Meta、亚马逊等公司，已对此前鼓励员工大规模试用和内部推广的做法有所收缩，原因正是内部账单出现了快速膨胀。 有一个广为流传的案例是，一家公司在没有给员工使用 Claude 设定任何限制的情况下，仅一个月就在 Anthropic 的服务上烧掉了 5 亿美元支出，直接触发了管理层的紧急干预。

在成本压力和实际需求的夹击下，越来越多企业开始采用更精细化的模型路由策略。 一种做法是，将复杂、高价值的问题交由昂贵的“前沿模型”（frontier models）处理，而把常规办公、基础问答等工作下放给更便宜的模型。 《华尔街日报》援引研究称，通过这种任务分流方式，一些公司可以将整体 AI 成本削减高达 95%。 哥伦比亚大学副院长 Vishal Misra 指出，企业并不总是需要“懂量子引力”的顶级大模型，很多开源模型已经足以胜任日常需求，这也将挤压高价封闭模型的溢价空间。

部分 AI 初创公司则进行了更加激进的迁移。 AI 助理创业公司 Lindy 的创始人兼 CEO Flo Crivello 表示，公司已将 100% 的流量切换到 DeepSeek V4，彻底从 Anthropic 模型迁出。 在他们的评估中，DeepSeek V4 在能力上可与 Claude Sonnet 相当，但成本仅为其一小部分，这一迁移据称已经为公司节省了数百万美元开支。

还有一些企业则选择在开源模型基础上自建系统，将内部数据与自有基础设施结合，以换取更可控的长期成本结构。 虽然这种路径前期投入更高，但有助于减少对第三方云 AI 厂商的依赖，也让企业能够对推理成本、数据安全和性能优化进行更精细的掌控。 在特定垂直场景下，经过针对性微调的内部模型甚至有可能在效果上超越通用的前沿模型。

从中长期看，业界普遍预期部分成本会随着基础设施扩容、硬件演进以及模型迭代而逐步下降。 SemiAnalysis 预计，以当前 Opus 4.8 所代表的中高端能力水平，将来有望通过更成熟的技术和更高效的算力，以每月约 20 美元的价格实现盈利性提供。 但这一判断并不适用于最前沿的顶级模型，它们在可预见的未来仍将保持高昂的运行成本，并更有可能通过 API 计费、分级功能解锁等方式来进行收费，而不是简单打包进面向大众的统一订阅方案中。

在此之前，AI 服务提供商仍需要在两个方向之间艰难平衡：一方面，用户希望以低廉且可预期的月费获得尽可能强大的 AI 能力；另一方面，支撑这些能力的底层算力和基础设施仍然昂贵，对使用强度高度敏感。 OpenAI CEO Sam Altman 也公开承认，Token 成本正成为一个愈发严峻的问题，公司正在努力通过产品和架构优化，让用户在使用 ChatGPT 时实现“以更少支出获得更多价值”。