OpenAI 大幅降价的真相：一场由客户反叛、生产力泡沫和 IPO 压力倒逼的防御战

客观解读竞争格局就会发现，OpenAI 并非从实力地位出发。这次降价是对其已失去的市场地位的被动回应，而非慷慨之举 。

企业成本危机：“一个大麻烦”

OpenAI CEO Sam Altman 在最近一次活动中公开承认，AI 使用成本已成为企业客户的“一个大麻烦” 。OpenAI 企业业务负责人 Alexander Embiricos 对 TechCrunch 表示，客户对话内容已发生根本性转变：“六个月前，我和客户对话，内容全是‘它能做什么？它够好吗？’。现在我们的对话不再是这些了。现在对话的重点是，‘嘿，我们花太多钱了。你们有什么可见性？有什么可审计性？’” 。

企业支出的规模是惊人的。Altman 透露，一个 OpenAI 的重度用户每月要消耗 1000 亿个 Token，按企业混合费率计算，约合每月 10 万至 30 万美元 。Altman 曾表示，公司希望像“电费”一样对 AI 进行计费——一种按使用量付费的模式，这在理论上听起来很吸引人，但当计价器永不停歇时，对首席财务官来说就变得很可怕了 。

编程对决：Codex 对抗 Claude Code

两家公司都将开发者工具视为抢占企业 AI 应用滩头堡的关键。2026 年 4 月，OpenAI 将其“Pro”订阅价格降至每月 100 美元，专门为了让其 Codex 编程工具对专业开发者更便宜 。Anthropic 的 Claude Code 和 Agent SDK 则被定位为直接竞品。

Anthropic 在 6 月的信用额度改革，实际上取消了对重度 SDK 用户 15 到 30 倍的补贴，此前在固定费率计划下，这些用量被压得极低。这将在 6 月 15 日账单变更后，显著提高 Claude Code 重度用户的成本 。OpenAI 降价消息的传出，恰好在 Anthropic 新模型发布数日之后、6 月 15 日计费变更之前，时机微妙，明显是试图利用客户因成本冲击而产生不满情绪的那一刻。

“Tokenmaxxing”的清算

不理解“Tokenmaxxing”（刷 Token 量）生产力叙事的平行崩坏，就无法理解这场定价危机。Tokenmaxxing，即把 AI Token 消耗量当作工程生产力的代名词，在 2025 年全年和 2026 年初，已成为整个硅谷的一种内部文化。《纽约时报》在 3 月报道，一名 OpenAI 工程师一周内处理了 2100 亿个 Token。在亚马逊，一些员工启动 AI 智能体去完成“完全无意义或不必要的任务”，仅仅是为了维持他们高企的 Token 用量统计 。

但数据已经明确无误地否决了这种做法。工程分析公司 Faros AI 分析了来自 4000 个团队、2.2 万名开发者的数据，发现虽然 AI 的应用加速了任务吞吐量（任务完成量增加 34%，史诗级任务增加 66%），但同时也导致每开发者的 Bug 数增加 54%，代码审查中位时间增加 5 倍，而在高 AI 应用环境中，代码变更率（churn）激增了惊人的 861% 。

起初，管理者们庆祝的 80%-90% 的 AI 代码接受率，最终被证明是海市蜃楼。当研究人员在数周后追踪代码修订情况时，真实世界的接受率暴跌至 10%-30%，暴露出大量隐藏的技术债务 。软件公司 Jellyfish 发现，Claude Code 使用量前 10% 的用户，其 Token 消耗量是普通开发者的 10 倍，但产出仅为后者的两倍左右 。根据 Jellyfish 的数据，在轻度 AI 辅助下，每个合并拉取请求（PR）的成本仅为 0.28 美元，而在重度使用下，这一成本飙升至 89 美元 。

即使在工程领域之外，更广泛的生产力论据也在瓦解。BCG（波士顿咨询公司）的《2026 年全球 AI 工作现状》报告调查了近 1.2 万名一线员工，发现 42% 的常规 AI 用户报告每周节省了 8 小时，相当于一整个工作日。但 66% 的人表示，关于如何利用这些节省下来的时间，他们只获得了有限甚至零指导，一半的人表示他们的工作效率并没有可量化的提升 。Uber 首席运营官 Andrew Macdonald 也承认，公司一直在努力，但难以将个体员工生产力的提升与公司整体的影响联系起来 。

ServiceNow 首席客户官 Chris Bedi 尖锐地概括了这种日益增长的怀疑：“这几乎就像是用一家餐厅购买了多少食材，而不是有多少满意的顾客离开，来衡量它的成功。这些 Token 是有账单要付的” 。

企业对话的焦点已从“快速前进”转变为“我们需要护栏” 。这种转变直接威胁到了 AI 供应商们赖以生存的核心收入模式——无限制的使用。

IPO 阴影与“日用品”化问题

据报道，OpenAI 和 Anthropic 都在为首次公开募股（IPO）做准备 。这个时间表使得价格战的经济账变得尤为危险。激进的 Token 降价，会在这个两家公司都需要向公开市场投资者展示可持续单位经济模型的时刻，直接压缩利润空间。在没有相应降低训练和推理所需巨额计算成本的情况下砍价，可能让盈利变得更为遥不可及 。

但投资者更深层的担忧在于转换成本——或者说缺乏转换成本。2026 年 3 月至 4 月，Wakefield Research 代表 AI 问责制初创公司 Lanai 对 200 名高管进行了一项调查，发现 79% 的受访者对当前 AI 供应商的锁定效应感到有些或非常担忧 。当一个 AI 模型在特定任务上的产出与另一个模型大致相当，且 API 集成相对简单时，企业客户就能以最小的阻力转向更便宜的选项。

AI 的“自助餐时代”已经结束了 。取而代之的，看起来不像一场赢家通吃的平台战争，更像一场大宗商品定价战，在这场战斗中，只有成本结构最精简的供应商才能生存。OpenAI 报道中的降价计划，其核心是承认其产品差异化程度不足，当客户开始仔细审视每一个 Token 时，无法支撑其溢价。