编者按：本文转自最话FunTalk，作者林书，创业邦经授权转载。

10月6日，OpenAI公布了一批由内部前沿模型完成的数学研究。它还披露了一笔颇有意思的账：得到一项结果，平均需要相当于ChatGPT Pro思考约三小时的计算量。

第二天，Anthropic发布新一代小模型Haiku 5.5，称它适合摘要、分类、数据库查询等大量重复的工作；同样在7日，OpenAI把GPT‑6推向更多ChatGPT用户，免费用户使用的却是较轻的Luna。前沿模型继续探向科学难题，日常请求则更多交给成本较低的能力。

同一条分岔路也出现在中国大厂的产品里。阿里谈超级智能的未来，千问办公忙着回答门店员工的操作问题；腾讯投资模型和算力，也让WorkBuddy承接工作任务，还让Marvis替个人清理电脑、找文件；字节把豆包工作接进飞书，让它读取有权限的团队资料，再交回可编辑的文档。

把足够的智能装进熟悉的软件，不像冲刺能力纪录那样令人激动，却关系到这些公司怎样消化越来越重的AI投入。

这种智能不是一场摸高比赛，看谁能最先解出数学难题，而是一门够用的艺术，看厂商交付到什么程度，既能很好的满足用户所需，又能在重资产投入的压力下获得盈余，当然更好的情况是，获得有增长的盈余。

毕竟大多数人每天碰到的不是数学猜想：他们要知道海报怎么贴、合同在哪儿、电脑为什么卡、上周会议谈妥了什么。所以，超级智能也许代表着这个时代的想象力，但AI终究还需要在技术扩散的过程中，落地成为一门生意。

01

阿里巴巴CEO吴泳铭在9月云栖大会上把AGI称为起点，谈到能自我迭代的超级智能。严格说来，超级智能指在几乎所有重要领域都远超最优秀人类的智能，仍是一个未来设想；今天企业能够采购、比较价格的是前沿模型，不能把两者画上等号。

产品经理面对的现实问题是：一年里有多少次请求真正需要当下最强的模型？OpenAI这次公开数学研究的耗时，不能直接换算成每道题的美元成本，更不能拿来给超级智能标价。它至少说明，在前沿探索中，多次尝试、验证和长时间思考本来就是工作的一部分。企业用模型找一份资料，不会按研究数学问题的方式付账。

根据公开的API标价，GPT‑6 Astra标准档每百万输出Token为50美元，GPT‑6 Luna为0.5美元，表面上相差100倍。10月7日的Haiku 5.5，对不超过10万Token的提示词，每百万输入与输出Token分别定价0.1美元和0.5美元；Anthropic称新模型适合高频、对成本敏感的任务。

不同模型完成同一项工作的Token用量、质量和返工次数不相同，不能凭一行价目表断言谁更划算。但当一次普通查询被放大成每天数千万次调用，价格差距会进入预算表。

假设一万名员工每天各得到1000个Token的回答，单是输出，一天就有1000万个Token。按Astra的公开标准价是500美元，按Luna的标价是5美元。这还没算输入、文档检索、调用工具和失败后的重试，也不是企业实际购买任何办公产品的报价。

当然，实际场景中，一个万人公司的token消耗量不可能只有这些，这就导致用AI，不像办爱奇艺会员，手一松冲顶就完了，实际上即使个人，在办理AI产品会员时，都会审慎判断自己的实际需求，量入为出。

好在模型本身在降价。Anthropic称Haiku 5.5按实际任务计算比前代平均便宜约75%，同时把Sonnet 5.5缓存读取价格减半；OpenAI此前也调低Luna和Terra的价格。去年只有昂贵模型做得顺的事，今年可能交给小模型。

所以够用的智能不是某一款便宜模型，而是按任务调配能力：先把文档找准，简单问题给快模型，难题才升级，重复读过的材料尽量复用。若便宜模型导致反复重试和大量人工返工，表面上的Token折扣也会被吃掉。

9月，腾讯Marvis团队在一次交流中表示，给本地文件和视频建立索引、提高缓存命中、按难度选择模型后，每个日活跃用户的成本降到5月上线首月的约十分之一。不久前，千问办公也宣称，专用模型在办公测试里让平均Token消耗减少75%。

这两组数据都指向产品能否大规模铺开的同一道工序：让一件小事只花一件小事的钱。

降价也有另一面。模型供应商把同一种能力卖得越来越便宜，做应用的人固然少了一些成本，也少了一些仅凭模型能力收费的理由。客户今天为自动整理一份会议记录买单，明天协同软件就可能把它当作免费功能。只有找得到公司的正确资料、走得通审批、在出错时找得到负责的人，能力才可能留在采购清单上。可规模使用的智能越普及，产品外面的那一圈服务越要做得扎实。

阿里上一季度披露的资本开支为676.78亿元，腾讯为528亿元，分别同比增长75%和176%。口径不同，里面也有不属于办公智能体的长期投入。

它们仍提醒人们：算力、模型