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，跨越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。 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财产拆成五层：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，并发生约 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，价值可能跨越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。 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，远跨越他们支付的金额。这个数字的绝大部分，集中在高价值应用场景。 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，在中持久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 的市值一度跨越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；持久依赖低价竞争，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别维系的场景优势，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。 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，也开始发生大量本不必要的 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，实际发生的 API 请求数量是 Claude Code 官方框架的数倍，每次请求携带跨越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跨越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。