Artificial Analysis 最新一组数字里，最扎眼的不是跑分，是 0.72 美元。GPT-6.1 Sol 完成一个任务的成本约 $0.72，上一代 GPT-6 Sol 是 $1.05，再往前 GPT-5.6 Sol 要 $1.99。三代产品，单任务成本跌掉近三分之二，而能力曲线并没有跟着往下掉。这个指标从来不是实验室最爱放到发布会大屏上的那种——它不够性感，方差也大，一次重试就能把均值拽歪——但它比任何榜单都更接近企业月底要付的那张账单。
一条向下的曲线，藏着三种完全不同的降价
从 1.99 到 1.05：先砍的是浪费
第一段降幅接近 47%，属于典型的工程红利。推理侧那几年能做的事太多了：KV 缓存复用、连续批处理、请求调度、把简单查询路由给便宜的小模型。这些优化不改变模型本身的能力上限，只是把同一份算力榨得更干。代价是，红利有尽头。当你把显存利用率从 40% 推到 80%，下一次翻倍就得靠别的东西了。
1.05 到 0.72：这一刀切在结构上
后一段降幅约 30%，性质不一样。它更可能来自架构层面的效率提升，以及一个常被忽略的变量——完成任务所需的 token 变少了。同一个任务，如果模型少绕两圈、少做两次自我检查、少输出一段没人看的解释，账单会自己缩水。这种降价最难复制，因为它跟模型怎么想问题有关，而不是跟机房怎么排任务有关。也正因为难，它更值钱。
还有第三种降价，不值得鼓掌
补贴、限时折扣、亏本抢客户，都能让一个数字在图表上变好看。判断方法很朴素：看它在下一代产品发布后会不会反弹，看它在高负载时段的报价有没有悄悄上浮。另外要留个心眼——"任务"这个词本身可以被重新定义。把口径从"完成一次复杂推理"换成"完成一次短问答"，成本当然会掉，但那不叫进步，那叫换尺子。
便宜这件事，在智能体时代要重新算一遍
一次任务，可能是三十次调用
传统 API 定价按 token 计，采购方也习惯按 token 比价。这套逻辑在一个智能体手里会迅速失效。一个完整的任务，可能是规划一次、检索三次、调用工具十几次、失败重试两轮、最后写一份总结。单次调用的单价只占账单的一小块，真正决定预算的是这个循环跑多少圈、每圈烧多少上下文。所以 Cost per Task 从"顺带看看"变成"主要盯住"，不是媒体口味变了，是工作负载变了。
采购方的问句换了
以前 CTO 问的是"每百万 token 多少钱"。现在更常见的问法是：处理一张客服工单多少钱，跑完一次代码审查多少钱，生成一份合规报告多少钱。粒度一变，选型逻辑也跟着变。一个单价贵 20%、但一次就能做对的模型，很可能比一个便宜 40%、需要重试三次的模型更省钱。这个算术在单价表上永远看不出来。
便宜会诱导你犯的错
成本下来之后，最危险的动作是把更重的任务丢给更便宜的档位。省下的那点钱，很容易被一次错误决策吃掉——尤其在金融、医疗、法务这类场景里，返工成本跟推理成本不在一个量级。0.72 美元是个漂亮数字，但它回答不了"这个决定值不值得信"。
定价权这块骨头，正在被慢慢啃掉
前沿实验室还剩多少溢价空间
三家同代产品的价格阶梯摆在这里：1.99、1.05、0.72。真正值得注意的不是绝对值，是斜率。当每一代的成本都往下走三成左右，而能力上限的差距在缩小，前沿定价权就会从"能力垄断"退化成"效率领先"。效率领先是可以被追上的，而且追起来很快。
开发者该记住的几个数
把这组数字当成参考线而非结论。你自己的 Cost per Task 只有自己测得出来，因为任务定义、提示词长度、工具调用次数全是你说了算。要做的事很简单：挑二十个真实任务，固定输入，跑三个模型，记录总花费和成功率，然后拿总花费除以成功次数。这个数字会告诉你很多发布会没说的事。
下一个战场不在价格
价格战打得再热闹，本质仍是同一维度的内卷。真正的分水岭是单位智能的性价比——不是每百万 token 能生成多少字，而是同样的钱能换来多少可靠的判断。0.72 美元这个数字之所以重要，不是因为它便宜，而是因为它暗示了一件更大的事：当推理变得足够廉价，瓶颈就从"用不用得起"挪到了"敢不敢把决定交出去"。
