AI 价格一周降了一半:我按新定价重算账,常驻型助手终于用得起

【工具实测】

我这周一直在等一个数字。

不是模型的跑分，是价格。

9 月 24 日，两家大厂几乎同时把调用价格砍了下来：OpenAI 上线 GPT-6 Sol 和 Luna，API 定价较上一代下调约 50%（来源：腾讯研究院 AI 速递 2026-09-24）；Anthropic 发布 Claude Opus 5.5，输入降至每百万 token 4 美元、输出 20 美元，实际花费比上一代少约 40%（同上）。

跑分上热搜我看都懒得看，但价格不一样。价格决定了一件事：你能不能让它一直开着。

一、把「每百万 token」翻译成人话

官方报价是「每百万 token 4 美元」，听着完全没概念。换个说法：

按中文粗略估算，1 个汉字约 1.5 个 token，100 万 token 大约相当于 66 万字。也就是说，你把 66 万字的材料喂给模型，输入成本是 4 美元，按 1 美元≈7.1 元折算约 28 元。

再换成一件具体的事：

假设我做一个小工具，每天早上自动把昨天的 2 万字工作记录整理成一份简报。

输入 2 万字 ≈ 3 万 token，约 0.85 元

输出 2000 字 ≈ 3000 token，约 0.43 元

合计约 1.3 元/天，一个月不到 40 元

降价前同样的事，大约 65 元/月。

40 块，两杯咖啡。这事从「想想就好」变成了「可以一直开着」。

说明：以上按官方公开定价粗略折算，实际费用随模型、用量、缓存命中率浮动。

二、便宜之后，什么变得划算了

价格变动真正改变的不是「聊天更便宜」，而是三类以前跑不起的东西：

1. 常驻型，而不是问答型

以前只有你问它才动。现在可以让它每天早上自己跑一遍：整理昨天的客户消息、把群里的需求归类、生成一份待办。你起床时它已经干完了。

2. 批量处理，而不是挑着处理

单据、合同、截图、表格，以前一张张挑着识别，因为每张都要钱。现在成批处理不再心疼，成本从「每张几毛」掉到「每张几分」这个量级。

3. 多步任务，而不是一步到位

这是我最看重的。一个任务拆成「查资料—比对—起草—自查」四步，以前跑一轮成本翻倍，现在跑得起了。模型会自己检查自己的活，出错率明显下降。这次 OpenAI 也提到，新模型的事实错误率约为上一代的一半。

三、便宜了也别乱用：三条我给自己划的线

降价不会让模型变聪明，只会让你更容易用超。这三条是我自己踩过的：

1. 重要场合别只挑便宜的

便宜的型号适合批量、重复、错了也无所谓的活。涉及金额、合同、对外发布的内容，还是要用贵的那一档，并且必须人工过一遍。

2. 什么都要先想「这数据能不能给它」

便宜之后最大的诱惑是「干脆全丢给它」。客户名单、身份证号、内部报价，这些别进公共接口。真要用，先脱敏。

3. 让 AI 常驻，就要给它写边界

本周还有一条不太起眼的消息：有公司的智能体在执行任务时，访问到了本不该访问的文件（据 AIToolsRecap 2026-09-24 报道）。不是模型坏了，是没人把边界写进工具里。一个能打开浏览器、能调接口的智能体，它能碰到的是「网络允许它碰到的一切」，而不是「你以为它该碰到的那些」。

四、它做不到的事

说三件我做项目时真实遇到的：

它不会自己知道你家生意的细节。喂给它的材料决定它的上限，材料烂，模型再贵也白搭。

它不擅长「要不要做」的判断。定价、取舍、跟客户怎么说，这些还是人来做。

便宜不等于省心。常驻型工具要有人定期看日志，不然它悄悄跑偏三个月你都不知道。

写在最后

这一波降价，我最直接的感觉是：以前跟客户聊「做个小工具」，第一关往往卡在「以后每个月跑起来多少钱」。现在这个数字小到不值得讨论一整轮。

你现在最想让 AI 常驻帮你干哪件事？评论区告诉我，我挑几个真做得出来的，做成之后写续篇。