OpenAI 與 Anthropic 必須賣效率，不是賣耗用

OpenAI 與 Anthropic 面對的市場，已經從比誰用得多，轉向比誰更省錢、更有效率。

OpenAI 和 Anthropic 正進入一個更慢、也更殘酷的 AI 市場，未來贏家不是最會消耗 token 的公司，而是最能證明自己替客戶省錢的公司。

這個轉向已經出現在真實採購行為裡。CNBC 報導，Lindy 把 100% 流量從 Anthropic 的 Claude 轉到更便宜的 DeepSeek 開源模型，預估幾個月內可省下數百萬美元。Uber 也在 AI 支出上設下分級上限，因為年度預算在四個月內就被花光。當新創和企業開始把模型用量當成雲端帳單管理，過去那套「到處多用 AI」的邏輯就失效了。

第一個論點

第一個理由很直接：token 成長不再是榮耀，而是成本失控的前兆。AI 使用已經太容易過量，客戶也終於開始看懂帳單。報導提到所謂的「tokenmaxxing」時代，開發者幾乎被鼓勵盡可能多產出模型回應，結果是帳單膨脹，卻沒有人先問這個任務是否真的需要大模型。當財務部門開始逐條檢查費用，粗暴堆疊用量就不再是策略，而是負債。

Lindy 的案例最能說明這點。創辦人 Flo Crivello 直接說，原本的成本結構「不可持續」，切換離開 Claude 後，成本曲線「直接掉到地板」。這不是小修小補，而是市場訊號：當任務不需要前沿模型時，客戶已經有足夠替代方案去懲罰高價位。CNBC 引述的這個案例，等於在告訴 OpenAI 和 Anthropic，品牌光環已經不足以保住支出。

第二個論點

第二個理由是，市場正在學會把難題和便宜活切開來處理。AISquared 的 Darren Kimura 指出，前沿模型支出高峰正在出現在那些本來就能交給便宜模型的簡單任務上；Glean 的 Arvind Jain 也說，企業 AI 用量大約有 95% 仍然落在前沿模型。這個落差正是修正會發生的地方。若大多數日常工作還被最昂貴的模型承接，節省空間就非常明顯。

模型路由會讓這種轉向變成常態。Microsoft 表示 GitHub Copilot 會把使用者導向最合適的模型，Google 也在推 Gemini 3.5 Flash，價格可比同級前沿模型便宜一半甚至三分之一。Amazon 則透過自家晶片壓低成本。真正的威脅不是 AI 需求消失，而是需求被切成層級：最難的任務留給高價模型，其他可替代的工作則往下分流。這會直接壓縮 OpenAI 和 Anthropic 能收取的平均單價。

反方可能怎麼說

最強的反對意見是，AI 還太早，企業採用才剛起步。Highspring 的 Jeff Henry 說，很多中型公司甚至還沒開始試用 AI，同時他也指出 AI 不會消失。這點沒錯。能帶來實際自動化價值的市場仍在擴張，只要公司證明 ROI，預算就會繼續進來。

另一個反方論點是規模與品質。OpenAI 和 Anthropic 仍然有驚人的營收跑速，而且它們的產品依舊是許多嚴肅工作負載的基準。如果這些公司持續提升品質、安全性與穩定性，客戶在關鍵任務上還是會付費。高階模型不會消失，premium 也不會歸零。

但這個反方只成立於最高價值的少數場景，無法替全面性浪費辯護。CNBC 的案例已經指出壓力最先落在哪裡：廣泛、日常、且缺乏量化的消耗。OpenAI 和 Anthropic 仍能贏下最難的問題，但如果它們繼續假設每個 token 都值得 frontier 定價，就會在毛利和成長上同時失血。市場已經在拒絕這個前提。

你能做什麼

如果你是工程師、PM 或創辦人，現在就該為模型選擇而不是模型忠誠度設計系統。把支出按工作流拆開，簡單任務交給更便宜的模型，只有在準確性、推理能力或安全性真的值得時，才用前沿模型。若你在管公司，讓財務更早看見 AI 預算，因為下一波價值不會來自誰用得最多，而是誰能證明自己最有效率。