按Token定价已无意义——GPT-6 Astra发布背后，API计费模式正在变天

凌晨一点，你盯着API账单发呆。上个月跑了个Agent流水线，多轮工具调用加上中间态存储，Token消耗量直接翻了三倍。然后你刷到一条新闻：OpenAI总裁Greg Brockman在GPT-6 Astra发布会上说了一句话——“按Token定价已无意义”，未来行业应该比的是“每任务成本”。

这句话乍听像营销话术，但仔细想想，它可能戳中了一个所有靠API吃饭的开发者都在焦虑的问题。

Token单价跌破了1美元，但你的账单没降

先说一个数字。数据服务商SiliconData的大语言模型Token支出指数，本周跌到了0.97美元/百万Token，首次跌破1美元关口。这个指数按实际成交量加权计算全球主流模型价格，被业内当作风向标。对比一下，5月底还是2.04美元，现在不到半年腰斩。

但这跟你感受到的成本下降之间，隔着一道鸿沟。原因很简单——你的调用量也在暴涨。

智谱MaaS平台截至8月底用户超740万，Token调用量较年初增长超40倍。OpenRouter周Token消耗量突破93.4万亿，首次越过90万亿关口。单价腰斩，用量翻几番，总账单不降反升。

更要命的是，如果你跑的是Agent场景，多轮工具调用、重试、死循环，每个环节都在烧Token。DeepSeek峰谷分时计费上线后，工作日高峰时段输出价27元/百万Token，低谷13.5元。把批量任务挪到周末确实能省一半，但实时Agent跑在白天高峰段，成本反而比8月前的统一定价涨了125%。

单价跌了，总价没跌。 这就是Brockman那句话的现实背景。

GPT-6 Astra的定价逻辑：贵的是Token，省的是步骤

回到Astra本身。标准定价是每百万输入Token10美元、输出50美元。对比一下：Meta的Muse Spark 1.3标准价才1.25/4.25美元，谷歌Gemini 3.8 Flash更低，0.75/3.75美元。Astra贵了差不多一个数量级。

但OpenAI的说法是：Astra能用更少的Token完成同样的任务。据称在DeepSWE编码测试中，Astra完成任务成本降低了57%，相当于用约四分之一的Token就能完成同样的工作。

这笔账怎么算？假设你原来跑10轮迭代、每轮消耗1万Token，现在跑5轮、每轮还是1万Token，Token总量减半。哪怕单价贵3倍，总成本也可能是降的。这就是Brockman所说的“每任务成本”——不看你单价多少，看你完成一个任务总共花了多少钱。

计费模式的岔路口

把最近几天的新闻串起来看，整个行业正站在计费模式的岔路口上。

一边是OpenAI在拉高单价的同时对“每任务成本”叙事下注，另一边是中国模型把Token单价压到地板。Meta更激进——Muse Spark 1.3的Contributor层直接把价格砍到0.10/0.20美元，降幅95%，代价是让Meta拿你的提示词和输出做训练数据。

这些信号拼在一起，指向一个趋势：单纯比Token单价已经没有意义了。未来的比拼，要么是“每任务成本”，要么是“每单位智能的价格”。

你需要的是能跟上这个变化的基础设施

对独立开发者来说，这意味着选模型的思路要变了。不再是谁单价低就用谁，而是你的具体任务场景里，谁能在更少的Token、更少的步骤里交付更好的结果。

你需要同时管理多个模型供应商，做A/B测试，根据任务类型路由到不同模型。这件事的复杂度远超比价——你需要在多个供应商之间灵活切换，处理不同的API格式、计费规则、缓存策略。

EasyAPI做的恰好就是这件事——把不同供应商的Token定价、缓存规则、峰谷时段拉平到同一个面板下，一个Key接入所有主流模型，切换只改配置不碰业务代码。按任务挑模型，按效果算成本，而不是锁死在某一家的价目表上。

计费模式本身在变天，你需要的是能跟上这个变化的基础设施。