不能只算token账

01

Anthropic宣布禁止第三方接入工具“龙虾”后，引发了业内的广泛讨论。小米大模型团队负责人罗福莉凌晨发布的深度分析，则将这场讨论推向了更核心的层面。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

她的核心洞察，主要围绕两个关键维度展开。

第一，Anthropic的这一举措，短期内或许会增加用户的使用成本，但从长远来看，它实际上为整个开发者生态注入了一剂“工程纪律”的催化剂。

“工程纪律”的本质在于，当模型调用成本变得高昂时，开发者在构建产品时必然会更加注重资源优化，深入思考如何提升Token使用效率，从工程实现中挤出冗余。罗福莉在文中直接以“龙虾”为例，指出其在上下文管理上存在明显缺陷：一个用户请求可能触发多轮工具调用，而每一次调用都是携带冗长上下文的独立API请求，其效率瓶颈显而易见。

第二，她呼吁模型厂商应避免陷入单纯的价格战。通过低价吸引用户，再以性能缩水或服务不稳定的模型来应对，最终会损害整个行业的用户体验与信任根基。

这让人联想到近期的市场观察：小米的MiMo Token Plan在同级别套餐中，定价策略相对稳健。我们在《小米这次也没把价格打下来》一文中曾探讨过这一现象。

罗福莉虽未直接回应定价问题，但提供了一种新的视角：小米的目标在于“长期、稳定地交付高质量的模型与服务——而非诱导用户冲动消费后体验下滑。”这解释了其定价为何未遵循市场常见的“极致性价比”逻辑。同时，这一策略也并非为了追求高额利润，而是在同行普遍进行亏损性补贴时，选择了更贴近实际成本的、可持续的路径。

“倾销”一词或许听起来刺耳，但若以低于成本价销售AI服务作为标准，当前行业内能够实现健康盈利的玩家寥寥无几。部分厂商的定价极具侵略性，但其代价往往是服务质量的波动。经历过套餐响应迟缓甚至间歇性中断的用户，对此应有切身感受。

大模型的商业模式与传统互联网产品存在根本差异。后者的边际成本趋近于零，用户规模增长带来的成本增幅微乎其微。而大模型的运营成本，几乎与用户使用量呈线性增长。更为复杂的是，作为“非标准化产品”，厂商在后台对模型进行细微调整，用户难以察觉，即使感觉模型“变笨了”，也往往缺乏确凿证据。

尽管如此，必须承认，现阶段模型厂商之间的价格竞争，总体而言利大于弊，形成了一种阶段性共赢。用户切实享受到了更廉价的服务，这无疑是新技术得以快速普及和市场教育的关键推动力。

回顾DeepSeek去年的表现，其模型在绝对能力上或许并未超越GPT或Claude，但其R1版本的历史意义不容低估——它将推理成本降低了数十倍。这种级别的成本优化对于技术民主化的推动作用，远超过单项性能指标的微小提升。

至于“亏损售卖Token不可持续”的观点，对于当前大多数处于第二梯队的厂商而言，生存与获取用户可能才是更紧迫的课题。Anthropic凭借顶尖的模型能力与独特的用户体验，即便偶尔有“封号”或服务波动，也依然阻挡不了用户的付费热情。根据彭博社上月报道，其年化收入已飙升至200亿美元，增长势头迅猛，正对OpenAI的领先地位形成有力挑战。

然而，第二梯队厂商面临的竞争环境截然不同。模型能力尚未形成代际差距，各大排行榜上名次交替频繁。在此背景下，“高性价比”成为了一条不得不走的道路。罗福莉对“龙虾”的评价一针见血：它更像是“氛围编程”堆砌出的“技术债”。正因其底层架构缺乏设计，没有经过工程优化，导致其天生效率低下。

但它的确火爆了，成功吸引了大量专业与非专业用户进行尝试，这本身就是一种“市场教育”的功劳。可以说，所有第二梯队的模型厂商都应当感谢“龙虾”——很难想象，如果没有它作为流量放大器，这些厂商需要付出多少努力才能证明自身的市场价值。

OpenRouter上的模型使用统计数据，清晰地印证了这一点。

在“龙虾”流行之前，该排行榜几乎被“硅谷巨头”所垄断，其他厂商只能归类于“其他”。如今，榜单前列已涌现出阿里、小米、阶跃星辰等国内模型的身影。

新模型发布后，率先登陆OpenRouter提供免费试用以积攒人气，几乎已成为国内厂商的标准操作流程。这个平台俨然成为了厂商们的“品牌宣传前沿阵地”。此前阿里Qwen3.6发布时，曾宣传其登顶OpenRouter榜首；小米MiMo也曾进行过类似的宣传。这都是免费试用策略带来的热度效应。

从这个角度看，“龙虾”“消耗Token”的特性，甚至可以被重新解读为一种“特色功能”。大模型研发门槛极高，但模型本身的供给并不稀缺，核心矛盾在于用户是否愿意使用。“龙虾”将“性价比”这个杠杆，放大成了实实在在的市场竞争力。

市场数据是最有力的证明。MiniMax去年总收入为7900万美元，而在“龙虾”引爆市场后的今年2月，其年度经常性收入（ARR）已突破1.5亿美元。月之暗面在发布K2.5模型后，不到20天的收入便超过去年全年总和，并且海外收入首次实现反超。

AI技术正在驱动千行百业的变革，但就其自身产业而言，独立的盈利闭环至今仍未完全跑通。OpenAI和Anthropic收入增长迅猛，但其收入能否覆盖天价的研发与资本开支，仍是未知数。至于智谱、MiniMax、月之暗面等公司，距离形成稳健、自洽的商业模式则还有更长的路要走。

在这种情况下，“叙事能力”与“商业故事”就成了生存与发展的关键。而故事不能仅仅停留在蓝图层面，模型厂商的第一性原理永远是：模型必须被真实、大规模地使用。没有人用，故事就无从讲起；用的人越来越多，故事才能走向圆满。

资本市场的反馈最为直接。月之暗面去年底的估值约为43亿美元，目前正以180亿美元的估值寻求新一轮融资，增长超过四倍。智谱今日收盘价报780港元，是其1月IPO发行价116港元的约6.7倍。MiniMax的股价也从165港元的发行价，攀升至950港元附近，涨幅接近6倍。

因此，商业成功的账本，不能只计算在Token销售这一项上。

02

在成本压力和规模扩张的双重挑战下，部分第二梯队模型厂商已开始进行价格调整。但这并不意味着价格战会就此终结，行业的竞争远未到达终局。

小米的处境颇具独特性。它拥有完善的产品矩阵和庞大的硬件生态，MiMo的首要战略任务是融入并赋能这个既有生态体系。即便不对外大规模售卖Token，小爱同学、智能手机、小米汽车以及庞大的IoT设备网络，都已经为MiMo提供了广阔的应用场景和用户基础。

而智谱、MiniMax、月之暗面等厂商则面临着不同的局面。它们虽拥有C端产品，但这条赛道的竞争异常激烈。目前来看，在独立的AI原生应用领域，无论是通用助手还是垂直场景，字节、腾讯和阿里等巨头都具备碾压性的资源与渠道优势，且争夺市场的决心极为坚定。

相比之下，通过API售卖Token的商业模式，表面上看起来更为“纯粹”和“清爽”——尽管这也只是相对而言。因为这更直接地比拼模型本身的质量与性能。然而，腾讯和Meta等公司的经验表明，模型研发的成功，并非仅靠资金和资源的简单堆砌就能实现。

但我们必须清醒地认识到，“龙虾”所带来的市场窗口期不会无限期持续。

如果“龙虾”仅仅是一阵风潮，热度过后便迅速消散，那么第二梯队厂商自然无法再依赖这个高效的出货渠道。

如果“龙虾”代表的不仅仅是一个工具的流行，而是一种被验证可行的C端AI产品范式，那么，拥有庞大流量、成熟分发渠道和深厚用户信任的科技巨头必然会强势介入。它们会推出自己的竞品来收割市场，并且必然会优先集成自家训练的模型，而非采购第二梯队厂商的API。

模型与产品的深度结合，已成为明确的大趋势。阿里为了打通千问App与通义千问模型研发团队，甚至引发了组织架构调整和人事震荡。姚顺雨入职腾讯后，其首要任务之一也是推动团队整合，弥合底层研发与上层产品应用之间的鸿沟。

罗福莉在批评“龙虾”浪费Token时，提到了Claude Code在上下文管理上所做的工程优化，这恰恰是产品与模型需要深度打通的另一个典型案例。

“龙虾”在架构上的天然缺陷，导致每次工具调用都需要携带完整的长上下文发起独立请求，用户一个简单操作可能在后台触发十几轮API调用。这不仅极大地消耗了成本，也带来了响应延迟和结果的不确定性。反观Claude Code，它对上下文进行了精细化的管理，懂得何时压缩历史对话、何时进行截断，如何在保留必要任务状态的同时，精准剔除冗余信息。

这背后，是Anthropic对其自身模型能力边界的深刻理解与掌控。只有模型的原始研发者，才能将产品功能与模型特性调优成一个浑然天成、高效协同的整体。

AI产品的第一代范式，是将模型视为通用的API接口，产品仅仅是套在外面的一个“壳”。这一范式催生了“龙虾”，也催生了无数的套壳应用。它极大地降低了AI创业的门槛，但也造成了巨大的效率折损。产品端不理解模型的内部机制，模型端也无法适配产品的特定需求，双方都在用“蛮力”试图弥补彼此的信息差。

如今，第二代范式正在清晰浮现：模型与产品从架构设计层面就开始深度整合，共同进行一体化设计。Claude Code提供了一个前瞻性的样本——模型不再是一个被简单调用的“黑箱服务”，而是产品本身不可分割、深度集成的核心组成部分。

在这一趋势下，纯粹的模型API供应商所面临的挤压感将会越来越强。“没有自己的终端产品”可能成为它们的阿喀琉斯之踵。如果未来的核心竞争力源于模型与应用层的深度咬合与协同优化，那么单纯在API层面比拼价格和Token成本，无异于一场没有赢家的慢性消耗战。

行业内常说的“模型即产品”，这句话用来强调模型的基础性价值，当然没有错。但除非你的商业模式真的只局限于售卖API，否则，模型始终是最终产品的一个关键组成部分，而非产品的全部。两者的关系，正在从松散的“调用”走向紧密的“融合”。这才是理解当前AI产业竞争格局的关键所在。