github copilot按token计费新政令部分用户月账单从44美元飙升至847美元，一场以“补贴换增长”为逻辑的ai商业范式崩塌由此拉开序幕。openai利润率逼近负122%、uber四个月内烧光全年ai预算……当资本耐心逼近临界点，coinbase与hugging face掌舵人已给出明确信号：成本直降99%的轻量模型与开源小模型，或将承接八成ai任务负载。
github copilot的计费机制转型正引发全行业连锁震荡，一场关于ai商业模式能否持续的深度思辨随之升温。随着用量计费全面取代固定订阅制，用户支出陡然攀升；而coinbase、hugging face等头部科技公司的决策者，则正以截然不同的策略回应变局——低成本模型的规模化崛起，或将彻底重构ai算力的成本结构与技术路径。
6月1日起，微软旗下GitHub Copilot正式启用按Token用量计费的新规则，取代原有按请求次数计费模式。部分高频使用者的月度费用预计将从此前几十美元跃升至数百甚至上千美元。该调整迅速在社交平台激起广泛争议，有开发者晒出内部测算截图，显示其账单将由44.68美元暴涨至754.29美元；另有用户预估下月支出高达847美元。
这场定价变革背后，实则是AI产业长期依赖“低价引流—规模扩张—后期提价”路径所积累矛盾的一次集中释放。Coinbase首席执行官Brian Armstrong对此作出前瞻性判断，预计未来12至18个月内，约80%的AI工作负载将迁移至成本仅为当前模型1%的替代方案，能源与硬件资源将成为真正的核心约束。
Hugging Face首席执行官Clement Delangue则援引斯坦福大学实证研究，为本地化、开源、轻量化模型的大范围落地提供了数据支撑。
01
GitHub Copilot计费转向：补贴红利终结
GitHub Copilot此次计费方式调整并非临时起意。早在今年4月，GitHub首席产品官Mario Rodriguez便公开表示，随着智能体（Agent）类应用兴起，旧有定价体系“已难以为继”——一次简短提问与一次耗时数小时的自主编码任务，在原有模式下收费相同，而GitHub一直在默默承担不断上涨的推理开销。
新规于6月1日正式实施。新体系依据所调用AI模型类型及实际消耗Token数量，折算为“AI积分”，每积分价值0.01美元。订阅用户享有基础积分额度，并按订阅等级获得额外弹性积分配额。由于不同模型单位Token推理成本差异显著，尤其前沿大模型Token消耗更高，最终费用浮动剧烈。
用户反馈迅速且尖锐。在GitHub官方Reddit社区中，一位自称自首发日即订阅Copilot Pro+的用户留言：“每月39美元虽贵，但尚在可接受范围；如今换成积分制后，我粗略估算下月账单：847美元。”多位开发者将这一转变类比Uber早期策略——先以远低于成本的价格培养用户习惯，待依赖形成后再大幅上调价格。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Gartner分析师Arun Chandrasekaran在接受Business Insider采访时指出，Copilot案例“或许只是冰山一角”，随着高阶推理模型与智能体工作流普及，推理端算力需求将持续激增，更多企业或将跟进采用按Token或按用量计费模式。
02
补贴逻辑的系统性隐患
此次定价风波折射出AI产业更深层的结构性困局。投资人Tommy Shaughnessy在社交媒体上系统梳理了他眼中“AI最可能的崩塌路径”。
他指出，长期以来按席位收取的固定订阅费，实质上被严重补贴，远低于重度用户的实际使用成本。一旦企业因数据合规、安全审查或定制化需求转向API直连调用，便会直接暴露于真实按量计费之下，而实际Token消耗速度往往远超预期。他列举多个实例佐证趋势，例如Uber在2026年仅用四个月就耗尽全年AI预算。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
Shaughnessy进一步强调，当前头部AI厂商利润率已深陷负区间——据披露，OpenAI利润率接近负122%——意味着其运营高度依赖外部融资来采购GPU、训练模型并持续补贴终端用户用量。他认为，一旦投资者对商业化回报节奏失去信心，资本流入或将骤然放缓甚至逆转。
不过他也补充说明该逻辑的边界条件：若AI真正驱动新药研发突破或催生全新业态，用户对高价服务的支付意愿将同步跃升，届时上述压力有望缓解。
03
Coinbase CEO：低成本模型将定义主流
面对算力成本持续走高，Coinbase首席执行官Brian Armstrong提出清晰演进框架。他判断，人类对智能化的需求近乎无限，但市场将快速分层：约80%的任务将在未来12至18个月内转向成本仅为现有方案1%的替代模型；仅剩20%对智能上限有极致要求的场景——如基础科学发现、复杂系统级智能体编排——仍将依赖最新一代前沿大模型。
Armstrong将此趋势类比消费电子演化史：顶配MacBook或高端游戏PC始终属于小众选择，而AI领域的成本下降曲线甚至快于摩尔定律。据此他断言，未来真正的瓶颈将是能源供给与物理算力，而非模型本身的能力上限。
他还透露Coinbase内部实践进展：公司正大力推行提示词路由（Prompt Routing）机制，动态将请求分发至性价比最优的模型，在部分业务线已实现总成本基本稳定，同时Token消耗量仍呈指数级增长。
04
开源小模型：多模型时代的现实支点
Hugging Face首席执行官Clement Delangue援引斯坦福大学研究成果，为低成本模型替代提供量化锚点：本地部署模型在真实世界对话与推理任务中的准确率，已从2023年的23.2%提升至71.3%，且运行成本与能耗仅为前沿API服务的极小比例。
Delangue由此提出“多模型共存未来”的判断：绝大多数常规任务将由本地化、开源、小型且经济高效的模型承担；仅在无其他可行方案时，才调用前沿闭源API。
Shaughnessy的分析与此形成共振。他指出，DeepSeek V4在SWE-bench编程基准测试中表现已逼近Anthropic Claude Opus，但价格仅为后者的约三十分之一；目前最廉价的开源模型报价甚至低至其百分之一。他认为，中国实验室持续高强度开源前沿级模型，使全球推理服务商得以零成本获取核心模型资产，这正在实质性削弱闭源AI巨头的定价权与盈利空间。
本文来自微信公众号“硬AI”，作者：赵颖，编辑：硬AI，36氪经授权发布。
