$1/M 价格线：AI 竞争重心转向价格与速度

Opus 5 发布后，许多使用者在短暂体验后表示，它与上一代 Sonnet 5 的差异并不显著——这一观察构成了本文的核心论点：当 AI 能力逼近大多数用户需求上限后，行业竞争将沿「创新者窘境」的轨迹，从「更聪明」转向「更便宜」与「更快」。

性能溢价正在消失

作者以自己正在开发的产品 Vertical 为例，将 AI 使用场景分为两层：「生产力层」（个人与团队内部使用）和「应用层」（对外提供产品能力）。后者对成本和延迟更敏感，因为 OpenAI、Anthropic 并不会像补贴生产力场景那样补贴应用层调用。

在他看来，对于绝大多数日常任务，模型的「使用方式」比「具体型号」更影响结果；只有少数真正困难的任务，才会让更聪明的模型产生可感差异。这正是「创新者窘境」的经典剧本：在位厂商持续优化其高端客户愿意付费购买的维度，直到产品超出大多数市场需求，用户转而在意价格与速度。机械硬盘行业经历过这一过程，AI 正在进入同一阶段。中国模型 Kimi K3 已能在部分场景替代更贵的方案，原因正是价格。

$1/M 价格线与 OpenRouter 用量分布

作者从 OpenRouter 公开的 253 个主流模型 API 数据出发，按 3:1 的输入输出 token 比例计算混合成本，结果中位数恰好为每百万 token 1 美元。这条「$1/M 线」被他视为竞争拐点：当顶级智能也能以这一价格提供，价格就不再是差异化因素。

比中位数更值得关注的，是按实际 token 用量排序的分布。OpenRouter 公布的近 12 周周度用量数据显示出一个明显的 U 型结构：

低价端（< $1/M）高度拥挤：DeepSeek V4 Flash 与小米 MiMO 以约 $0.18/M 位列总用量前两名；
高价端（> $5/M）同样拥挤：Claude Opus 4.7（约 $10/M）排名第六，Opus 4.8、Sonnet 4.6 紧随其后；
中间档位（$1–5/M）几乎无人问津，是各档中用量最低的一档。

这意味着真实用户其实分裂为两个群体：极度追求低成本的一类，以及愿意为顶级能力付费的一类。定价夹在中间、既不够便宜也不够强的模型，是最先失去市场的。

速度是下一个被商品化的维度

作者认为，「创新者窘境」不会停在价格——每当一个维度被过度供给，竞争就会迁移到下一个。当前阶段，速度与成本之间存在显著权衡：SemiAnalysis 的测算显示，生成速度提升约 2.5 倍，单 token 成本约升至 7 倍。换言之，今天只能在「快」与「便宜」之间二选一。

一旦多数模型的混合成本下探到 $1/M，价格将变得「足够好」，如同今天的智能对大多数任务那样；届时竞争重心将切换到速度侧。作者描绘的应用场景是：毫秒级延迟、每秒上万 token 的输出，浏览器标签间不再需要等待 AI 完成工作，更复杂的 agent 系统也能在相同时间内运行更多步骤。

距离 $1/M 还有多远

作者引用两组成本下降曲线：

a16z 估计：固定智能水平的成本每年下降约 10 倍；
Epoch AI 最新估计：每年下降 30–50 倍。

即便按较慢的 10 倍/年推算，Opus 5 级别智能在 $1/M 混合成本上实现大约还需两年。一旦价格不再是差异化因素，「速度战争」将正式开启。作者在 Vertical 的实践中不押注单一模型，而是每几个月重跑同一套评测，把任务迁移到刚好跨过门槛的更便宜模型上——这是面向「曲线」而非「快照」的产品策略。