SemiAnalysis 如何比较 AI 订阅额度

SemiAnalysis 主持人 Jordan Nanos 邀请 Max Kan 和 Andrew Megalaa 讨论他们在 2026 年 10 月进行的 AI 订阅比较。他们说，自己通过测量不同 token 类型如何消耗额度，测试了 OpenAI、Anthropic 等供应商的计划。

Kan 说，在他们测试的假设下，每月 200 美元的 Claude 计划可以获得相当于约 1.2 万美元 Opus 5.5 API 标价的用量。按 API 价格折算的价值是一种假设性比较，不是订阅者收到的现金，也不保证适用于所有工作负载。

他认为，相对于 API 价格划算，并不一定意味着订阅毛利率为负。他的估计假设 API 毛利率超过 90%、订阅平均使用率约为 10%，由此推算订阅毛利率约为 50% 至 60%；这些输入和毛利率并非经证实的公司披露。

Megalaa 说，他们选用的代表性 agent 工作负载中约 96% 是缓存读取，另外还有少量新输入、缓存写入和输出。研究人员强调，不同的比例可能大幅改变比较结果。

Kan 将订阅额度比作分配给用户的积分：不同模型和 token 类型以不同速度消耗额度。由于这些速度不一定与 API 价格比例一致，不存在一个适用于所有订阅者的固定折算价值。

Megalaa 解释了新输入 token、缓存写入、缓存读取和输出 token。缓存的上下文可以反复使用，无须在每轮重新计算；价格因供应商而异，但缓存读取通常远比生成输出便宜。

他举出示意比例：输入为 1 倍价格，缓存写入约为 1.25 倍，缓存读取约为 0.1 倍或更低，输出通常更贵。这些是节目中的例子，并非通用价格。

在较长的 agent 会话中，先前上下文反复复用，缓存读取可能占据大部分 token。Nanos 说，因此缓存命中率会显著影响推理服务商的实际成本。

大规模提供缓存上下文是一项系统工程。供应商必须存储或卸载会话缓存，把后续请求路由到合适的部署，并在大量用户之间平衡 GPU 利用率。

缓存还有生存时间。如果用户回来之前缓存已经过期，供应商可能需要重新处理上下文；Nanos 指出，这会让原本便宜的缓存读取变成更昂贵的重新处理。

Kan 说，近期降价主要集中在缓存读取。他猜测这类 token 此前的利润率尤其高；这些数字是估计，并非供应商确认的成本。

嘉宾使用当时的价格和额度比较特定旗舰模型。他们说，即使按 API 价格折算的美元价值看起来更低，较低的缓存读取价格也可能让计划提供更多 token。

在他们对每月 200 美元计划的特定比较中，按所建模的 agent 工作负载，GPT-6 Astra 约提供 19 亿 token，Claude Fable 5.1 约提供 31 亿 token。他们说，Fable 当时另有单独上限，只能使用 Claude 计划额度的一半，剩余部分可用于其他模型。

争议更大的比较是 GPT-6.1 Sol 与 Opus 5.5。Megalaa 说，批评者认为 Sol 完成任务可能使用更少 token，而团队质疑所引用的基准能否可靠衡量真实工作的 token 效率。

Kan 比较了特定基准设置，并认为即使考虑基准测得的成本差异，订阅优势仍然存在。这一结论取决于所选模型设置、任务和质量比较方式。

Megalaa 表达了对 Anthropic 模型的强烈个人偏好，认为 Opus 5.5 能与更高档的替代模型竞争。Nanos 指出，模型选择具有很强的个人因素；嘉宾并未声称这些偏好来自受控评估。

为了测量额度，研究人员说，他们模拟了常用命令行客户端调用模型 API 的方式，并设计提示词分别测试各类 token。他们将响应中的 token 数量与订阅额度计量器的变化相比较。

测试输入和缓存时，他们用一大段文本配一个简短问题，并改变是否请求缓存及提示词前缀是否变化，然后检查返回的计费记录，以区分新输入、写入和读取。

测试输出时，他们要求模型写长篇文章，观察生成 token 如何影响计量器。重复这些受控请求后，他们估算出各类 token 的额度消耗速度，再模拟不同工作组合。

他们的 agent token 比例来自 SemiAnalysis 自己 9 月的企业使用数据。聊天工作负载更难直接测量，因此团队根据共享系统提示词、简短用户提示和用户回到会话的频率作出估计。

团队还测试了 Moonshot、Z.ai、MiniMax、Meta 等公司的计划。Kan 说，尽管部分供应商的 API 价格较低，按 API 价格折算的价值仍然可观；这些比较同样取决于选定的工作负载和参考价格。

Nanos 说，他没有看到明显到足以让用户放弃偏好模型的订阅价格战。较低的入门价格仍然可能有意义，而不同计划提供的用量也不同。

Kan 认为模型所有者可能比转售商更有优势，因为第三方应用必须付费获取模型。他说，在他们的测试中，通过某些第三方计划使用 Anthropic 模型的额度较低；他对毛利率和折扣的假设属于估计。

嘉宾还提到他们测得的某个 Meta 计划按 API 价格折算的 token 额度，并开玩笑说这些额度可以支持多少次预约请求。数字反映的是特定计划和当时的情况。

Nanos 问，平均用户实际使用了多少订阅额度。Kan 说团队无法直接看到这一数据，他们根据可获得的财务信息推算 Anthropic 利用率约为 10%，但不确定性很大。

在网上报告自己总是用满额度的重度用户，未必能代表普通订阅者。Kan 还讨论了当时 OpenAI 宣布的额度变化和给予既有订阅者的宽限期；这些细节可能在节目后改变。

研究人员强调，这项研究只是某一时间点的快照：新模型、订阅层级、使用额度、快速模式和供应商价格都可能变化。他们计划继续追踪比较结果。

衡量每个 token 带来的有用工作，比统计 token 数量更难。基准任务可能无法反映真实工作流，而比较不同员工又会引入人员、任务和审查标准的差异。

Megalaa 说，根据他的个人体验，有些模型完成眼前任务使用的 token 更少，却留下了另一个模型可能已经处理的后续工作。他承认，这是他对输出质量的判断，并非量化结果。

谈到第三方工具和路由器时，Megalaa 说自己通常更愿意选择熟悉且信任的模型。他没有亲自评估所有替代方案，并指出设计系统时了解模型的长处和失误方式很重要。

话题转向开放权重模型。Nanos 说，仅凭路由平台上的 token 份额数据，不能证明整个市场发生了全面转向，但他看到这些平台上的使用量明显增长。

Kan 认为，选择往往取决于任务究竟需要多强的能力。企业可能把简单工作转移到更便宜的开放模型；前沿供应商的未来也取决于新增、更难任务的需求能否增长得足够快。

Nanos 讲述自己在网络安全工作中遇到其他模型拒绝后转用 GLM 5.3，随后在同一个会话中完成一项小型仪表盘改动。他把这描述为个人体验，而非模型普遍更优的证据。

Megalaa 说，他听到一些安全能力开放后的其他模型在实际任务中可能胜过 GLM 5.3。嘉宾讨论了真实安全担忧与监管方面的争论；仅凭这段交流无法证实任何一方。

对话最后转向对新发布数学研究的即时反应。嘉宾没有核实当场的猜测，并表示以后会再讨论订阅额度和 token 效率。