有订阅不一定能盈利，这是这个场景目前非常尴尬的处境。

之前研究机构SemiAnalysis的最新压力测试揭示了一个触目惊心的现实：高端订阅套餐的定价远低于实际算力成本。OpenAI ChatGPT Pro（200美元/月）：若用户将额度用满，对应API成本高达1.4万美元，是订阅价格的70倍。一旦用户使用率超过5.7%，该用户就从盈利转为亏损；若使用率达100%，毛利率会暴跌至-1650%。Anthropic Claude Max（200美元/月）：极限使用下成本约8000美元，盈亏平衡点约为10%-20%的使用率。普通订阅同样承压：20美元/月的ChatGPT Plus最大可消耗价值700美元的API资源，Claude Pro则为400美元，盈亏平衡点分别在11.4%和20%。

重度用户（如高频编程、复杂Agent工作流）本质上是在“薅厂商羊毛”，每个这样的用户都在加剧厂商的亏损。

于此，Anthropic甚至因此封禁了OpenClaw等第三方工具使用订阅额度，强制其走API按量付费路径。OpenAI在2026年4月将Codex从“按消息计费”改为按Token计费，随后扩展到全部存量企业客户。GitHub Copilot：也在2026年4月宣布全线转向AI Credits计费模式，10美元月费附带10美元积分，超额后按Token计费。

逐渐就演变成：想要定高价但是用户买不起单，而定价低了，自己就可能入不敷出。因为高昂的算力投入实际上就是重资产，都会呈现庞大的资产折旧压力，这种压力逃不掉，如果还有昂贵的债务利息，那就是雪上加霜。以及现在这种Agent的算力消耗，需要的算力消耗不一定能创造出对应的价值，这是矛盾点所在。

就算是现在的订阅支出下，用户也都在通过将复杂任务交由前沿模型、常规需求下放至廉价模型的方式削减AI运营成本。甚至有初创公司转向DeepSeek等性价比更高的模型。

AI大模型不会像传统互联网一样“赢者通吃”。因为：边际成本不为零，用户越多成本越高。用户迁移成本低。开源生态（如Llama、DeepSeek）正在缩小与闭源模型的差距。

所以所谓的高端闭源模型投入巨大之后最终可能发现入不敷出，开原模型又在不断蚕食他们希望获得的客群和用户。诸如通过硬件迭代、软件优化、模型架构创新等模式，DeepSeek V4-Pro价格降至原价的1/4，且是永久性降价。

最终只能通过挤掉泡沫和昂贵的成本之后，回归到最质朴的商业路径：既性价比和投入产出比的最终决胜。

而这种PK过程中，AI的发展不一定停滞，但是这些财务投入激进而无法找到合理回报闭环的模型厂商，会嘎掉一大批，进而才是对于激进的基建投入的灵魂拷问啊。

所以现在看看全球模型调用排行，在想想海外大厂目前疯狂基建所面临的处境和压力，结合DS这样的架构态势，但凡国内供给和算力模型继续迭代，海外这些疯狂投入的成本沉没的鬼故事估计真要成真了。

海外与国内的定价差距已达645倍：以同等调用规模计算，海外巨头GPT-5.5长上下文版本的价格，已达到国产DeepSeek-V4-Pro的40倍以上；中美模型价差最高达645倍。海外厂商“御三家”（OpenAI、Google、Anthropic）试图维持高毛利和高ARPU，靠高端企业客户覆盖巨额算力成本；而国内厂商则疯狂压缩利润甚至亏本补贴，旨在通过海量用户和Token调用量摊薄成本。

这种双轨制意味着：如果国内模型持续迭代、成本持续下降，海外厂商高举高打（巨额基建+高定价）的商业模式将面临严重的客户流失和成本沉没风险。高投入不一定能换来高回报，尤其是在用户对价格极度敏感、迁移成本极低的环境下。

最后，就是Agent现在是Token最大调用的所在，Agent如果真正大规模落地并创造可量化价值，那可能还有一线生机，否则呢。。。

这就又回到了Agent到底是流程辅助还是真正颠覆未来的数字劳动力，只能交给时间来确认了，但是这个节点到来之前，债务支出都是刚性的压力，客观存在。