摘要

企业端的 token 紧缩针对的是错误的工作负载：编程吃掉预算，而高阶模型写邮件几乎不花钱。 Crystal认为，多数员工根本触及不了用量上限，因此公司共享预算池比人均设限更合理。Max称只允许工程师使用相关工具是“种姓制度”，Joey则表示，头部1%的公司已经在 AI 上按每名员工每年约10万美元的水平投入，只要 ROI 经得起审视，就会继续花钱。
每月200美元的编程订阅被大幅补贴，在重度用户的使用强度下可能亏损。 团队估算，Codex可提供约1.2万美元的 API 等值用量，Anthropic约为8000美元；Claude Max 20x的盈亏平衡使用率为10%，OpenAI Pro 20x为5.7%。按可能的使用水平，Max认为这些套餐“可能就是负利润率”（might just be negative margin）。
Anthropic 以企业/API为主的收入结构已经形成 OpenAI 免费消费者基盘无法匹敌的经营杠杆。 Anthropic超过80%的 ARR 来自 API，历史上超过90%来自企业端；Joey称，公司部分盈利按剔除股权薪酬的非 GAAP 口径计算，但Q2经营利润已经转正，Q3可能达到10亿美元以上。OpenAI约9.5亿周活用户中，只有约6%转化为付费用户，服务免费用户使整体毛利率下降约20个百分点。
尽管如此，OpenAI仍重新回到了真正的双雄竞争格局，因为决定胜负的依然是模型质量，而不是先发地位。 在3月和4月 ARR 增长可能持平后，5.5被视为预期中的拐点；如今有些人认为5.6以一半价格达到了“与 Opus 4.8 一样好”的水平，而且很可能是更小的模型。据称，OpenAI月度净新增 ARR 已与 Anthropic 相当，促使 Dylan 改口：“我向来都很灵活”（I am nothing if not flexible）。
对 xAI 和 Meta 来说，算力调度的可选性可能与算力所有权同等重要。 Max修正后的观点是，团队可以把闲置算力按市场价3x-4x的价格出租，同时保留足够算力证明自己能够触达前沿水平，并以90天回收条款作为保障。Meta算力也可能为2027-28年更重的资本开支提供支撑；如果 MSL表现不佳，算力出租还可以成为一项有利可图的后备方案。相比之下，Max认为 Google 不可召回的长期 TPU 承诺，说明其对构建 RSI 信心不足。
云巨头凭借既有企业关系赢下 token-as-a-service 的分发，而独立推理服务商无需赢得整个市场也能做大。 Anthropic通过间接渠道获得的 token 量，6个月内可能已从业务的约5%升至20%；AWS很可能仅因客户本来就通过 Bedrock 采购，就能拿走20%-30%的收入分成。即使开源模型的调用量增速低于前沿模型，Fireworks和Baseten仍可快速增长，因为推理可能成为“史上最大的市场”。
RL 环境正同时成为下一阶段的能力瓶颈和一个异常高利润的工程市场。 前沿实验室的数据预算今年可能超过100亿美元，约为去年的10倍，2027年可能再增10倍；顶级编程任务的单价远超5位数美元，而特别擅长设计 RL 任务的人每年可以赚到7位数美元以上。本期还用2027年底 Anthropic ARR 4000亿美元的高低押注，让其指数级增长论点变得可证伪：Max和Dylan押高，Crystal、Joey和Jeremy押低，输家必须公开解释自己为何判断错误。

精读

1. Token 上限瞄准了错误的工作负载

Crystal的一线观察是，社交媒体夸大了 token 预算压力：多数公司最多只有少数重度用户会触及上限。由于使用量分布极不均衡，全公司共享一个月度 token 池，比所有人拿到相同的人均配额更合理。
小型组织已经在绕开限制：先用便宜模型处理并压缩材料，再调用 Anthropic 或 OpenAI 的高价模型。在内部模型不计入预算的情况下，员工会“把这些额度压榨到极限”，把计量模型留给最后一步工作。
Max反对的是许多政策在优化无关紧要的细节。从 token 消耗看，销售人员用 Opus 还是 Sonnet 写邮件“基本无关紧要”；编程“远远是最吃 token 的用例”。
将 Claude Code 或 Codex 限定给工程师使用，在 Max看来就是一种“种姓制度”，让其他职能失去了发现高价值工作流的机会。Joey的佐证是，他估计 Anthropic API 端 ARR 的70%以上来自编程，而 Meta 仅贡献 Anthropic 总 ARR 的约3%-5%——使用量主要由重度用户驱动。

2. 订阅套利暴露真实利润池

Max的实用规则很直接：“凡是能用订阅的，肯定都应该用”，因为补贴力度太大。有些初创公司直接把5个、或者实际需要数量的个人账户挂到公司卡上，触及上限就再加一个；Max称，每人购买10个订阅可能比购买 API credits 更划算。
按每月200美元计算，团队估算 Codex提供约1.2万美元的 API 等值额度，Anthropic约为8000美元。相应的盈亏平衡使用率，Claude Pro和5x套餐约为20%，Claude Max 20x为10%，OpenAI Plus和Pro 5x为11.4%，Pro 20x为5.7%。
Max认为，20x套餐的平均使用率高于上述阈值，因此这些产品可能不是低毛利，而是直接亏损。Anthropic API 毛利率估计超过85%；Anthropic企业订阅不包含用量，客户先付订阅费，之后按 API 价格消耗。

3. Anthropic 的 API 结构将模型需求转化为利润

Anthropic超过80%的 ARR 来自 API，历史上超过90%来自企业端。Joey称，公司部分盈利按剔除股权薪酬的非 GAAP 口径计算，但Q2经营利润已经转正，Q3可能达到10亿美元以上。
这部分盈利也反映出，公司的招聘和训练再投资速度跟不上收入增长。Joey的建议不是急着把 EBITDA 利润率推向30%，而是把毛利优势投入到模型能力扩展上：“尽可能继续把能投的钱都投进训练。”
OpenAI在Q1则是相反的收入结构：约60%的 ARR 来自消费者端，周活用户约9.5亿，付费率只有6%，且大多数订阅用户购买20美元套餐。免费用户使整体毛利率下降约20个百分点；Dylan指出，日活用户数从700万升至800万，但免费周活用户超过9亿。
团队认为，Codex、5.5和5.6可能已经在Q2把 OpenAI 的收入结构扭转为约40%消费者、60%企业。收尾的赌注体现了其中的 stakes：2027年底 Anthropic ARR 高于还是低于4000亿美元；Max和Dylan押高，Crystal、Joey和Jeremy押低。

4. 更强的模型让 OpenAI 重回竞争

Crystal表示，Claude Code最初主要靠使用习惯留住用户——“我一直用的就是它”——但 ChatGPT 在消费者端的势头现在正逐步渗透到工作场景。此前无视 Codex 的 Claude Code 重度用户，开始尝试使用 Codex。
Max认为，OpenAI的 ARR 增长在3月和4月可能持平，触发了“警报”，随后5.5以大致达到 Opus 4.8 的质量带来了预期中的拐点。如今有些人认为5.6已经达到 Opus 4.8 的水平，价格却只有一半；团队还认为，5.6很可能小得多。
Dylan改变看法的原因在模型本身：他现在工作时默认使用 OpenAI，但不认可 Codex app 的线程模型，认为其远程 SSH 体验糟糕，也缺少 tab 工作流。他仍然是 CLI 用户，因为这款 app 显然是面向全球“vibe coder”群体、服务于更多 B2B SaaS 开发。

5. 前沿算力在可召回时最有价值

Max认为 Grok 4.5 和 Muse Spark 1.1 只是足以证明扩展有效的产品，而不是前沿模型：“除非你能交付真正的前沿模型……否则谁在乎。”他计划将 token 用量转向其中任一产品，但这两者的存在至少证明了追赶并非零概率。
Max更苛刻的排名是，Gemini“明确排在第5”，除非 Gemini 3.5 Pro 超过当前行业传闻的水平，否则可能永远如此。关键区别不只是手里有多少算力，而是管理层是否保留将这些算力转去训练前沿模型的选择权。
Max修正了此前对 Elon 将 Colossus 1 几乎全部租给 Anthropic 的解读：内部团队保留足够算力，以证明扩展路径有效；其余算力则按市场价约3x-4x出租，同时保留90天回收权，一旦模型达到前沿水平就可以收回。
Dylan的反驳值得保留：服务商可能只能收回一次算力，随后就会失去客户信任。Max同意收回一次最理想，但认为如果 Elon 后来改变主意，而 Anthropic仍然迫切需要算力，Anthropic可能还是会回来：“他们为什么要拒绝？”

6. Meta 算力是资本开支的后盾，分发能力驱动 token 转售

Meta可以通过可召回的算力租赁、token-as-a-service，或将算力分配给 MSL，采用同样的结构，同时保留将全部算力归还 MSL 的选择权。Joey认为，这能为2027年、甚至在 MSL被认定为未达预期时的2028年更激进资本开支提供后盾。
自己销售前沿模型 token 仍然是最好的生意，但高价算力租赁也绝非退而求其次。讨论中的 SpaceX+Google 交易定价接近市场价4倍；相比之下，neocloud 的经济性约为每吉瓦120亿美元，且可能逼近500亿美元。
Anthropic的收入密度解释了买方为何能接受这种价格：去年每兆瓦约1600万美元，3个季度内翻了一倍以上，部分人预计未来2-3个季度还会再翻一倍。“Token 吞吐量一直相当可观”，而且新模型能以更高价格变现。
Dylan一度把旧图表理解为 Microsoft Foundry 表现不佳的证据；Joey纠正称，该业务直到最近约90%仍来自 OpenAI，在近期 API 增长后应向上修订。Bedrock和 Azure 之所以仍具吸引力，是因为《财富》500强和 Global 2000 客户本来就拥有大型云关系、云额度或 ELA，以及安全和合规能力。

7. RL 环境正成为下一项能力扩展约束

Max认为，RL“可能是当前能力提升最重要的 Scaling Law”。不少人相信，只要拥有足够的环境，就能通过反复尝试教会模型几乎所有基于计算机的人类任务；前沿实验室合计数据预算今年可能超过100亿美元，约为去年的10倍，2027年还可能再翻10倍。
这个市场几乎不存在需求约束：实验室不会仅仅因为价格高，就拒绝优质数据。Max认为，Anthropic在5.6之前的编程领先，部分源于其购买编程环境的力度远超竞争对手，而竞争对手现在正试图追赶。
如今创建环境，和画边界框或添加内容标签几乎不是一回事。一个高质量软件任务可能需要一名非常优秀的软件工程师投入整整一天，配合集成测试验证器和评分标准；同时，提示词既要足够明确，保证训练公平，又要足够自然，像真实用户提出的请求。
实验室为单个顶级编程任务支付的价格远超5位数美元，而特别擅长设计 RL 任务的人每年可以赚到7位数美元以上。Max的亲身体验是，创建数据现在比8个月前难得多：先找出精确的失败模式，让模型尝试10次，再不断迭代。“你的第一个想法几乎肯定太简单——试着把难度提高10倍。”

【特别综艺-下】硅谷AI研究员｜模型猜猜乐和Prompt大战我们几个月内造出了自己的 Salesforce。为什么要取消这份60万美元合同 | Curative CEO