OpenAI 宣布替 GPT-5.6 系列中的兩款模型調低 API 價格，理由講得很直白：企業客戶對成本愈來愈敏感。消息一出，最常見的反應是「那我們的 AI 支出可以省一截了」。但如果你有實際看過自己團隊的用量報表，就會知道事情沒那麼直接——模型降價從來不是平均降價，而是一種引導：供應商想你多用哪一類 token，就會先把那一類的價格壓下來。這篇文章想講清楚的，是這次調價實際動了哪些格子、哪些工作負載會真的受惠，以及哪些團隊就算換上新價目表，帳單也不會有太大變化。
這次調價最值得注意的三件事
第一，降價集中在中高階與輕量版兩個層級，而不是整條產品線。
這代表 OpenAI 的目標很明確：一邊留住那些正在把 agent、批量處理搬上生產環境的重度用戶，一邊擋住輕量任務外流到更便宜的競品。夾在中間、用量不大的那批應用，感受會最弱。
第二，真正要看的是 output token 的價格變化，而不是 input。
幾乎所有模型的 output 單價都遠高於 input，差距常常是好幾倍。而 reasoning 類模型還有一個容易被忽略的細節：模型「思考」時產生的 thinking token，多數是按 output 計費的，即使你在回應裡完全看不到它們。一個問題答了 300 字，帳上可能算了 3,000 個 token。所以一次「input 降價、output 幾乎不動」的調整，對長文摘要、程式碼生成、多步驟 agent 這類工作負載幫助很有限。
第三，快取（cached input）與批次處理的折扣，往往比公告上的降價更有殺傷力。
如果你的系統每次呼叫都塞進同一段 8,000 字的 system prompt 加公司知識庫，這段內容命中快取與否，成本可以差好幾成。不趕時間的離線任務丟進 batch 模式，又是另一層折扣。這兩件事不需要等 OpenAI 降價你也能立刻做，但很多團隊從來沒有動過。
為什麼企業突然對 token 價格這麼敏感
2023 到 2024 年，大部分公司的 AI 支出還停留在「幾個 PoC、幾百美金」的階段，價格根本不進管理層的視野。真正的轉折發生在 AI 開始被放進正式流程之後：客服自動回覆、合約審閱、程式碼助手、內部知識搜尋，這些東西一旦上線，呼叫量就從一天幾百次變成一天幾十萬次。
更關鍵的是 agent 化。以前一個使用者問題等於一次 API 呼叫；現在一個 agent 任務可能包含規劃、檢索、工具呼叫、自我檢查、重試，一次任務背後是十幾次模型呼叫。成本不是線性成長，是乘上去的。
所以 CFO 開始問問題了。而供應商也很清楚，這個階段的價格戰不是為了搶新客，是為了避免既有客戶把「便宜任務」分流出去——很多團隊已經在做 model routing，簡單分類丟給便宜模型，複雜推理才給旗艦模型。降價，本質上是在跟這種分流機制搶回流量。
兩個實際情境：一個明顯受惠，一個幾乎無感
情境一：電商客服 RAG 機器人，每天 5 萬次對話。
這類應用的特徵是 input 極長（每次都帶入商品資料、退換貨政策、對話歷史），output 極短（通常兩三句話）。input 端降價加上把固定的政策文件放進穩定的 prompt 前綴以命中快取，帳單有機會出現肉眼可見的下降。這是這次調價最直接的受益者。
情境二：工程團隊的 coding agent，每天跑幾百個任務。
這類應用剛好相反：input 不算誇張，但模型要長時間推理、產出大量程式碼、跑失敗還要重試。成本幾乎全壓在 output 與 thinking token 上。如果這次降的主要是 input，這個團隊看到的節省可能只有個位數百分比，遠低於他們讀新聞標題時的預期。
這兩個情境放在一起，結論就很清楚：你的 API 帳單不是由官方價目表決定，是由你的 prompt 結構和任務型態決定的。
該不該立刻切換或加大用量
我的判斷是：不要因為降價而改架構，但要因為降價而重算一次帳。
具體建議三步：
- 先把過去 30 天的用量拆開看。 input token、output token、快取命中率、失敗重試次數，四個數字擺出來。多數團隊會發現，重試和過長的 system prompt 造成的浪費，比官方降價幅度還大。
- 用真實流量跑一次 A/B，而不是用 benchmark。 便宜的模型如果答錯率高一點，觸發的重試、人工介入、客訴處理成本，很容易吃掉你省下來的那幾百美金。單價低不等於單位任務成本低。
- 把價格當成可變數，不要寫死在程式碼裡。 這一年模型與價格的更迭速度，已經證明任何硬編碼的模型名稱都是技術債。把模型選擇抽成設定檔或路由層，下次再有降價或新版本，你的切換成本才會接近零。
誰該特別留意，誰可以先放著
如果你目前每月 API 支出還在三位數美金以內，說實話這次調價對你沒什麼意義，把時間花在提升輸出品質比省成本划算得多。真正需要立刻進場重算的，是那些已經有生產環境流量、且成本結構明顯偏向長 input 的團隊——客服、文件問答、知識庫檢索這幾類。至於重推理、重生成的 agent 團隊，與其等降價，不如去優化任務分解，把不需要推理的步驟從貴模型上拿下來。
這件事真正的訊號
比降價本身更值得記住的，是節奏。模型能力的差距正在縮小，而價格正在變成競爭前線。這意味著兩件事：一，鎖定單一供應商的風險在上升；二，「等一等會更便宜」很可能會成為常態，但也不該成為你什麼都不做的藉口。
最務實的姿態是：架構上保持可切換，成本上每季重算一次，然後把省下來的預算，花在讓 AI 真的產生業務結果的地方——那才是這場價格戰裡，你唯一拿得走的東西。
追蹤以下平台，獲得最新AI資訊：
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
Threads: https://www.threads.net/@drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/
