当心：OpenAI 和 Anthropic 的新 AI 工具最终会让你买单When The Bill Comes Due

我觉得，AI泡沫撞墙的那个节点大概出现在两周前，当时 Anthropic 推出了它的 Claude Design 产品。

作为一个对设计感兴趣、并且试图理解 AI 到底在发生什么、以便能对此形成有见地的观点的人来说，这件事引起了我的注意。我给它扔了一个 GitHub 项目，让它提取视觉风格。接着我又输入第二条指令，结果……突然之间，我的额度就用完了，直到周五中午才能恢复。而当时已经是周五下午一点了。

我倾向于真正理解那些我持怀疑态度的事物，因为这有助于我发现那些揭示更大潜在问题的事情。而在这方面，没有比这更直白的了。

类似的故事还会越来越多。最近 GitHub 宣布将对 Copilot 的计费方式改为按使用量付费。围绕人们如何使用他们付费的 Claude 订阅服务来运行像 OpenClaw 这样被过度吹捧的工具，也出现了各种混乱的信息——起初它被禁止使用，但现在又允许了。

事实是，这些主流 AI 产品正在被补贴，而用户已经对这些补贴上瘾了。这种做法不可持续，但目标就是让你足够上瘾，也许最终就能维持下去。诚然，有些人，比如著名的 AI 怀疑论者 Ed Zitron，认为它永远也不会可持续：

非常重要的一点是，任何在主流媒体上谈论 AI 的人都不应该真正了解这些服务的成本有多高，而且任何关于 ChatGPT 或 Claude Code 等服务的文章都应该由那些几乎不了解每项具体任务对用户来说可能花费多少的人来写。请记住：生成式 AI 服务在很大程度上都是实验性产品，其运作方式与任何其他现代软件或硬件都不同。你不能只是走到 ChatGPT 或 Claude 面前，就开始要求它为你工作。

当你依赖这些工具时，你会花更多的钱，然后陷入这样一个陷阱：为了维持这些工具的运转，不得不支付巨额收入的一部分。

这既昂贵又不高效，而且我们最终会面临规模限制。那些超级碗广告和新产品的费用终究是要偿还的。

但还有 DeepSeek 这样的公司。

“为抠门用户准备的 AI”：确实存在。

需要澄清的是，我并不是说任何一个 AI 模型都能解决 AI 本身带来的结构性问题。恰恰相反。不过，我认为 DeepSeek 的故事是一个重要的对比案例，与目前似乎主导所有新闻头条的巨头们形成了鲜明反差。

这家中国公司的最高端 GPU 获取受到贸易限制的影响，因此一直在以有限的预算构建模型，却以让行业巨头相形见绌的价格出售这些模型。它们最新的产品上周才刚刚发布。

DeepSeek V4 Flash 的性能大致相当于 Claude 的 Sonnet 4.6 模型，但其使用成本却低于低端 Claude 3 Haiku——这是一款已停产超过两年的模型，相比之下几乎无法使用。虽然它不如前者精致，但有一些优势，尤其是拥有非常大的上下文窗口（这是之前 DeepSeek 模型的薄弱环节）。此外，你无需为 Anthropic 或 OpenAI 模型带来的种种问题支付额外费用。

除此之外，由于它是开源权重模型，你不必非要用 DeepSeek 的服务器。例如 Novita 提供的按需付费云服务，其价格大致与 DeepSeek 新模型相当。（不过自己托管这些模型就难了，因为你需要很多 GPU 才能做到。）

一年前，当 DeepSeek 凭借其 R1 模型横空出世——以低成本实现超规格性能——其问世之震撼令全球股市为之震动。而如今这款新模型却未能复制这一辉煌，以至于路透社、《经济学人》等媒体纷纷猜测它可能是一次失败。

但事实上，人们之所以感觉它像是一场失败，与其说是因为缺乏创新，不如说是因为其他厂商纷纷效仿。例如 MiniMax 就推出了与 DeepSeek 类似的"自我改进"模型，据称能真正从错误中学习。而 Z.ai、阿里云 Qwen 等其他玩家则凭借完全自托管的特性，成功吸引了那些不愿向 Anthropic 或 OpenAI 支付任何费用的用户群体。

他们瞄准的是巨额账单。而你不是。

我想强调的是，AI 并非双头巨蛇。虽然存在其他竞争者，但最大的几家却有着垄断一切的动机。因此，如果你觉得只有两三家公司在开发 AI 模型，也完全可以理解。

这些规模较小的玩家更倾向于开源他们的创新成果，他们比拼的不是无限资源，而是效率和技术的精湛程度。这使得他们成为那些吸引眼球的大厂的有效制衡力量。

但巨头们总是准备着展示自己的实力——比如通过不断推出新功能。最近 Anthropic 宣布与众多主流创意工具集成，包括 Affinity 和 Creative Cloud（争议性地还包括 Blender）。

我常开玩笑说，在某些场合下 AI 就像装饰用的鸟，但我认为这里的情况并非如此。我认为 Anthropic 已经找到了一个足够有用、又能消耗大量 token 的用例，足以让企业愿意为其模型投入巨资。你可能觉得 Creative Cloud 已经很贵了。

我认为会有太多公司被这些辅助工具的效率优势所吸引，结果却发现为了微不足道的效率提升付出了惊人的代价。

这并不能解决关于这些技术的一切伦理问题（巨型数据中心仍是重大风险），但对它们的作用有所了解将大有裨益。毕竟，如果投入的资金不是天文数字，那么微不足道的效率提升也就更容易接受了。

许多公司都想用 AI 来优化流程，但他们关注的是效率而非成本。这很遗憾，因为我认为这些开源的中国模型最终会像开源软件一样：很多人会忽略它们，因为它们不做广告、没有销售团队，也不打造像 Sora 那样华而不实又昂贵的产品。但最终会形成一个群体，他们会意识到：当有更便宜的选项（包括可以在笔记本上运行的模型）时，为前沿大语言模型花费巨额资金并不是明智的投资。

（而且十有八九你会看到有人开源复现这种设计功能，就像我们之前看到 Claude Code 的竞争者 OpenCode 那样。）

正如我最近所写，人类往往是 AI 的问题所在。但他们也能成为解决方案——只要他们懂得如何明智地部署 AI，不被花哨的功能分散注意力。

毕竟，账单终究会到来。你肯定希望账单小一些。相信我。