AI用量限制就像一个黑箱
摘要
本文批评了AI代币用量与定价缺乏透明度,认为Claude和Cursor等提供商故意模糊消耗情况以掩盖成本并促使升级。
我们已经知道AI成本高昂,远比大多数人过去为软件订阅甚至一次性软件购买所支付的费用要高。在某种程度上这可以理解,因为我们不断被告知LLM提供商正在亏损。我甚至不讨论API成本——对于个人用户来说,尤其是使用美国提供商时,这些费用已经变得几乎难以负担。这一切还算可以接受,至少我们能承受。但我不理解的是,代币用量方面完全缺乏透明度。当你打开Claude的用量页面,首先看到的是升级到更高级别计划的提示。没有有意义的图表,没有详细的历史记录,没有显示什么消耗了你的代币,也没有简便的方法来优化用量。更别提那令人沮丧的每小时限制了。Cursor也好不到哪里去。你碰到限制,弹出窗口告诉你已达到上限,然后打开用量页面,只看到一个非常粗略的月度总结。这些公司能不能让代币用量对用户更透明、更容易理解?当然可以。但似乎他们并不想这样做。商业模式的一部分似乎就是让定价和消耗保持模糊、难以追踪。你永远无法确切知道你的代币用在了哪里。高用量是因为你的提示、他们的内部编排、隐藏上下文、代理工作流,还是其他原因?完全没有可见性。结果是,我们被期望信任并支付一项无法适当审计、衡量甚至完全理解的服务。当AI成为越来越多人的必备工具时,这种处境令人尴尬。
相似文章
AI 定价机制令人沮丧:每日配额、每周限制、每月“Pro”套餐……为何如此?
文章批评了当前 AI 定价模式的限制性,强调每日配额和层层叠加的限制如何阻碍生产力并损害用户信任。
代币账单到期:行业竞相应对AI失控成本的内幕
本文探讨了企业因代币消耗增加而面临AI成本飙升的困境,导致预算超支,并成立新的标准机构Tokenomics Foundation,以对AI代币进行成本管控。
每个AI提示都需花费成本——这改变了一切
文章认为,AI的真正挑战不仅在于构建更智能的模型,更在于以规模化的方式降低成本效率,强调了减少token使用、提升速度以及优化基础设施的重要性。
AI太贵了
文章认为,对于大多数公司而言,人工智能过于昂贵,在经济上不可行。超大规模云服务商在数据中心上花费了数万亿美元,但却未能产生相应的人工智能收入。文章指出,只有像NVIDIA这样的硬件供应商才能从当前的人工智能泡沫中受益。
Uber每月1500美元的AI限额对AI工具定价是个有用的信号
Uber限制每位员工每月对每款AI编码工具的代币支出上限为1500美元,这揭示了AI辅助软件工程在现实中的定价与价值评估。