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。
AI使用收费机制让我感到不合理。
作者认为当前AI使用定价模式存在缺陷,因为用户被收取了不可见的‘思考’token费用,形成了依赖信任的计费系统。他们建议实验室要么调整输出token定价,要么按计算资源明确收费。
AI token 使用在什么情况下会成为业务问题?
文章强调了AI token使用经济性在大规模应用时被低估的挑战,讨论了随着组织从概念验证转向企业级部署,成本如何成为治理问题。它提出了关于成本可见性、监控以及平衡性能与成本的问题。
AI的成本还是AI的收入——我们哪里搞错了?
分析Claude Fable 5的成本与定价模式、Anthropic停止在订阅中包含前沿模型并转向按token计费的决定,以及这对AI访问和不平等带来的更广泛经济影响。
AI的可负担性危机
文章分析了AI平台不可持续的经济学,揭示了巨额补贴,像OpenAI和Anthropic这样的公司通过远低于成本的收费损失了数十亿美元,导致了可负担性危机。