ai-costs

Artificial Analysis 新发布的 Coding Agent Index 显示，Claude Code 中的 Claude Sonnet 5.5 以 68 分领先，但 Gemini 4 Argon 在 Antigravity CLI 中（64 分）以不到一半的成本紧随其后，而 GPT-6.1 Sol 在 Codex 中得分 63，每项任务成本仅 1.04 美元。

在LLM Gateway基准测试试点中，基于Jev的模型路由实现了比高级模型节省33.2%的成本，但固定中等价位的模型在任务性能相当的情况下提供了更好的价值。

文章讨论了AI成本迅速下降的一种情景，以至于主要的AI公司可能无法收回他们的投资，引用了Epoch AI的研究，表明AI成本降低的速度超过了其他变革性技术。

据彭博社报道，由于令牌使用量激增20倍，Harvey租赁OpenAI和Anthropic模型的成本大幅上升，导致毛利率从约50%下降至-50%（截至六月）。

Bending Spoons，一家意大利科技公司，自行托管开放权重AI模型，处理约99%的请求，仅对最复杂的任务使用前沿模型，以保持供应商中立并降低成本。

这篇文章推测，AI公司可能正接近LLM重大进展的尽头，随着训练成本上升和收益递减，可能导致进展放缓以维持炒作。

作者构建了一个基于成本和性能数据自动路由 LLM 选择的系统，旨在优化 AI 支出，并计划将该工具开源。

Anthropic宣布其AI模型API的定价变更，输入token和输出token的费率分别为每百万10美元和50美元，且缓存读取成本降低75%。该公司声称这些变更使典型成本降低约25%，对于代理工作负载可节省高达45%。

作者解释了由于AI代理活动增强导致token成本翻三倍的原因，强调了可观测性在管理自主系统中的重要性，并推广了由Honeycomb和Liz Fong-Jones提供的免费可观测性工程大师课。

一个讨论，旨在寻求实际中跟踪和降低生产AI成本的策略见解，强调成本飙升和与质量的权衡等挑战。

本文重点介绍了将AI费用追溯到特定项目和工作负载的挑战，并提出了一种主动预算和监控成本的实用方法。

Router by Ramp 是一款新产品，旨在通过帮助用户管理和减少 API 相关成本来节省 AI 代币使用费用。

Gartner 预测，由于效率提升使得更强大的模型和应用成为可能，每个代理工作流的AI推理成本到2028年将增加五倍以上，却矛盾地提高了总体成本。

文章认为，许多AI智能体工作流将每个任务都路由到前沿模型，浪费了资金，并建议对简单、结构化的任务使用更便宜的模型层级，同时将更困难的任务升级。文章提供了一个成本比较，显示分层方法可节省高达75%的费用。

由于提供AI功能的成本意外高昂，Canva将其预期营收增长率削减了三分之一，降至20%，凸显了AI推理成本如何削弱传统SaaS经济模式。Figma也出现了利润率压缩，标志着整个行业面临的更广泛挑战。

ARK Invest分享了关于特斯拉可能减少对中国依赖的要点，涵盖合并时机、AI成本、市场赢家以及AI硬件等视频分解内容。

文章讨论了 2026-07-28 更新日志中 MCP 规范对 Sampling 的弃用，将模型调用成本从客户端转移到服务器，并建议如何通过代码或日志检查服务器是否依赖 Sampling。

Atlassian CEO Mike Cannon-Brookes表示，随着Rovo使用量的增长，公司已成功控制AI成本，不过由于AI托管费用，利润率将略有下降。文章将Atlassian的做法与Canva和Uber面临的困境进行了对比。

一位开发者抱怨 OpenAI Codex CLI 在一个游戏项目上几分钟内消耗了 150 万 token，质疑如何负担得起地使用 AI 编码工具，并寻求建议。

随着成本不断上升，企业纷纷设法削减 AI 令牌支出。埃森哲（Accenture）透露，非工程师和 PDF 转 Markdown 是主要的令牌消耗来源。