GitHub Copilot这次按Token计费的新政，直接让部分用户的月账单从44美元飙到了847美元。

这种做法彻底戳破了过去AI行业“补贴换增长”的泡沫。OpenAI的利润率已经到了负122%的底部，Uber把一整年的AI预算四个月就烧光了。

当资本耐心告急，Coinbase和Hugging Face的掌门人给出了他们的判断：成本低99%的廉价模型，加上开源小模型，未来可能要拿下八成AI工作负载。

GitHub Copilot的定价转型，正在引爆一场AI商业模式的深层讨论。

当按量计费取代固定订阅，用户账单开始真正刺痛神经。与此同时，Coinbase、Hugging Face这些公司的掌舵人，也给出了截然不同的破局思路。

廉价模型的崛起，或将彻底改写AI算力的成本逻辑。

6月1日，微软旗下GitHub Copilot正式将计费模式从按请求次数切换为按Token用量。

部分重度用户的月度账单，也因此从之前的数十美元直接冲到数百美元。这一变化迅速在社交媒体炸开。

有用户晒出内部成本估算截图，显示其月度费用从44.68美元跳到754.29美元，另有用户预计账单将高达847美元。

这场定价风波背后，是AI行业长期以来以补贴换增长模式的集中爆发。

Coinbase首席执行官Brian Armstrong对此发声，预判80%的AI工作负载将在12至18个月内迁移至成本低99%的模型，能源与算力将成为真正的瓶颈。

Hugging Face首席执行官Clement Delangue则援引斯坦福大学研究数据，为本地化、开源小模型的大规模替代提供了实证支撑。

01

GitHub Copilot定价转型：补贴时代终结

GitHub Copilot的定价调整并非心血来潮。

今年4月，GitHub首席产品官Mario Rodriguez已经公开表态：随着智能体AI的兴起，现行定价模式“已经无法持续”。

一次简短的对话提问，和一次耗时数小时的自主编程，此前对用户收着同样的费用。而GitHub一直在背后自己消化不断攀升的推理成本。

新计费方式如何变化

新政策于6月1日正式生效。

在新体系下，用量成本按所使用的AI模型及消耗的Token数量折算为AI积分，每个积分等值0.01美元。订阅用户可获得固定基础积分配额，并根据订阅层级获得额外弹性积分。

由于前沿AI模型通常消耗更多Token，不同模型之间的实际成本差异相当悬殊。

用户账单为何迅速上升

用户的反应迅速而激烈。

在GitHub的Reddit社区，一名自称从首日起便订阅Copilot Pro+的用户写道：“每月39美元感觉已经很贵了，但还算值。现在换成这套AI积分机制，我算了一下，下个月预计账单：847美元。”

多名用户将这一变化比作Uber的商业路径：以超低价格培养用户依赖，等用户养成了习惯再大幅提价。

Gartner分析师Arun Chandrasekaran在接受Business Insider采访时表示，Copilot的案例“可能只是一个早期样本”。

他预计，随着高级推理模型和智能体工作流推动推理端算力消耗大幅上升，更多企业将转向按Token或按用量计费模式。

02

补贴模式的系统性风险

这场定价风波，折射出AI行业更深层的结构性矛盾。

投资人Tommy Shaughnessy在社交媒体上发文，系统梳理了他所认为的“AI最显而易见的崩溃路径”。

固定订阅为何难以持续

他指出，按席位订阅的固定费用长期以来被大幅补贴，远低于重度使用的实际成本。

一旦企业出于数据保护、合规审批等需求转向API调用，就会直面按量计费的真实价格，而实际消耗速度往往远超预期。

他援引多个案例佐证这一趋势，包括Uber在2026年将全年AI预算在四个月内耗尽。

资本补贴的风险正在暴露

Shaughnessy进一步指出，当前AI大厂的利润率已深度为负。

据报道OpenAI的利润率接近负122%。这意味着它们完全依赖外部资本来购买GPU、训练模型并持续补贴用量。

在他看来，一旦投资者对回报预期失去信心，整个资本流动将面临逆转风险。

这一逻辑也存在边界

当然，他也提示了这一逻辑的边界。

若AI真正催生新药研发或全新商业形态，用户对高价AI服务的支付意愿将大幅提升，届时上述压力或许会得到缓解。

03

Coinbase CEO：廉价模型将主导未来

面对算力成本的持续攀升，Coinbase首席执行官Brian Armstrong给出了他的判断框架。

他的观点是：对智能的需求近乎无限，但市场将快速分化。

• 80%的工作负载将在12至18个月内迁移至成本低99%的模型
• 剩余20%对智能上限有极致要求的任务，比如科学突破、高层级编排智能体，仍将运行在最新一代前沿模型上

为什么会出现这种分化

Armstrong将这一趋势类比于消费电子市场：买顶配MacBook或游戏PC的人始终是少数。

而AI领域的价格下降速度，甚至比摩尔定律还要快。

他由此得出结论：未来真正的制约因素将是能源与算力，而非模型能力本身。

Coinbase的内部实践

Armstrong还透露了Coinbase的内部实践。

公司正积极推进提示词路由策略，将请求分配至成本更低的模型。

在部分场景下，已实现总成本基本持平，而Token用量仍在指数级增长。

04

开源小模型：多模型未来的实证支撑

Hugging Face首席执行官Clement Delangue援引斯坦福大学研究数据，为廉价模型的替代潜力提供了量化依据。

• 本地模型在真实世界的对话与推理查询中的准确率已从2023年的23.2%跃升至71.3%
• 成本与能耗均仅为前沿API的一小部分

Delangue据此提出了“多模型未来”的判断。

对于大多数工作负载，本地化、开源、小型且廉价的模型将成为主流选择；只有在别无选择时，才需要调用前沿API。

开源模型正在压缩闭源定价空间

Shaughnessy的分析与此形成呼应。

他指出，DeepSeek V4在SWE-bench编程基准测试中的表现与Anthropic Claude Opus相近，但价格约为后者的三十分之一；最廉价的开源模型价格甚至低至约百分之一。

他认为，中国实验室持续开源前沿级模型，使推理服务提供商得以免费获取最核心的模型成本。

这正在从根本上压制闭源AI大厂的定价能力与利润空间。