# Token 便宜到不值得计费了

> 原标题：Tokens Too Cheap to Meter

- 来源：Hacker News 首页
- 发布时间：2026-09-23T09:21:17.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58388
- 原文：https://jyn.dev/tokens-too-cheap-to-meter/

## 摘要

作者 jyn 用多张图表说明，AI 推理成本每年都在以数量级的速度下降。GPU 能效大约每两年翻一番，到 2026 年，完成同样任务的模型成本比 2025 年底便宜了两个数量级。像 vLLM 这样的推理引擎，每年还能额外带来 10% 到 50% 的吞吐量提升。文章判断，一两年内大模型会像水电一样成为计算基础设施，三到六年内，消费级硬件就能在本地跑通当前...

## 推荐理由

这篇不是泛泛说“AI 越来越便宜”，而是用三条下降曲线把账算出来了：GPU 能效翻番周期、推理引擎的优化红利、以及本地部署的时间窗口。数据来源和图表都有，判断有依据。扣分点在于这是个人博客，不是机构报告，但观点和论证密度够高，对正在算推理成本的人有直接参考价值。

## 锐评

这篇文章的核心判断很直接：AI 推理正在变得像水电一样便宜，而且降价速度没有停下来的迹象。作者用了几张对数图来撑这个观点，GPU 能效大概每两年翻一番，到 2026 年，完成同样任务的模型成本比 2025 年底便宜了两个数量级。加上 vLLM 这类推理引擎每年还能额外挤出 10% 到 50% 的吞吐量提升，趋势确实很猛。

不过，文章通篇没给出具体的美元价格，所有结论都基于相对趋势和图表斜率。这让我们很难判断“便宜”到底有多便宜——是比一杯咖啡便宜，还是比一次 API 调用便宜？另外，作者把“每任务成本”作为核心指标，但任务难度和模型质量之间的换算关系很模糊，小模型可能更啰嗦，大模型可能一步到位，这个账算起来没那么干净。

文章还缺一块关键信息：当 token 便宜到可以忽略不计时，模型提供商怎么赚钱？作者提到了杰文斯悖论，说用量会暴涨，但没讨论算力供给的上限和能源成本。如果电力和芯片产能跟不上，这个“免费”的未来可能只停留在实验室的基准测试里。