AI采购暗藏的成本反噬

斯坦福大学与加州大学伯克利分校的最新研究论文，悄悄动摇了企业在选购AI时最常依赖的普遍看法之一。

结论是：价格更低的AI模型，实际支出往往反而更高。

研究团队抽样考察了8款处于前沿水平的AI模型，并将它们放到9类不同任务中做对照。结果显示，在超过五分之一的模型比较中，标价更便宜的方案在落地使用时反而需要付出更高成本，极端情况下甚至可能高出28倍。

其中一个对比很直观：Gemini Flash的标价相较GPT-5.2低了78%，但在各项任务的真实执行成本上，它却高出22%。

原因是什么？现代AI的工作并不只是“直接生成内容”，它还会先完成内部推理。研究人员称，这类过程会消耗所谓的“思考token”，而不同模型与不同任务对其消耗程度差别很大。同一条查询下，有的模型可能比另一种多用达900%的思考token——这些差异在定价页面上通常看不到。

研究人员用一个形象的比喻来说明：效率更高的顾问日费率可能更高，但能在两天内把问题解决，而不是花十天。关键在于每小时成本，而不是死盯日费率。很多组织选用AI工具的方式，就像比较手机资费套餐一样，只盯单位价格，这种思路本身就容易偏差。

当AI从试验阶段走向核心业务流程，那些在电子表格里看起来“财务上说得过去”的采购决策，到了真实生产环境里可能会付出更高代价。能真正理解AI定价背后逻辑（而不仅是表面标价）的管理者，往往会做出更好的选择。