一句话看懂：《华尔街日报》援引的一项调研显示，约 400 家企业中只有 11% 能准确预测自己的 AI 支出；同时另一项覆盖 6800 多个任务的测试发现，在 32% 的任务上，便宜模型的实际成本反而高于更贵的模型。
事件核心：发生了什么
据 Techmeme 收录的《华尔街日报》消息，一项针对约 400 家企业的调研给出两个值得注意的数字：只有 11% 的企业能够较为准确地预测自身的 AI 支出。与此同时，另一项横跨 6800 多个任务的对比研究发现，在 32% 的任务场景里，单价更低的模型最终花费反而比单价更高的模型更多。报道时间点为 2026 年 10 月 5 日。
为什么重要
这两组数据指向同一个问题：AI 的成本结构并不像传统软件采购那样可预算、可线性推算。按 token 计价的 API 看似透明，但任务能否一次跑通、需要几轮重试、上下文有多长、是否触发推理模式的额外算力，都会把账单推高。也就是说，单价只是起点，不是终点。对企业采购方而言，这意味着“选便宜的”未必省钱；对模型厂商而言，真正的竞争维度正在从“每百万 token 多少钱”转向“完成同样任务要花多少钱”。这一变化也会影响闭源与开源模型的选择逻辑——开源模型省下的是授权费，但可能把成本转移到算力、运维和工程调试上。
对用户/开发者/创作者的影响
开发者应把评测单位从“单次调用价格”改为“单任务总成本”，在实际业务负载上跑 A/B 对比，记录重试率、失败率和平均 token 消耗，而不是只看价目表。企业采购需要预留弹性预算，并建立用量监控与告警，否则 AI 支出很容易像云成本一样失控。内容创作者和轻量用户受影响较小，但如果在图像生成、长文本处理等场景中频繁切换模型，也应留意低价模型是否因质量问题带来额外返工。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是是否会有更完整的调研或数据集公开，让“32% 任务成本倒挂”的结论可复核；二是主流模型厂商是否会推出按“任务完成”计费或成本可预测的定价方式；三是企业侧是否开始把成本可预测性列为选型硬指标，进而改变 API 市场的竞争重心。
来源：Techmeme
