Y Combinator創始人Paul Graham：人工智能按token計費，但token不是推理的計量單位
Y Combinator創始人Paul Graham發文稱，人工智能按token計費，但token不是推理的計量單位，因爲模型變強後，同樣代幣能解決更多問題。他提出應定義新單位，方法是用一串難度遞增的題目，每一對都能被同一代模型解出，以此標定“一單位推理”。
計費現狀是輸入輸出按百萬token報價，簡單問答與長鏈推理共用價目。測試時計算把思考時間拉長，同一任務可消耗數倍代幣，價籤卻仍寫在字符上。業內已有買方按“完成一單”覈算：標價相同的模型，因重試與囉嗦，實際關單成本可差三倍以上。應用層投資者也在勸產品公司不要把模型層的代幣邏輯帶進應用層，能度量結果就按結果收費。
Mridul Singhai並不買賬。他認爲模型變強，部分來自使用過程中生成的訓練數據；把這些數據蒸餾、打包成捷徑再賣給後來者，好處已經落在模型公司賬上。按他的邏輯，token降價與能力上升不是用戶單方面賺到的效率，而是用戶對話正在補貼下一版權重。單位若只量“解題密度”，會漏掉數據迴流這條暗線。
Graham的尺子接近基準階梯：相鄰兩道題剛好被同一代模型跨過，代際躍遷就寫成可比較的推理量子。難題在於題目會泄漏進訓練，階梯被爬過一次就貶值；用戶提示質量也改變每token產出，單位很難從人的技巧裏剝離。成本單位仍是瓦特與代幣，收益單位是任務；兩者錯位，纔出現“越強越便宜卻越貴”的賬單爭議。
沒有交易所爲這種單位報價，也沒有監管指定計量標準。討論發生在按代幣賣API、按座賣套件、按結果賣工作流同時存在的階段。誰先讓採購部門看懂“每單位推理”，誰就有機會改寫預算科目。
市場機制上，買方是要可預測賬單的企業採購，賣方是把能力進步藏進同一價目表的模型公司。這是計量標準之爭，不是單日行情。資金繼續按token流入推理集羣；受益方是能用同一代幣做出更難題目、並把用戶軌跡寫回權重的實驗室，承壓方是按token對賬卻按任務交付的應用公司，以及發現自己的對話正在訓練下一版對手的用戶。
來源：公開信息
ABAB AI 解讀
Graham在Y Combinator時期把創業指標從虛榮數字改成可驗證進度，這次把同一習慣用到推理賬單。代幣是電錶，不是智商。他要的階梯很像高考年年換卷：必須有相鄰難度，才能說某一代模型值幾個單位。實驗室已經用競賽題和代理基準做內部換算，缺的是買方也認的公開尺子。沒有尺子，降價新聞與漲能力新聞就無法對賬。
資本路徑是把測試時計算賣成更長的思維鏈，收入按代幣增長，成本按卡時增長。用戶軌跡進蒸餾集，等於把賬單的一部分變成訓練補貼。Singhai點破的是雙邊市場：你付錢買這一次解答，同時免費提供下一次權重的原料。單位若只量解題，模型公司就獨佔數據紅利；單位若量數據貢獻，API合約就得改成分成。現在沒有後一種合同。
類比不是電價改革，而是早期雲計算從按小時虛機改成按請求、再改成按完成的工作單元。OpenAI、Anthropic、Google仍在價目表上寫代幣，是因爲代幣可審計、題目不可審計。行業處在計量權爭奪：誰定義單位，誰定義利潤率。應用層若按結果收費，就必須自己喫掉代幣波動，等於做市商。
結構判斷屬於定價權轉移。機制是：能力進步讓每代幣的使用價值上升，價目表若不動，利潤流向權重所有者；用戶數據若再進訓練，使用價值的增量又被回收一次。賬單單位不改，買方永遠按舊尺子付錢，賣方按新能力收款。
ABAB News · 認知定律
計費單位不是價值單位，差額就是利潤。
你付的是這一次解答，補貼的是下一版權重。
誰定義計量單位，誰就定義利潤率。