AI越聪明越烧Token吗 Anthropic 刚上线的 Fable 5.2 就闹出了很写实的反差：官方明牌标准 Token 单价下调 20%，转头就有数据分析平台测出，新模型完成同一测试任务时消耗的 Token 更多，算下来总使用成本甚至比上代还高。一下把这个行业老问题又摆到了台面上：AI 越聪明，就注定越烧 Token 吗？

其实这事一点都不反直觉，本质是能力和工作量天然绑定。

弱模型处理任务，往往是浅尝辄止给个精简答案，逻辑跳步、细节省略，输出短平快，自然耗量低；但旗舰模型做深度推理，要走完整的思考链路 —— 拆解问题、分步推演、交叉校验、补全边界条件，相当于把以前需要人脑自行补齐的环节，全在模型内部跑通了。输出的信息密度、完整度和可靠性都上了台阶，Token 消耗跟着上涨，本来就是能力升级的伴生结果。

更别说现在旗舰模型都往智能体方向演进，你发一句请求，后台可能已经调度了多轮子任务、调用了数次工具、做了好几轮自我修正，用户看到的只是最终结果，背后是一整套完整工作流，消耗自然不是单轮问答能比的。

但这不等于 “越聪明越不划算”，账要分开算。

如果只是查常识、写短句、做简单判断，强模型并不会比普通模型多耗多少，甚至因为推理效率更高更省；真正拉高消耗的，是那些以前弱模型根本做不了的事 —— 从零写出操作系统、一天完成电路板设计、做跨学科深度科研推导。你用它干更重的活，自然要付对应的成本，但产出的价值也完全不在一个量级。

很多人有 “降价了反而更贵” 的错觉，本质是预期错配：以为单价降了总花费就该降，实则模型能力升级后，用户不自觉就会用它处理更复杂的任务，工作量量级上去了，总消耗自然水涨船高。