如果公司這週開始檢查 AI 帳單，最麻煩的地方常藏在流程裡：客服摘要、合約草稿、coding agent、會議整理和內部搜尋都混在同一個模型池。低風險分類和高風險法務覆核用同一種模型，帳單會變快；出錯時，也很難追到是哪個任務讓成本失控。
6 月 29 日出現三個很適合放在同一張成本圖上的訊號。加州政府官方宣布，州政府機關以及城市、郡等地方政府可用 50% 折扣取得 Anthropic Claude，並搭配訓練和技術支援。The Decoder 另依 The Information 報導，Amazon 部分工程師已在研究把 Anthropic 模型蒸餾成更小、成本更低的內部模型，以因應未來可能改成 token 計價的合作成本。Coinbase 的例子則顯示，企業可以用 GLM、Kimi 等低成本模型、快取和自動路由，把成長中的 AI 用量壓回可管理範圍。
這些案例沒有指向一個簡單結論。它們提醒採購、產品和工程團隊先把任務分成低風險高頻、需要驗證的中階任務、以及必須保留旗艦模型和人工覆核的高風險任務。等 OpenAI 或 Anthropic 公開降價，只能解決一小段問題；把任務分流，才有機會同時控制成本、品質和責任歸屬。
6 月底多了哪些新訊號？
這波 AI 價格戰原本就已經開始。WSJ 6 月中旬報導，越來越多企業用便宜模型、開源模型與模型路由降低推理成本，讓 OpenAI、Anthropic 這類 frontier model 公司面臨價格壓力。6 月底的新消息，把壓力拆成三種企業看得懂的行為。
加州案是最穩的訊號。州政府新聞稿明確寫到，Claude 會成為州政府機關可用的 AI productivity assistant，城市和郡等地方政府也可取得同樣折扣。合作內容還包含免費 workforce training、Anthropic 開發者提供的技術協助與 workflow input。這比較像「公共部門採購包」：折扣、訓練、導入和責任框架一起談，不能解讀成所有 Claude 方案全面降價。
Amazon 案例需要保留不確定性。The Decoder 依 The Information 報導，部分 Amazon 工程師正在研究用 Anthropic 模型蒸餾較小模型，以降低內部使用成本；報導同時提到 Amazon 對成本上升的說法有保留。Amazon 與 Anthropic 官方尚未確認這是完整策略，適合當作大型客戶成本壓力的訊號：當 token 用量和合約計價改變，超大客戶自然會評估蒸餾、自家模型或替代供應商。
Coinbase 則是成本工程比較完整的範例。The Decoder 引述 Brian Armstrong 說法整理，Coinbase 把更多工作導向 GLM、Kimi 等低成本模型，也用自動路由、快取、上下文瘦身和使用量可視化管理成本。這正好接到我先前整理的 OpenRouter 模型路由成本設計：省錢的重點在每一類任務的升級規則，而非把所有任務丟給最低價模型。
企業現在該看 price per task
price per token 適合做採購初篩，但它沒有回答預算最痛的問題：一件任務完成到可交付，總共花了多少錢。客服團隊可以用這個例子理解：標籤分類可能只需要便宜模型；客訴摘要需要中階模型加抽樣檢查；涉及退款、法務條款或 VIP 客戶時，才需要旗艦模型與人工覆核。
若三種任務全部走同一個高階模型，帳單會先膨脹。若全部改成便宜模型，錯誤和返工又可能吃掉省下來的錢。比較好的算法，是把一個任務拆成模型費用、重試次數、人工修正時間、交付延遲和錯誤風險。這些合起來才是 price per task。
便宜模型在低風險流程裡可能很划算；高風險流程要看結果是否減少返工。這也是 AI ROI 與 token 成本 那類問題會變重要的原因：企業終究要知道 AI 是把工作變便宜，還是把錯誤藏到別的部門。
任務分流可以先用三層
很多公司會卡在「是不是要導入完整 LLM gateway」這個大題。第一步可以很小：先把現有 AI 用量依任務風險分三層，讓工程、財務和業務都看得懂。
高頻低風險任務適合先測低成本模型、中階模型、快取和模板，例如分類、格式轉換、短摘要、欄位抽取。可驗證的中階任務可以先用低成本模型，低信心或失敗時再升級，例如客服草稿、會議整理、內容初稿、資料清理。高風險高價值任務則應保留旗艦模型、專用評估和人工覆核，例如法務條款、資安事件、高價客訴、跨系統 debug。
這個做法不需要先買新平台。先挑每週跑最多的 5 到 10 個 AI 任務，記錄目前模型、平均 token、失敗率、人工修正時間和資料敏感度。接著選一個低風險任務做替代模型測試，例如標籤分類或會議摘要。只有當品質、延遲與人工修正都過關，才把它從旗艦模型移出去。
若候選清單包含 GLM、Kimi、DeepSeek、Qwen 這類開放權重或 API-only 模型，還要記錄參數規模、授權條款、是否能自託管、部署硬體或 API 成本。這些欄位會影響資料邊界、商用限制和長期維護，不能只看單次推理價格。
這樣做能降低內部阻力。財務部看到的是成本責任，工程團隊看到的是可測試的路由規則，業務部看到的是哪些任務不會因為省錢而犧牲品質。
OpenAI、Anthropic 和 Google 的壓力在哪裡？
frontier lab 的壓力來自低難度流量開始被重新分配。當企業可以用 OpenRouter、Vercel AI Gateway、雲端模型平台或內部路由層切換模型，OpenAI、Anthropic、Google 會同時面對開權重模型、雲端小模型、自家蒸餾模型和大型客戶議價。
Anthropic 常用「看完成任務的總成本」回應價格壓力，這個論點合理，也會把標準拉高。當客戶真的開始做任務層級的評估，旗艦模型必須在複雜推理、長上下文、程式修復、資安判斷、敏感文件處理等場景拿出足夠明顯的成功率優勢。
OpenAI 也面臨同樣壓力。若企業能用較便宜模型處理大量高頻任務，GPT 高階模型就會更集中在需要判斷力、工具協調與可靠性的工作。這對模型公司可以是好事，前提是收入來自高價值場景，而非依賴所有文字處理的預設流量。
小團隊和內容站也該跟著調整
小團隊不一定有州政府等級的採購折扣，也不一定需要自己蒸餾模型，但同樣會遇到成本分流問題。內容站、顧問團隊或產品小隊常見的痛點是：選題、來源整理、圖片、翻譯、程式修 bug、內部連結、報表摘要都開始用 AI，月底才發現不知道哪一段最花錢。
可以先做四件事。先列出每週重複出現的 AI 任務，不要只列模型名稱。再標記每個任務的風險：錯了只是重跑，還是會影響客戶、法務、收入或品牌信任。第三步，為低風險任務建立便宜模型或中階模型基準，保留一小批人工抽查。最後定義升級條件，例如低信心、長文件、跨資料源、資安或合規關鍵字出現時才升級到強模型。
這條路不需要一開始就完全自動化。先把任務、成本和風險放到同一張表裡，就能避免「因為某家模型很強，所以所有流程都用它」的習慣性浪費。若團隊已經在做提示詞和 token 控制，也可以接著整理 token efficiency 的基本規則，先把上下文長度和重複輸入降下來。
採購與產品團隊本週可以檢查什麼？
如果團隊正在談 OpenAI、Anthropic、Google 或多模型平台合約，可以把問題從「能不能便宜一點」推進到「哪些流程有可驗證的降本空間」。折扣是否包含訓練、導入支援、工作流程設計與使用量報表？哪些任務可以用低成本模型先跑，再由高階模型抽查或處理例外？哪些資料不能送到外部模型，需要本地模型、私有部署或更嚴格的供應商條款？
合約計價如果從固定用量改成 token 或任務量，最容易爆量的是哪個流程，也要先找出來。模型切換後，成功率、返工時間與客訴風險要怎麼量化，應該寫進評估方式。這些問題會比「哪家模型最便宜」更接近 2026 年企業 AI 採購的核心：模型公司、雲端平台和內部團隊都要證明每個 AI 流程值得花這筆錢。
常見問題
AI 價格戰是什麼？ 這是模型公司在企業與開發者市場上，因為開權重模型、低成本模型、模型路由與大型客戶議價而面臨降價或證明總成本價值的壓力。OpenAI 和 Anthropic 彼此競爭，也同時面對 Google、DeepSeek、Qwen、GLM、Meta、Mistral、Nvidia、Microsoft 和各種模型路由平台。
加州 Claude 50% 折扣代表 Anthropic 全面降價嗎？ 目前不能這樣解讀。加州政府官方說明的是州政府機關與地方政府可用 50% 折扣取得 Claude，並搭配訓練與技術支援。它的意義在於大型採購更可能把折扣、導入、訓練和治理綁在一起談。
Amazon 蒸餾 Anthropic 模型的消息可以當成確定事實嗎？ 目前應該用「據報」處理。The Decoder 依 The Information 報導，Amazon 部分工程師正在研究用 Anthropic 模型蒸餾較小模型，以降低內部使用成本；報導也提到 Amazon 對成本上升的說法有保留。這個案例適合作為大型客戶成本壓力的訊號，但不該寫成 Amazon 官方確認的完整策略。
企業應該直接改用最便宜模型嗎？ 不建議。便宜模型適合高頻、低風險、容易驗證的任務；高風險、長流程、複雜推理、資安、法務、醫療、金融決策等任務，仍需要更強模型、嚴格評估與人工覆核。目標是降低每件任務的合理總成本，不能只追求最低單價。
模型路由會變成標配嗎？ 高用量團隊很可能會。只要企業同時使用多個模型，並且 AI 流量開始進入客服、內容、程式、資料與內部搜尋，就需要路由層處理成本、品質、延遲、備援、資料政策與治理。規模較小的團隊可以先用手動分流和簡單基準測試，不必一開始就建完整平台。
參考來源
- Governor of California：Governor Newsom announces a first-of-its-kind partnership, providing Anthropic tools to state agencies and improving services for Californians
- TechCrunch：Anthropic and Gov. Newsom forge deal allowing California government to use Claude at half price
- The Decoder：Amazon engineers are reportedly distilling Anthropic models to cut costs before new token-based pricing kicks in
- The Decoder：Coinbase joins the rush to Chinese AI models as Western labs face a pricing stress test
- WSJ：The AI Price War Is Here, Piling Pressure on OpenAI and Anthropic
- Business Insider：Satya Nadella is trying to rein in the tokenmaxxers at Microsoft