除了呼吁不打价格战，罗福莉的另一个核心观点是：长期来看，Agent时代的模型正在迎接一个“被迫进化”的过程，优化上下文管理、复用已有计算结果、减少无效token消耗是接下来的迭代方向。

在她看来，Anthropic的这一步，正在推动整个生态向这个方向：让高效的Agent和高效的模型协同进化。

不过，面对Anthropic这一策略调整，也有人选择了不买账。

OpenClaw作者Peter Steinberger在X上直接开喷，他表示，曾尝试与Anthropic沟通，但最终只争取到一周的缓冲时间。

OpenClaw的广大用户群体无疑是这一轮调整的最大受害者，很多用户订阅Claude，本来就是为了运行OpenClaw，而现在，这条路径被直接切断。

当原本被认为“高昂价格”的200美元的订阅，突然间能跑出几千美元的算力消耗，无疑是对厂商定价策略的一次考验。

另一方面，这并非是一句简单的“Token调用变多了”就能解释的现象。Agent正在重塑Token的调用逻辑，而背后这笔账，算起来还真有点复杂。

600倍浮动下，模型该怎么定价

如果要用一个词来解释这场争议的核心，那就是——波动，不可预测的波动。

南洋理工大学等团队在近期发布的研究《Beyond Max Tokens》显示，在多轮工具调用的智能体场景中，同一个任务的计算消耗，可能出现最高658倍的差异。

一条看起来类似的任务，有的几千个计算单元就结束，有的则被拉到数万甚至更高。这意味着，模型的成本不只是变得更高，而是不可预测。

“我仔细观察过OpenClaw的上下文管理——做得不怎么样。”

解构罗福莉在X上的发言，你能发现和南洋理工这份研究的契合之处。罗福莉发现，在OpenClaw的一个用户请求里，往往会发起多轮低价值的工具调用，带来了巨大的模型调用量的浪费。

“真实成本很可能是订阅价格的几十倍。这不是差距——这是一个‘深坑’。”

罗福莉所说“深坑”，问题出在OpenClaw这类智能体的运行方式：一个任务往往需要多轮尝试和回退，很多计算并不会直接产生结果，但依然消耗资源。

但这个消耗资源的具体量级很难测算，这也是Claude选择封禁掉订阅接入Agent的渠道，而不是选择新设立一个“合理”定价的订阅套餐。

总而言之，随着Agent生态加速演变，Token用量的“合理”范围，压根无法准确预估。

“我们一直在努力满足不断增长的Claude需求，但我们的订阅服务并非为这些第三方工具的使用模式而设计的。”谈及这一次业务调整，Claude Code负责人Boris Cherny此前在X上这样写道。

他表示：“Token是一种我们谨慎管理的资源，我们将优先考虑使用我们产品和API的客户。”

对于这一调整带来的影响，有业内分析称之为“自助餐已经结束了”。OpenClaw开启了Agent的大航海时代，但也推翻了此前的模型定价门槛。一个OpenClaw代理运行一天，就可能消耗1000到5000美元的API成本。

“Anthropic正在承担每个通过第三方接口用户所产生的这部分差价，”增长营销专家Aakash Gupta在X上写道。“这就是一家公司眼睁睁看着利润实时蒸发的速度。”

成本完全失控，这是Anthropic不得不立刻做出反应的原因。

在Chatbot形态里，订阅制之所以能延续，是因为可以根据历史数据，统计出一个代表大部分用户的用量均值：轻度用户覆盖重度用户，整体成本可以被摊平。

但在Agent场景中，这种结构被打破。重度使用不再是个例，而是由产品形态本身决定的结果。只要模型开始“执行任务”，就必然会出现长链路调用、上下文膨胀和重复尝试。

类似的变化，其实已经在其他产品中出现。此前当Cursor在调整定价时，就从“按请求次数计费”转向“按实际Token成本折算的额度”，原因同样是长链路任务带来的成本差异，已经无法用固定配额衡量。

不过，用Token作为唯一定价、实算实销的方式虽然看起来很科学，但是也带来了新的问题，Agent链路下Token用量不确定性依然存在，如果完全用实际Token用量核算，相当于把这种不确定性转嫁给了用户。

因此，当Anthropic发表声明后，用户不买账的声音也此起彼伏。

X上有许多用户表示，切换到API计费跑OpenClaw成本会严重攀升，使得他们不得不考虑其他途径。

而已经被OpenAI“收编”的OpenClaw创始人Steinberger，在X上“开喷”也带了一丝叫板的意味。

有外媒分析，OpenAI似乎正在将自己定位为一个更“易于上手”的替代方案，并可能利用这一契机，从不满的Claude高级用户那里获取客户。

知名媒体Axios此前在报道中披露，曾有一位行业资深人士表示，“Anthropic强调训练和运行模型的效率，而OpenAI的心态是，CEO奥特曼总能筹集到更多资金来支持计算规模的扩展。”

这场争论的结局尚未可知，但毫无疑问的是，在2026年的AI领域，第三方自动化获得补贴、无限计算能力的时代已经结束。

不管采用哪种计费逻辑，更谨慎、更细化的Token收费模式已在路上。

配额不是唯一出路，但已是眼下最优解

进一步讨论定价问题前，有必要先解释下目前模型产品的主流计费模式。

目前主流模型厂商大致形成“三层计费结构”。第一层是订阅制，面向个人用户，如ChatGPT Plus、Claude Pro、Gemini Advanced，按月收费，提供更强模型与更高调用上限，但通常伴随速率与用量限制。

第二层是API按量计费，以OpenAI、Anthropic、Google以及国内火山引擎、阿里云、智谱等公司，按token或等价计算量收费，是开发者与企业的核心结算方式。

在此之上，各家又推出Coding Plan/Token Plan等套餐，作为订阅与按量之间的过渡形态：用户按月付费获得一定额度与优先权，但超额仍需按量付费，并伴随公平使用与限流机制。

在Agent场景中，这一分层尤为关键，自动化调用大都只支持API按量计费，订阅与套餐难以覆盖高强度、多轮调用的算力消耗。而大部分“订阅模式”只针对一般用户的Chatbot和内嵌Agent功能。

随着Anthropic针对Openclaw切换计费方式，其他厂商也相继做出反应，是更直接的——涨价。

过去几周时间里，一轮集中调价出现在国内AI云厂商中。

腾讯云此前宣布，自上月13日起结束部分模型的免费公测，并转为正式收费，同时对混元系列模型进行大幅调价，部分价格涨幅超过400%。

随后，阿里和百度方面也发布公告，本月月中开始上调AI算力和存储价格，整体涨幅在5%—30%区间。

而在几天前智谱的财报电话会议上，CEO张鹏披露，2026年一季度接口调用价格提升了83%，但调用量仍然增长400%。

接连几家AI云厂商涨价，说明了一件事：模型需求的增长来得太快，甚至厂商的基建层都倍感压力。

这一点在罗福莉的发文中也有体现：“更宏观地看：全球的算力供给，跟不上agent带来的token需求增长。”真正的出路，不是更便宜的token，而是模型和Agent的‘协同进化’。”

只是，在更高效的模型+Agent架构面世之前，涨价或者限制订阅，并不能解决这套计费逻辑中的核心矛盾。

从用户视角看，购买的是“任务完成”；但从模型厂商的视角，计量的是“计算过程”。

这两者之间，目前存在着明显的错位。走订阅，厂商要承担Token调用不稳定的风险；走API，这个风险又来到了用户身上。

这也是为什么“订阅+配额+API”的组合，同时出现在了各大厂商的落地方案中。

在Harness/Coding场景下，各类plan本质上是一种用户与模型厂商之间的相互妥协：厂商通过Coding/Token Plan套餐锁定一部分额度，换取用户侧的价格确定性，同时用限流和规则控制风险。

但在OpenClaw这类更不受控的agent场景中，调用强度和路径都难以约束，这种“妥协”很难成立，厂商们更多选择 API按量计费。

订阅负责轻量使用，配额限制极端消耗，超额部分按量计费。本质上，这是一种对不确定性的缓冲机制。

不过，Token计价也并不是唯一的解法，行业内已经在探索一些“另类”的模型收费模式。

一类是按任务收费。比如Anthropic在Claude Code中推出的Code Review功能，直接按一次PR审查计价，单次review平均成本在15–25美元，并随代码规模和复杂度浮动。

二是按结果收费，已经在企业侧落地，比如智能客服、RPA厂商按“问题解决”或“流程完成”计价；还有一种是按时间收费，比如xAI的语音agent按运行时长计费，约0.05美元/分钟）。

几天前，在火山引擎武汉站巡展活动中，当字母AI问及“面对模型调用激增、Token消耗存在不确定性的现状，模型厂商该如何优化定价策略？”时，火山引擎总裁谭待这样回应：

“目前OpenClaw这类通用型平台适合按Token收费，因为其应用场景广泛，无法统一定义效果和成本。”谭待同时表示，未来可能会孵化出垂直领域的智能体，如客服智能体，就可以按回答问题的数量收费。“类似线下找客服的模式，按效果付费。”

“（Anthropic的这一步）大概率是一件好事。Agent时代不属于消耗最多算力的人，而属于最会使用算力的人。”在那篇发文最后，罗福莉这样总结道。

显然，围绕Token收费的争论还将持续下去，这一争论将取决于未来模型-Agent在效率层面的迭代情况。

我们可以确定的是，过去一度被压到几厘钱每Token的单价，在这个调用量激增、链路无限延伸的Agent爆发周期，已经变成了每一个用户都无法忽视的成本因素。

Agent大航海时代，Token收费这笔账，值得每一个厂商认真盘一盘。