DeepSeek降價75%未解企業成本困局：Agent工作流的百倍Token消耗問題
幫你做功課
三句話說明發生什麼事
- DeepSeek將V4-Pro模型定價下調75%，但企業AI廠商發現更低的模型價格未自動帶來更健康的利潤率。
- Agent系統將單一用戶請求拆解為規劃、檢索、工具呼叫、驗證、摘要等多個步驟，每個步驟均產生可計費的Token消耗，形成「100倍問題」。
- OpenAI據報擬向Y Combinator旗下新創提供每家200萬美元的API額度，顯示推論成本在規模應用後的實際量級遠超早期預期。
三句話說明這事的意義
- Token單價下滑與工作流Token消耗量增長之間的剪刀差，意味著企業在Agent化轉型過程中邊際成本不降反升，商業模式需要重新設計。
- 「推論成本終將可忽略不計」的假設已被打破，任何以Agent為核心的AI產品在定價與毛利規劃上，都必須以工作流整體成本而非單次呼叫成本為基準。
- 對亞太地區正評估導入Agent方案的決策者而言，選型時不應只看模型定價，而應要求供應商提供典型工作流的完整Token消耗估算，避免在規模化後才發現成本失控。
DeepSeek近期將旗艦模型V4-Pro定價大幅下調75%，理論上應為企業AI開發者帶來明顯的成本紅利，但實際情況遠非如此樂觀。問題的核心在於：推論（inference）單價雖在下滑，但以Agent為架構的AI系統正以遠快於降價的速度吞噬Token。傳統聊天機器人的邏輯是「一個用戶問題對應一次模型呼叫」，而Agent工作流則將同一個請求拆解為規劃、檢索、工具呼叫、驗證、摘要、後續決策等一連串操作，用戶看到的仍是一個答案，但廠商承擔的是整條循環的費用。這就是所謂「100倍問題」：同一個用戶請求，透過Agent工作流處理的成本可能是傳統RAG或聊天機器人的數十乃至上百倍，且工作流越長，乘數效應越顯著。模型降價有所幫助，但無法根本修正一個將單一提示轉化為數十個計費操作的產品架構。OpenAI據報擬向Y Combinator新創提供200萬美元API額度，亦間接說明推論成本在規模化應用後的實際量級。對於正在評估AI Agent商業落地的亞太企業而言，這一結構性矛盾意味著：降價訊號不能直接等號於利潤改善，成本模型需要從Token單價重新校準至工作流層級。
原文出處
訂閱品富智圖 AI 新聞
每日 AI 產業要聞彙整，一封信直送信箱。