AI 编码补贴经济——Anthropic 13 倍补贴能持续多久

如果你用的是 AI 编码工具的「捆绑座席」，你大概率看不到自己烧掉了多少 token。

这正是问题的核心。Upbound（一家自称「全员 AI」的公司，其创始人 Bassam Tabbara 同时运营 Modelplane）发现：他们的工程师每天都用 Claude Code 写代码，按一个固定月费的捆绑座席计费，「你根本看不到 token 计量表」。

直到有一天，他们的一名工程师从捆绑座席切换到了 opencode，直接通过 API 按 token 跑 Opus 4.8。几周后一算账：这个人平均每月约 5500 美元——而同一个人、同样的工作量，在捆绑座席上只要 125 美元/月。

唯一的变化是：他们突然能看见 token 计量表了。

这个发现引出了一个让人不安的问题：如果所有人都从捆绑座席搬到按 token 计费，会花多少钱？ 答案是本文标题里的那个数字——平均约 13 倍。

本文的定位与差异化：

站内知识文 agent-cost-engineering-001 讲的是「token 计价 vs 成果计价」的范式之争——如何衡量 Agent 的成本效率。本文与之互补，聚焦一个更尖锐的问题：当前的平价，到底是不是真实的成本？如果不是，谁在补贴，又能补贴多久？ 这是一篇关于「补贴经济学」的文章，而非「成本工程」的文章。

重要口径声明（务必先读）： 本文核心的「13 倍」数据，来自 Modelplane/Upbound 创始人 Bassam Tabbara 的第三方测算（2026-07-23 发布）。这是一家深度使用 Anthropic 产品、且本身在这个赛道有商业利益的公司所做的自测，存在立场；其方法是读取本地 Claude Code 日志、按 Anthropic 公布的标价计费，样本为 20 名工程师的一个月数据。「13 倍」是平均值，中位数约为 7 倍——本文将如实区分这两个口径，不把它当作客观定论，而是当作一个「值得严肃对待的第三方信号」。

要严肃对待一个数字，先得搞清楚它是怎么来的。这份测算的方法论，比结论本身更有意思。

2.1 为什么「看不见 token」

捆绑座席（bundled seat）的设计，本质上就是把计量表藏起来。你付一个固定月费，随便用，看不到自己消耗了多少 token。分析仪表盘不报告 token；能报告 token 的 usage API 需要企业账户。

但 Claude Code 会在本地写下每个会话的日志，记录每条消息的 token 数，并保留大约最近 30 天。于是他们写了个小脚本，读取这些日志，按模型汇总 token，再用 Anthropic 公布的标价计费。

2.2 测算结果：平均 13 倍，中位 7 倍

他们拉取了 20 名工程师 6 月份的数据，按 Anthropic 标价计费，结果是：

• 每个人的用量，从不到 10 美元到 6470 美元不等
• 90% 以上是 Opus，主要是 Opus 4.8
• 对照 Anthropic 的 Premium 座席（125 美元/月），平均贵出约 13 倍
• 但中位数约为 7 倍——平均数被少数重度用户拉高了
• 最重度的那位，6 月用了 6470 美元，相当于单座席的 52 倍

2.3 这个数字的「水分」与「保守」

值得注意的是，这份测算其实是偏保守的下限：

• 本地日志在被查看前，已经清理掉了当月的一部分，所以漏算了一些用量
• 有几个人 6 月有几周在休假，月份是不完整的，但他们仍被计入，这反而拉低了平均值

也就是说，真实的补贴倍数可能比 13 倍更高，而不是更低——当然，这是测算者一方的说法，需要打个问号。

2.4 关键数据一览

小结：13 倍是「平均」，7 倍是「中位」。引用这个数字时，混淆二者是一种常见的误导——本文此后凡提及，均区分口径。

如果按 token 计费要贵 13 倍，那 125 美元的座席价是怎么撑住的？答案是：它在被补贴——而这场补贴，是一场三方心照不宣的游戏。

3.1 厂商为什么愿意补贴

对 Anthropic 这样的厂商而言，低价捆绑座席是一笔战略性亏损：

• 抢占开发者心智：让工程师「离不开」自己的工具，形成使用习惯与生态锁定
• 跑马圈地：在 AI 编码工具的价格战窗口期，份额优先于利润
• 数据与反馈飞轮：海量真实使用数据，反哺模型与产品迭代

这与当年网约车、外卖、流媒体的「烧钱补贴」如出一辙——先用远低于成本的价格圈住用户，赌的是未来的定价权。

这里有一个微妙的心理机制值得注意：开发者对工具的依赖，往往比消费者对服务的依赖更深。 一个工程师如果把整个工作流建立在某个 AI 编码工具上——从代码补全到调试辅助、从文档生成到测试用例——迁移成本会随着使用时间的增长而指数上升。这不是简单的「换个工具」，而是重新训练肌肉记忆、重建工作习惯、甚至重新配置整个开发环境。厂商深谙此道：锁定效应一旦形成，定价权就悄然易手。

3.2 用户为什么乐见其成

对用户（尤其是「全员 AI」的公司）来说，捆绑座席是一个甜蜜的陷阱：

• 表面上：固定月费、随便用、成本可预测
• 实际上：真实成本被隐藏，一旦计费模式切换，账单会暴增数倍

只要补贴还在，用户没有动力去计较真实成本。「看不见计量表」本身就是补贴得以持续的心理学基础。

这种心理效应并非偶然。行为经济学研究表明，人类对「固定成本」的容忍度远高于「可变成本」。每月 125 美元的座席费是一个可预测的、一次性的决策；而按 token 计费则意味着每一次代码生成、每一次对话、每一次调试都在产生新的、不确定的成本。前者让人安心，后者让人焦虑。即便后者的期望成本更低，人们也倾向于选择前者——这正是「无限量」套餐在电信、流媒体、健身行业屡试不爽的原因。AI 编码工具的补贴策略，本质上是在利用这种认知偏差：用固定月费的心理安抚，掩盖按量计费的真实成本。

3.3 资本市场为什么买单

补贴的钱从哪来？从融资来。这就要把视野拉宽——AI 编码工具的补贴，和整个 AI 行业的烧钱是同源的。

站内 blog-461 已经分析过：Alphabet 2026 Q2 因 AI 资本支出高达 449 亿美元，录得上市以来首个负自由现金流季度；行业层面更有「五大巨头约 1.65 万亿美元表外承诺」的争论。AI 编码工具的补贴，不过是这条烧钱长河里的一朵浪花——它能不能持续，取决于上游的资本还能烧多久。

3.4 补贴三角的示意

下面这张图，展示了这场三方游戏如何运转：

所有补贴游戏都有一个共同的结局：要么找到可持续的盈利模式，要么在资本退潮时被迫「变脸」。AI 编码补贴也不例外。

4.1 信号已经出现：企业版转向用量计费

测算者特别提到一个不是假设、而是已经发生的变化：

「Anthropic 今年早些时候已经把企业客户迁到了用量计费（usage-based billing，token 在座席之外另算），并且切断了其他编码 agent 使用捆绑座席。」

这是一个强烈的信号：厂商已经开始「优化利润率」了。 当实验室们开始为 margins 优化时，那个便宜的捆绑deal，「将不会持久」——这是测算者原话，也是本文的核心判断。

4.2 为什么补贴必然退潮

补贴退潮的驱动力是结构性的：

1. 资本不会永远宽松：一旦融资环境收紧，或投资人开始追问盈利，烧钱补贴就难以为继（呼应 blog-461 的 capex 烧钱压力）
2. 算力成本是真实的：跑 Opus 4.8 的推理成本不会因为「补贴」而消失，它只是被转移到了厂商的资产负债表上
3. 价格战的尽头是定价权：补贴的终极目的是赢得定价权；一旦格局稳定，厂商有动机把价格拉回成本之上

4.3 「暴露度」是一个被忽视的风险

测算者真正想回答的问题是：「我们有多暴露（exposed）？」——即一旦补贴退潮，公司要承担多大的成本冲击。

这个问题，每一家「全员 AI」的公司都该问自己。如果你的整个工作流建立在「125 美元随便用」的假设上，而真实成本是 7 倍、13 倍甚至 52 倍，那么补贴退潮的那一天，就是你的成本结构被迫重写的那一天。

4.4 退潮路径的示意

下面这张图，展示了补贴从「甜蜜」到「变脸」的演变路径：

13 倍补贴的背后，藏着 AI 编码工具定价的一个深层矛盾：按 token 计费，与按「创造的价值」计费，是两套错配的逻辑。

5.1 为什么「按 token」让人不舒服

按 token 计费的问题在于：token 消耗与「产出价值」之间，没有稳定的对应关系。

• 一个工程师可能消耗海量 token 反复试错，产出却平平
• 另一个工程师可能用很少的 token，解决了一个关键问题

这种错配在传统软件服务里并不常见。你买一个 SaaS 工具，按席位或按功能付费，成本与「你用它干成了什么」没有直接关系；你买云计算资源，按 CPU 小时或存储容量付费，成本与「你的业务产生了多少价值」也没有直接关系。但 AI 编码工具的特殊性在于：它的输入（token）和输出（代码质量、问题解决效率）之间的方差极大。 同样 1000 个 token，可能生成一段无用的样板代码，也可能生成一段拯救了三天调试时间的关键算法。这种不确定性让「按 token 计费」在心理上变得难以接受——用户会觉得自己在为「运气」付费，而非为「成果」付费。

这就是为什么站内 agent-cost-engineering-001 提出「从 token 计价转向成果计价」——按「干成了什么」而非「烧了多少 token」来衡量。

5.2 补贴掩盖了错配

捆绑座席的补贴，恰好把这个错配藏了起来。在固定月费下，用户不用计较「这些 token 花得值不值」——反正不用多付钱。

但补贴一旦退潮，错配就会瞬间暴露：用户会突然意识到，自己为「烧 token」付出了远超「所得价值」的成本。这会倒逼整个行业加速向「成果计价」转型。

5.3 两种定价范式对比

5.4 一个推断

可以推断：补贴退潮之日，就是「成果计价」加速之时。 当用户被迫直面 token 成本，他们会强烈要求「按价值付费」——这会重塑整个 AI 编码工具的商业模式。

5.5 一个中间态：混合计价的可能

当然，从「按 token」到「按成果」不会一夜之间完成。更可能出现的，是一个漫长的中间态：混合计价。比如，基础座席费覆盖一个「合理用量」的保底，超出部分按 token 计费，但对「高价值产出」（如成功修复一个线上 bug、生成一套完整测试）给予折扣或返现。这种设计既保留了订阅制的可预测性，又部分对齐了价值与成本。

谁能率先跑通这种混合范式，谁就有机会在补贴退潮后，既留住用户，又守住毛利。这不是一个定价技巧问题，而是一个如何重新定义「AI 编码的价值」的根本问题。换句话说，当整个行业被迫从「卖 token」转向「卖成果」，真正决定胜负的，是谁能率先建立起一套被用户认可的「成果度量」标准——这套标准一旦确立，就会成为新的定价锰点与竞争护城河。

理解了补贴经济学，不同位置的玩家可以各取所需地做准备。

6.1 给「全员 AI」的公司：先量出你的暴露度

最重要的一步，是像测算者那样，量出自己的真实用量：

• 用 ccusage 这类开源工具（读取本地 Claude Code 日志）测算团队按 API 计费的真实成本
• 算出你的「补贴倍数」——是 7 倍、13 倍，还是更高？
• 在预算里预演「补贴退潮」后的成本结构，别等到那一天才措手不及

测算者提供了脚本，ccusage 也能得到同样的数字。「知道自己有多暴露」是应对的第一步。

6.2 给开发者：别把补贴当成永久福利

• 意识到 125 美元的平价是补贴，不是成本
• 培养「看计量表」的习惯，理解自己的 token 消耗结构（是不是 90% 都在烧 Opus？）
• 在合适场景下，用更便宜的模型替代 Opus 完成非关键任务，降低暴露度

6.3 给厂商：补贴之后靠什么

• 补贴只能买来时间，买不来护城河
• 真正的留存靠的是产品力、生态与成果计价的合理设计
• 谁先设计出「用户愿意按价值付费」的范式，谁就能在补贴退潮后站稳

6.4 给投资者：把「补贴倍数」当作一个观测指标

• 一家 AI 编码公司的「补贴倍数」越高，它对未来融资的依赖就越强
• 当资本退潮，高补贴倍数的商业模式最脆弱
• 这与 blog-461 的 capex 烧钱框架一脉相承：烧钱强度 vs 造血能力，是判断可持续性的核心

AI 编码工具的补贴，不是一个孤立现象。把它放进整个 AI 行业的烧钱图景里，才能看清它的宿命。

7.1 同源的烧钱逻辑

回顾站内 blog-461 的分析，整个 AI 行业都在经历一场集体豪赌：

• Alphabet 2026 Q2 资本支出 449 亿美元，自由现金流转负（-58 亿）
• 行业层面，「五大巨头约 1.65 万亿美元表外承诺」的争论（虽然 finterm 事实核查指出真实表内债务约 4300 亿，1.65 万亿是把租赁与采购承诺也加总的口径）
• 各家都在以前所未有的强度投入 AI 基础设施

AI 编码工具的补贴，本质上是这场烧钱在「应用层」的投影。 厂商之所以能补贴，是因为上游有资本在烧；上游一旦退烧，下游的补贴就会跟着退潮。

7.2 一个统一的判断框架

无论是评估「AI capex 是否可持续」（blog-461），还是「AI 编码补贴是否可持续」（本文），用的其实是同一个框架：

7.3 历史镜鉴

这种「先补贴圈地、后退潮洗牌」的剧本，在科技史上反复上演：

• 网约车/外卖：早期巨额补贴，后期价格回升、行业整合
• 流媒体：低价抢占订阅，后期涨价、广告化
• 云计算早期：低价获客，后期靠增值服务盈利

这些案例有一个共同模式：补贴期的价格从来不是「真实价格」，而是「获客成本」的变体。 网约车早期的 1 元乘车、外卖早期的满减狂欢、流媒体早期的年费优惠，本质上都不是「服务的价格」，而是「购买用户习惯的营销费用」。一旦用户习惯形成、市场格局稳定，价格就会回归到能覆盖成本、产生利润的水平。这个回归过程可能很缓慢（如云计算），也可能很剧烈（如网约车），但方向从未改变。

AI 编码补贴大概率也会走同样的路——区别只在于，它的退潮速度，会比人们预期的更快，因为它直接挂钩于上游 capex 的烧钱节奏。

回到本文开头的那个隐喻：补贴的本质，就是把 token 计量表藏起来。

8.1 核心要点回顾

1. 一个第三方信号：Modelplane/Upbound 测算，20 名工程师按 API 标价计费，平均比 125 美元座席贵约 13 倍，中位约 7 倍，最重度达 52 倍，90% 以上烧的是 Opus 4.8（注意：这是有立场的第三方自测，13 倍是平均、7 倍是中位）
2. 补贴为什么成立：厂商战略性亏损抢份额、用户乐见便宜、资本持续输血——三方心照不宣
3. 补贴为什么难持久：企业版已转向用量计费、资本不会永远宽松、算力成本真实存在
4. 深层矛盾：按 token 计价与按价值计价错配，补贴退潮会倒逼「成果计价」
5. 同源逻辑：AI 编码补贴是 AI capex 烧钱长河的一朵浪花，共用同一套可持续性判断框架

8.2 一句话总结

你看到的平价，可能是别人用融资烧出来的。当计量表重新出现，就是补贴退潮之时。

8.3 给读者的行动清单

• 量出你的暴露度：用 ccusage 等工具测算真实 token 成本
• 区分平均与中位：引用「13 倍」时，记得中位是 7 倍
• 预演退潮：在预算里为「补贴结束」留足缓冲
• 看计量表：理解自己的消耗结构，别在不知情中烧钱

8.4 最后的提醒（口径再强调）

本文的「13 倍」是一个有商业立场的第三方测算，不是 Anthropic 官方数据，也不是经过独立审计的结论。它的价值不在于「精确」，而在于揭示了一个被捆绑座席掩盖的结构性真相：当前的 AI 编码平价，建立在补贴之上，而补贴不会永恒。 把这个信号当作假设去验证，而不是当作定论去引用——这才是对待它的正确方式。

8.5 补贴经济学全景

下面这张图把本文的逻辑收束为闭环：

参考资料：

1. Bassam Tabbara (Upbound / Modelplane). Anthropic is subsidizing our AI coding at 13x. How long will it last?. 2026-07-23.（第三方/厂商侧测算，存在立场：20 名工程师 6 月数据，平均 13 倍、中位 7 倍、最重度 6470 美元/52 倍、>90% Opus 4.8、Premium 座席 125 美元/月、Anthropic 企业版已转用量计费并切断其他编码 agent 的捆绑座席、ccusage 开源工具）
2. 站内 blog-461《AI Capex 隐藏债务与泡沫风险》及 ai-capex-debt-001（Alphabet Q2 负自由现金流、AI capex 烧钱框架、1.65 万亿表外承诺争论与 finterm 反驳）——本文第七节「同源烧钱逻辑」的参照框架
3. 站内 agent-cost-engineering-001（token 计价 vs 成果计价范式）——本文第五节定价矛盾的理论参照

口径与差异化说明： 本文核心「13 倍」为 Modelplane/Upbound 创始人的第三方自测，该公司深度使用 Anthropic 产品且在相关赛道有商业利益，存在立场，本文为此全文反复标注，并严格区分「平均 13 倍」与「中位 7 倍」两个口径，不将其作为客观定论。本文聚焦「AI 编码补贴的定价经济学与可持续性」，与 agent-cost-engineering-001（成本工程/计价范式）、blog-461（AI capex 烧钱框架）刻意差异化并交叉链接，正文不重复其体系。Anthropic 官方未公布「补贴倍数」，相关定价以其公开价目为准。