本文来自微信公众号： 最话 FunTalk ，作者：最话团队
10月6日，OpenAI公布了一批由内部前沿模型完成的数学研究。它还披露了一笔颇有意思的账：得到一项结果，平均需要相当于ChatGPT Pro思考约三小时的计算量。
第二天，Anthropic发布新一代小模型Haiku 5.5，称它适合摘要、分类、数据库查询等大量重复的工作；同样在7日，OpenAI把GPT‑6推向更多ChatGPT用户，免费用户使用的却是较轻的Luna。前沿模型继续探向科学难题，日常请求则更多交给成本较低的能力。
同一条分岔路也出现在中国大厂的产品里。阿里谈超级智能的未来，千问办公忙着回答门店员工的操作问题；腾讯投资模型和算力，也让WorkBuddy承接工作任务，还让Marvis替个人清理电脑、找文件；字节把豆包工作接进飞书，让它读取有权限的团队资料，再交回可编辑的文档。
把足够的智能装进熟悉的软件，不像冲刺能力纪录那样令人激动，却关系到这些公司怎样消化越来越重的AI投入。
这种智能不是一场摸高比赛，看谁能最先解出数学难题，而是一门够用的艺术，看厂商交付到什么程度，既能很好的满足用户所需，又能在重资产投入的压力下获得盈余，当然更好的情况是，获得有增长的盈余。
毕竟大多数人每天碰到的不是数学猜想：他们要知道海报怎么贴、合同在哪儿、电脑为什么卡、上周会议谈妥了什么。所以，超级智能也许代表着这个时代的想象力，但AI终究还需要在技术扩散的过程中，落地成为一门生意。
01
阿里巴巴CEO吴泳铭在9月云栖大会上把AGI称为起点，谈到能自我迭代的超级智能。严格说来，超级智能指在几乎所有重要领域都远超最优秀人类的智能，仍是一个未来设想；今天企业能够采购、比较价格的是前沿模型，不能把两者画上等号。
产品经理面对的现实问题是：一年里有多少次请求真正需要当下最强的模型？OpenAI这次公开数学研究的耗时，不能直接换算成每道题的美元成本，更不能拿来给超级智能标价。它至少说明，在前沿探索中，多次尝试、验证和长时间思考本来就是工作的一部分。企业用模型找一份资料，不会按研究数学问题的方式付账。
根据公开的API标价，GPT‑6 Astra标准档每百万输出Token为50美元，GPT‑6 Luna为0.5美元，表面上相差100倍。10月7日的Haiku 5.5，对不超过10万Token的提示词，每百万输入与输出Token分别定价0.1美元和0.5美元；Anthropic称新模型适合高频、对成本敏感的任务。
不同模型完成同一项工作的Token用量、质量和返工次数不相同，不能凭一行价目表断言谁更划算。但当一次普通查询被放大成每天数千万次调用，价格差距会进入预算表。
假设一万名员工每天各得到1000个Token的回答，单是输出，一天就有1000万个Token。按Astra的公开标准价是500美元，按Luna的标价是5美元。这还没算输入、文档检索、调用工具和失败后的重试，也不是企业实际购买任何办公产品的报价。
当然，实际场景中，一个万人公司的token消耗量不可能只有这些，这就导致用AI，不像办爱奇艺会员，手一松冲顶就完了，实际上即使个人，在办理AI产品会员时，都会审慎判断自己的实际需求，量入为出。
好在模型本身在降价。Anthropic称Haiku 5.5按实际任务计算比前代平均便宜约75%，同时把Sonnet 5.5缓存读取价格减半；OpenAI此前也调低Luna和Terra的价格。去年只有昂贵模型做得顺的事，今年可能交给小模型。
所以够用的智能不是某一款便宜模型，而是按任务调配能力：先把文档找准，简单问题给快模型，难题才升级，重复读过的材料尽量复用。若便宜模型导致反复重试和大量人工返工，表面上的Token折扣也会被吃掉。
9月，腾讯Marvis团队在一次交流中表示，给本地文件和视频建立索引、提高缓存命中、按难度选择模型后，每个日活跃用户的成本降到5月上线首月的约十分之一。不久前，千问办公也宣称，专用模型在办公测试里让平均Token消耗减少75%。
这两组数据都指向产品能否大规模铺开的同一道工序：让一件小事只花一件小事的钱。
降价也有另一面。模型供应商把同一种能力卖得越来越便宜，做应用的人固然少了一些成本，也少了一些仅凭模型能力收费的理由。客户今天为自动整理一份会议记录买单，明天协同软件就可能把它当作免费功能。只有找得到公司的正确资料、走得通审批、在出错时找得到负责的人，能力才可能留在采购清单上。可规模使用的智能越普及，产品外面的那一圈服务越要做得扎实。
阿里上一季度披露的资本开支为676.78亿元，腾讯为528亿元，分别同比增长75%和176%。口径不同，里面也有不属于办公智能体的长期投入。
它们仍提醒人们：算力、模型和产品的开支得有更多业务来承担。把适合日常任务的智能做成常用产品，是分摊巨大投入的一条路径。
但这条路是否通往增量生意，仍然要看在实际执行过程中，合同怎么落地，以及UE是否能维持在健康水平。
02
10月7日OpenAI给ChatGPT加上“智能界面”：用户提出问题，系统可以直接生成按钮、表单、图表，甚至一件临时可用的小工具。人未必还需要先去应用商店搜一个计算器，或者先学会某款软件的菜单，再开始工作。
它不是所有独立应用都会消失的证明，却把传统应用的压力摆到了眼前：如果用户先说出目的，由AI决定调谁来办，原来占着首页和图标的软件，可能退到后台。
对腾讯应用宝来说，过去的价值在于把应用送到用户面前，平台作为分发渠道实现其商业价值，可以说用户需要的应用越多，渠道越有价值。但如果用户的需求被收敛了呢？
这就是同一团队做出Marvis的背景。后者开始承接用户的具体任务需求。例如，当用户问：“我电脑怎么这么慢”，Marvis帮助用户优化电脑系统，当用户问“帮我找那段视频”，Marvis可以精准在电脑文档中找到相关素材。
开发者也会遇到同一个问题。过去把一项功能做成App，上架后等用户下载；如今功能可能先被AI发现，再以一次调用、一项技能或一次交易的样子出现。Marvis希望把专业软件能力接进来，这条路若走通，应用宝的“分发”会变成任务里的服务匹配。
若只有免费的系统操作被频繁调用，平台占住入口也未必得到足够多的新收入。
同样，钉钉、飞书这类办公应用也面临AI的挑战，市场上出现了大量以任务为导向的应用和智能体。
但是这些外来的智能体可以写一篇漂亮的周报，却没有钉钉、飞书里沉淀的员工身份、审批、群聊、日历和大量没有公开的文档。它们即使获得授权，也要重新解决资料接入、权限继承、更新和交付的问题。它们甚至不知道公司所说的“华东区”包括哪些省份，也不知道这份合同由谁批准。
千问办公9月推出“企业上下文”，让企业消息、知识和业务数据按任务取用；它可以接入钉钉，也接入飞书、企业微信。飞书则把组织权限、文档和协作环境交给豆包工作使用，让生成的内容回到团队继续修改。两家的路数不同，都在争取成为员工交代任务的那个地方。
以奶茶连锁品牌古茗为例，新品换得快，滤芯多久换、茶汤如何配、机器故障怎么处理，可能散在培训资料和群聊里。店员问出一个具体问题，通用模型不知道当天的规范，千问办公便把这些资料组织起来，按权限找答案。
这种实践路径说明，一项智能服务能否“够用”，不只取决于模型，也取决于企业有没有把正确的信息交给它。
这也让大厂的老资产重新值钱。模型别人可以购买，组织关系、权限体系、业务流程和客户服务经验不能一夜复制。可接入这些东西本身就要花钱，维护错误权限、过期资料和操作记录也要花钱。
过去软件卖一把扳手，今天要承诺替人拧动螺丝；责任比界面复杂得多。
03
卖扳手是一个价格，拧螺丝则具备更进一步的价值，这个逻辑当然很通顺。但问题在于，企业用户和个人用户是否愿意为此多付出预算？
毕竟够用的智能也是智能，背后仍然是大量的资源投入，老产品、老团队的AI升级，固然是一场用户保卫战，但如果不能撬动更多的预算，也不能称得上是一门好生意。
收费的难题在消费者和企业两头长得不一样。Marvis首先要回答：有人愿意让AI管电脑，是否也愿意为此付费？千问办公和豆包工作则要回答：企业已经为钉钉、飞书买了单，为什么还要增加一笔AI预算？
Marvis相关负责人此前曾表示，收费要等到产品价值足够成熟；已有用户抱怨免费额度用尽后没法购买。有人想买更多用量，是线索，不是稳定付费率。
清理磁盘、找文件、装软件，过去的系统和工具往往免费。腾讯若把这些基础动作做成昂贵订阅，用户有替代品；若永久免费，大量使用反而持续消耗推理费用。降下来的单位成本给它争取了试验时间，没有自动产生收入。
腾讯正在试几处收费位置：让专业开发者把能力接进管家，用户为确实好用的技能付钱；在PC上争取预装，与NAS和Mini PC厂商合作；把巡检一类流程封装给行业客户。
但总体来说，就电脑管家产品而言，向个人用户收费，并不具备乐观的前景，因为这项业务的免费历史实在太长了。
企业端至少有成熟的采购动作。千问办公企业版按坐席售卖，每席每月带2000积分，组织共享，额外用量可以购买积分包。让公司先买确定的席位，再在用得多时补用量，是在旧软件合同和按调用量波动的模型账单之间架一道桥，但挑战在于，如何说服企业把桥修的更宽一些。
共享额度看似一个计费细节，其实是在适应办公室里极不平均的使用。财务月底批量核对，法务在交易前集中审合同，销售旺季处理大量询盘，不能要求每个员工每天恰好用完固定的Token。统一积分池让企业把额度给忙的人，平台又能在超量时继续收费。可一旦真正把任务交给智能体，成本不只取决于员工人数，还取决于它读了多少文件、跑了多少轮流程、调用了哪档模型。
采购者会要求可预估的上限和可核对的使用记录，供应商则需要防止一张固定年费合同被少数重度任务吃穿。
一家公司原本每年花钱买协同软件。如今供应商加上AI，若客户只把同一笔预算从旧版挪到新版，平台增加了模型推理、数据接入、权限管理、审计和客户交付的费用，收入却不见得增加。
要拿到增量预算，AI得进入原来的办公软件很难收钱的工作，例如仓储物流包装企业富立卡让数字员工处理询盘、报价和审批，法律服务里，通过AI办公应用批量核验资料。只有业务部门愿意从销售、运营或专业服务预算里拿钱，AI办公才不只是IT预算里挪椅子。
千问办公在争的就是这种位置：让组织把一段原来做不起、做得慢的流程交给它，这门生意的胜负不会写在参数榜上，而会写在下一年的合同里：新拿到了多少预算，替客户做成了多少事，又付出多少成本。