10月27日凌晨，OpenAI发布GPT-6.1 Terra。定价是每百万输入token 1美元、缓存输入0.05美元、输出5美元，比GPT-5.6 Terra和GPT-6.1 Sol低50%。更要紧的是它给出的对照：最高推理强度下，完成每个任务的成本约为Claude Opus 5.5的九分之一；中等强度下，Agents’ Last Exam得分比GPT-5.6 Terra高15个百分点，成本只有后者的约三分之一。几乎同一时间，Cloudflare在AI Gateway上线Auto Router公测：用一个分类器给每个请求的复杂度、模糊性、风险程度、上下文依赖性打分，再决定交给哪个模型；按它自己的基准，任务成功率比Opus 5.5低10个百分点，成本是三分之一。
两条新闻放在一起，行业坐标就变了。过去两年，模型发布的叙事是「谁更强」；现在第一次变成了「谁更便宜地够用」。
第一问：价格战打到今天，比的还是最强吗
先看Terra拿出的硬指标。中等推理强度下，多步骤操作桌面软件的OSWorld 2.1基准，它超过了GPT-5.6 Terra此前的最好成绩，单任务成本还更低；视觉推理基准MMMU-Pro，全强度都超过上一代；事实准确性上，低强度错误率16.7%，上一代是53.6%，最高强度降到4.3%；编程上，最高强度完成Terminal-Bench 4.0任务的成功率50.3%，上一代只有21.5%；速度是老旗舰的3倍以上。OpenAI自己也留了边界：最难的程序任务，仍然建议用Sol或Astra。
这张成绩单的意思不是「新模型全面超过旧模型」，而是「够用区间在变宽」。过去企业买最强模型，是因为中端模型在关键任务上错得离谱；当错误率从53.6%降到16.7%、再降到4.3%，大量任务就从「必须用旗舰」变成了「用中端也行」。一旦「够用」的边界往下走，价格就成了主要变量。
这和2010年代的云计算是同一个剧本。早期大家比谁家机房大、谁家可用区多；后来比的是每核每小时多少钱、冷存储每GB多少钱。模型行业现在走到了第二步：性能曲线在够用区间变平，成本曲线还在陡降。
还有一个结构性变化：模型公司的成本重心正在从训练转向推理。训练是一次性的资本开支，推理是随调用量线性增长的运营成本。当推理成为主要成本，降价就不只是抢客户，而是规模效应的必然结果——谁的推理效率高，谁就敢先降。Terra的定价，本质是把推理效率的进步直接让给了客户。
第二问：企业该买一个模型，还是买一张路由表
传统软件采购的路径是：选型、POC、签三年、按席位付费。AI采购正在变成另一套：先给任务分级，再给每级配一个模型，最后按任务量结算。Cloudflare的Auto Router其实把这张决策表写出来了——复杂度、模糊性、风险程度、上下文依赖性，四个维度决定的不是「哪个模型好」，而是「这个请求配得上多贵的模型」。
其中风险程度最容易被低估。识别一张报销单错了，重跑一次就行；起草一份合同条款错了，可能要赔钱；调用一次生产数据库错了，可能直接停机。同一家公司，不同任务的错误成本差三个数量级，却常常用同一个模型、同一个价格去跑，这本身就是浪费。
所以「路由」不是一个技术名词，是一种采购纪律。它要求企业先回答三个问题：哪些任务错了不要紧，哪些错了要命，哪些任务根本不需要模型。答完这三个问题，模型清单自然会从「一个」变成「三档」，账单也会从「按人头」变成「按任务」。
第三问：这对中国企服意味着什么
美国这一轮的路径很清楚：模型层打价格战，网关层做路由，应用层被挤压。国内的路径不太一样：模型层靠开源和工程优化压成本，比如DeepSeek开源了推理框架DeepInfer，把算子这条链路也放出来；腾讯混元开源同声传译模型Hy-SimulMT，实测响应约3秒，支持实时音色克隆，直接放进自家翻译应用免费提供。两条路线的共同点是：推理成本都在快速下降，差价越来越多地来自「任务怎么分级」，而不是「模型姓什么」。
对国内做企业服务的公司，这意味着两件事。坏消息是，纯套壳应用的空间会被抹平——上游一降价，你的加价理由就没了。好消息是，中间层的机会变大了：模型网关、成本可观测、评测集、行业任务路由，这些活又脏又细，但客户愿意付钱，因为它们直接决定账单。
议价权也在转移。过去客户问「你接了哪个模型」，现在开始问「你怎么保证这个任务用最便宜的模型还不误事」。前一个问题答得好，是集成商；后一个问题答得好，才是服务商。
采购单上要改的三行字
第一行，计费单位。从「席位/月」改成「任务/次」或「百万token」。AI用得越多、按席位收费的供应商越亏，这个矛盾拖两年一定会爆。第二行，验收标准。从「模型能力跑分」改成「任务成功率乘单任务成本」，后者才是CFO能拿去和人力成本对比的数字。第三行，退出条款。多模型路由的前提是能切换，合同锁三年、数据带不走，路由就只是纸面策略。
这三行背后是一个新岗位：模型成本管理员。像当年云上的FinOps一样，他要维护任务分级表、评测集、路由规则和账单看板。没有这个角色，路由会退化成「谁便宜用谁」，然后在一次关键任务上，把前面省下的钱全部赔回去。
边界：路由不是免费的午餐
至少要泼四盆冷水。第一，分类器本身会错，路由错了比不路由更贵。第二，长会话里的风险维度很难持续评估——智能体任务动辄几十轮，前面一个错误决策会影响后面所有步骤，逐请求打分的机制能不能保持一致的判断标准，Cloudflare的实践者自己也在问这个问题。第三，便宜十倍但错一次，可能赔掉省下的全部；高风险任务不能只看单价。第四，锁定没有消失，只是从模型厂商转移到了网关厂商。
还有一条容易被忽略：Terra这类模型的网络安全能力已经达到OpenAI准备框架的「关键级」门槛。越便宜、越能干活的模型，越容易被拿去做不该做的事。企业采购时把价格压到极致，安全评估的预算不能跟着一起压。
落点
可行动的判断只有几条：把自己的任务清单拆成「错了不要紧／错了要赔钱／错了要停机」三层；高价值的两成任务留给最强模型，八成走性价比模型；采购合同从「按席位」改成「按任务」或「按结果」；把评测能力当资产，而不是当一次性的POC。
对创业公司，还有一层现实：既没有能力自建网关，也没有议价权去谈按任务计价。最务实的做法是先把评测集建起来——至少知道自己买的东西，在真实任务上错在哪。
十年后回看，2026年10月可能不是「最强模型发布月」，而是「AI采购从买能力转向买路由」的起点。谁先把自己的任务清单拆开，谁就先拿到下一轮成本红利。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
