OpenAI这次砍额度、抬档位，理由不是模型成本高了，而是计价单位从Token变成了「干活量」。过去按Token收费，算的是模型消耗的算力成本；换成按月费打包的额度倍数，算的是AI能完成的工作量。这个转变不是OpenAI一家在推——2026年6月，GitHub Copilot正式从按请求收费切为按Token计费；企业级AI平台快鹭、OpenOcta等也纷纷推出「数字员工」按量套餐。行业正从按资源计价走向按价值定价，新旧模式碰撞出的争议是：用户买的到底是算力，还是结果？

当OpenAI用更贵的订阅和更少的用量给AI定价时，微软走的是另一条路：按坐席提价。微软推出的E7套餐将Copilot与Office 365打包，定价高于原先的软件加插件总价，同时加750美元即享Copilot不限量。两家的分歧在于成本结构：OpenAI的利润率压力大，必须让高频用户多付；而微软拥有自研云硬件，Copilot毛利率已在改善，不需要靠砍用量来平衡成本。对用户而言，前者是按「干了多少活」付钱，后者是按「有几个人能用」付钱——哪个更划算，取决于使用强度。

文章把OpenAI的插件推荐和使用ChatGPT登录比作微信生态——这个比喻当下能看到的数据支撑是：首批支持「用ChatGPT登录」的合作方已有16家，包括Devin、Notion和Vercel；Plus/Pro用户的会员额度能在这些产品里通用。但真正能锚定「超级入口」地位的，不是功能堆砌，而是特定服务场景的绝对掌控。微信的成功来自于通信和支付，而ChatGPT要拿下的是「企业办公协作」。关键信号是：当dots能在Slack、Teams里全职干活，且企业客户愿意用预留给OpenAI的消费额度去买Figma、Salesforce，这个入口才真正形成。拐点不在功能上线，在于企业中高频工作流何时从邮件群切到AI。

OpenAI用量砍半的逻辑是「模型更高效，一份额度能干更多活」，但「更多活」是OpenAI单边定义的——用户没有参与度量。当GitHub Copilot刚切按Token计费时，企业就被迫区分「有效Token」和「无效Token」。这引出深层问题：购买AI服务的计费单位，应该反映供应方的算力成本，还是购买方的任务价值？如果按任务价值定价，不同任务的「一活」差异巨大——写一封邮件vs跑一次数学优化，成本差几十倍。从行业动向看，滴普科技等公司已在尝试按结果付费（RaaS），但非标任务的价值量化仍是未解难题。