# OpenRouter 指出 token 價格降 40%仍推升需求，多模型協作將成 AI 產品預設 > 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt) > 原作者：OpenRouter (@OpenRouter) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-08-25 > 原始來源：https://x.com/OpenRouter/status/2091912561310757350 ## 證據與延伸閱讀 - [OpenRouter 指出 token 價格降 40%仍推升需求，多模型協作將成 AI 產品預設。](https://youtu.be/I7da3Fe9xXA?si=cRYv7H8rhyy-3Ru4) ## 中文摘要 OpenRouter 指出 token 價格降 40%仍推升需求，多模型協作將成 AI 產品預設。 這場由 Shashank Goyal 與 Menlo Ventures Partner Deedy Das 對談的完整影片，可於 [YouTube](https://youtu.be/I7da3Fe9xXA?si=cRYv7H8rhyy-3Ru4) 觀看。 ![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/810b8cd60dbbe7cc.jpg) > 開源路由器（openrouter）發布主題為「Rethinking Token Economics」的對談影片封面，畫面左側為活動系列名稱與大標題，下方列出講者 Shashank Goyal（OpenRouter 供應商生態系負責人）與 Deedy Das（Menlo Ventures 合夥人），右側為兩位講者的半身肖像照。 **token 經濟學** 過去六個月，OpenRouter 觀察到 token 使用量成長為四倍，但每個 token 的價格下降 40%。價格下滑主要來自兩個因素：市場上出現更便宜的模型，以及快取機制改善；隨著模型可處理的 `context window` 變大，更多 token 能被快取，而快取 token 的費用低得多。座談者認為，前沿智慧本身持續提升，前沿模型的推論成本未必整體下降，但在相同品質水準下，使用者實際支付的價格確實變得更低。 **需求仍未觸頂** OpenRouter 估計，目前全球 token 消耗量可能只在潛在市場規模的 0.1% 到 0.01%，即使再過三、四年也可能仍處於早期階段。即使已有使用者讓一、兩個 Agent 每天運作 6 到 8 小時、每月消耗數十億 token，這仍只是表面。Shashank Goyal 推測，當模型價格比今天便宜 100 倍後，token 使用量可能成長為今天的 10,000 倍，屆時才較可能接近生產力與需求的上限；他也認為 Agentic 生產力可能在未來 6 到 12 個月內快速擴張。 **成本最佳化的時機** Deedy Das 認為，成本焦慮不能一概而論，必須先區分公司的成熟度與 AI 的用途。他特別指出，Uber、Coinbase 等大型、成熟、擁有大量研發人力的非 AI 公司，若已有 3,000 或 4,000 名工程師，繼續增加投入未必能讓業務價值持續複合，因此確實需要關注 AI 支出。 - 對仍在尋找產品市場相容性的 Pre-PMF AI 新創而言，過早削減成本往往是在最佳化錯誤的事情；在產品尚未成立前，生產力成本與業務成本通常不該是首要問題。 - 對已進入 Post-PMF、且 AI 支出直接構成營運開銷、利潤率又偏薄的 AI 公司，成本管理則是合理與必要的考量。 - 若 AI 主要用於提升生產力，例如使用 Claude Code 寫程式，許多團隊不必在尚未達到一定規模前過度擔心成本。 - 對矽谷以外、只有四或五名員工的企業，AI 可能首次打開生產力的想像空間；只要它確實改善業務，即使每人每年投入 10 萬、20 萬、30 萬或 40 萬美元，也可能仍然划算。 **智慧與價格的取捨** 座談並未承諾能同時取得最聰明、最便宜的模型。OpenRouter 觀察到，模型能力與價格之間存在陡峭的交換曲線：若願意放棄約 5% 的智慧，可能找到成本約為十分之一的模型；若願意放棄約 10% 的智慧，則可能找到成本約為二十分之一的方案。另一方面，Gemini 3.5 Flash 與 DeepSeek V4 Flash 等模型的價格已低到每 100 萬 token 只收幾分錢的一小部分；100 萬 token 約可容納六部長篇小說、約 800 頁文字，甚至可能不到一美分。 因此，OpenRouter 建議開發者不要看到每月 10,000 或 20,000 美元的帳單就立刻最佳化，而應先確認產品真的成立，再依照實際需求選擇模型。頂級模型不一定在絕對價格上便宜很多，只有落在特定品質區間時，成本優勢才較明顯。 **多模型成為預設** Deedy Das 表示，現在多數 OpenRouter 合作公司每天使用 6 到 8 個模型，不同模型分別適合不同工作。這也代表「世界是多模型的」已從假設變成產品設計的基本前提。OpenRouter 將這種做法稱為「最大化神經多型性」：例如用 Claude Code 寫程式，再用 Cursor 審查；採用 Agentic 程式開發流程時，也必須持續評估正在使用的模型與框架，因為新模型與新快照幾乎每週出現。 相較於 2024、2025 年約每三個月推出一個新模型的節奏，座談者提到，約在前一年 8 月後，市場開始出現更快的迭代，例如 4.6、4.7、4.8 接連出現。模型實驗室也建立能更快訓練與發布模型的工具，進一步縮短開發週期。OpenRouter 的排行榜與公開資料，正是希望讓使用者看見實際採用情況，而不是只依賴 X 或模型供應商自己的宣傳。 **benchmark 的限制** Deedy Das 對模型發布時常見的「手冊」抱持懷疑：公司會展示自己在特定 benchmark 上勝出、價格更低，或在品質相當下速度更快的 Pareto 曲線，但使用者很難完全相信供應商對自家模型的描述。對他而言，真正有效的評測仍是「生活經驗」與實際使用結果。 他的建議是先用自己偏好的模型建立產品，可能是 Fable、Opus、GPT-5.6 或其他模型，花錢找出真正有效的用例與產品市場相容性；接著建立專屬的 eval 集，執行符合自身工作負載的 benchmark。模型沒有絕對的「最好」，就像 JavaScript 框架不會因為熱門或每三個月更新一次，就代表適合所有情境。 **把 Agent 當同事** OpenRouter 團隊表示，過去幾個月使用 AI 的方式，已與三個月前完全不同。公司目前擁有 73 個在 Slack 中即時運作的「實習生」Agent，數量甚至超過真人員工，分別處理 BD、法律、自動化、個人助理等工作。這不是把 Agent 當成一次性呼叫工具，而是把它視為能融入日常工作的同事。 - 每個 Agent 都應該自學習，使用者每次送出 `prompt` 後，它要記住對話並從經驗中遞迴改善。 - Agent 應該出現在使用者原本工作的地方；OpenRouter 選擇 Slack，其他團隊也可能選擇 Discord 或 WhatsApp。 - 這些 Agent 能彼此協調，形成持續強化與複合的工作迴圈，而不只是逐項完成一次性任務。 - Agent 在雲端執行，使用者只要傳送一則 Slack 訊息，它就能撰寫 PR；使用者之後前往 GitHub 審查即可，不必讓電腦持續開機或在本機執行任何程式。 **應用程式層的機會** Deedy Das 反思，業界曾長期擔心模型實驗室會吞噬整個應用程式層，讓其他團隊沒有必要再建構產品；但近半年他反而看到高度專門化的應用程式蓬勃發展。以程式碼審查為例，通用模型檢視程式庫可以產生不錯的結果，但若產品長期掌握特定客戶的完整程式庫、歷史變更與團隊慣犯的 bug，就能提供模型本身難以取得的專屬知識。 這也說明多模型產品的核心價值不只是轉送請求，而是根據任務分配合適模型：在目錄中尋找檔案，不必動用最強大的模型；協調複雜工作時，才可能需要前沿模型。透過這種分工，加上對終端使用者與客戶脈絡的深入理解，應用程式層產品有機會比單純使用前沿模型或單一模型更便宜，也更貼近實際需求。 > 探討 AI 代幣經濟學的座談會影片，穿插金門大橋遠景空拍、與會講者發言及現場交流畫面。 ## 媒體內容 **探討 AI 代幣經濟學的座談會影片，穿插金門大橋遠景空拍、與會講者發言及現場交流畫面。** **逐字稿** - `00:11` 所以，如果你現在用 token 而不是美元來思考市場規模，（So if you think about the market size right now in terms of tokens not dollars,） - `00:15` 我們大概只有（we're at like） - `00:16` 可能 0.1% 到 0.01% 的 token 正在被消耗，而這跟甚至三、（probably 0.1 to 0.01 percent of tokens being consumed that we'll see in even like three or） - `00:23` 四年後我們會看到的情況相比，還差得非常遠。（four years.） - `00:24` 現在公司裡的實習生比人類還多。（There's now more interns than humans at the company.） - `00:28` 我們現在有 73 位實習生（We have 73 interns） - `00:29` 正在 Slack 上線。（that are live in Slack right now.） - `00:36` 如果 AI 是你銷貨成本的一部分，那當然，你到某個階段會開始擔心銷貨成本。（If AI is part of your COGS, then yeah, you do worry about COGS at some stage.） - `00:41` 如果你是已經達到產品市場契合度的公司，（If you're a post-PMF company,） - `00:43` 而且你是把它用在提升生產力上，（if you're using it for productivity,） - `00:45` 在一定規模以下，你不用擔心。（you don't have to worry under a certain scale.） ## 標籤 產業趨勢, 訪談, LLM, OpenRouter