每一份在 2026 年获批的企业 AI 预算，都建立在一组自 9 月 22 日起已经失效的 token 价格之上。矛盾很直接：前沿模型的成本下跌速度，已快过大多数组织重新规划的速度。任何把今天单价视为固定值的预算，其实已经错估了明年的成本基础。
Anthropic 在 Claude Opus 5.5 究竟改变了什么？
Claude Opus 5.5 于 2026 年 9 月 22 日发布，定价为每百万输入 token 4 美元、每百万输出 token 20 美元，比 Opus 5 低 20%。缓存读取价格下调 60% 至 0.2 美元。Anthropic 表示，由于模型消耗更少 token 且输出速度提升超过 30%，典型工作负载的总成本约降低 40%。
前沿模型是指供应商在某一时点所售出、能力最强的通用模型。它的价格决定了企业 AI 工作的成本上限，而这个上限下跌的速度，如今已是一个预算变量，不再只是脚注。
根据 Anthropic 的发布公告，Opus 5.5 同时提供 100 万 token 的上下文窗口与 12.8 万 token 的最大输出，并可通过 Claude Platform、Amazon Bedrock、Google Cloud 与 Microsoft Foundry 获取。Sonnet 5.5 与 Haiku 5.5 预计数周内推出。
对预算负责人而言有两个重点。第一，标价下调 20%，但宣称的工作负载节省是 40%。第二，这个模型的表现大致相当于 Claude Fable 5.1，而后者的定价是输入 10 美元、输出 50 美元，超过两倍。前沿级的能力，刚刚以中端价格开放。
为什么 40% 的工作负载节省比 20% 的标价下调更重要？
token 单价只是 AI 成本的其中一个因素，每个任务消耗的 token 数量同样关键。Anthropic 将 40% 节省的一半归因于 Opus 5.5 以更少 token、更少步骤完成任务。这意味着同一条预算线如今能买到更多已完成的工作，而不只是更便宜的 token。
早期企业反馈支持这个规律。据 The New Stack 报道，Box 在评估中发现 Opus 5.5 消耗的 token 只有 Opus 5 的约三分之一，回答精简 40% 而准确度不减。GitHub 发现它以不到一半的步骤完成更多终端任务。Deloitte 则指出，最低推理强度设置在代码审查中捕捉到 72% 的已知错误，Opus 5 在高强度设置下只有 56%。
对财务总监的启示是：需要追踪的成本指标是每个已完成任务的成本，而非每百万 token 的价格。供应商可以标价减 20% 却带来 40% 节省，也可以标价下调却因模型变得冗长而毫无节省。
企业 AI 成本基础的四个杠杆是什么？
企业 AI 开支由四个杠杆驱动：每个 token 的单价、每个任务消耗的 token 数量、前沿模型与中端模型在各任务之间的配置比例，以及输出错误或不一致时的重工与治理成本。只有第一个杠杆由供应商决定，其余三个都掌握在你手中。
杠杆一：单价。跨供应商而言，每一代模型大约下跌 20% 至 40%。OpenAI 在 2026 年夏季下调 API 价格，Anthropic 在 9 月跟进。应规划持续的价格通缩，而非稳定的定价。
杠杆二：每任务 token 数。由提示设计、检索质量以及模型周边的编排层决定。Box 的三分之一结果显示，这个杠杆的影响可以超过任何标价变动。
杠杆三：模型配置。大多数企业工作负载并不需要前沿能力。把日常的分类、抽取与摘要交给较小模型，只把复杂推理留给前沿模型，通常能大幅降低混合成本。Sonnet 5.5 与 Haiku 5.5 的推出将扩大这个选择空间。
杠杆四：重工与治理。人工审核、幻觉修正与合规检查都是真实成本。麦肯锡 2026 年 AI 现状研究发现，只有 39% 的组织能将任何 EBIT 影响归因于 AI，而其中大多数的影响低于 5%。更便宜的 token 无法修复一个需要大量人工修正的流程。
香港企业应如何为 2027 年重算 AI 预算？
分三步重算：把 AI 预算线从固定开支转为每任务成本模型；把价格通缩视为扩大的产能，而非交还财务总监的节省；把模型开支与集成及变革管理开支分开，因为后者不会随 token 价格下跌。这样才能在价格持续变动时保持预算的真实性。
第一步：按已完成任务编列预算。界定五至十个真正重要的 AI 辅助任务（合同审阅、客户开户检查、月度报告初稿），逐一计算从头到尾的成本，包括审核时间。每季以此单位汇报。
第二步：把通缩再投资。同样工作量下成本降 40%，是节省。把同样的 40% 用于把覆盖范围从两个部门扩展到五个，则是在成本持平下的能力提升。董事会对第二种框架的反应通常更好，而它往往也是更正确的决定。
第三步：圈定不会通缩的成本。与旧有系统的集成、数据治理、员工培训以及《个人资料（私隐）条例》合规工作，不会因 Anthropic 降价而变得便宜。在大多数香港中型企业的部署中，这些成本在首年会超过模型开支。把它们分开编列，才不会因为模型降价而产生整个计划都变便宜的错觉。
现在应该与 AI 供应商重新谈判哪些合同条款？
避免以固定的每 token 价格承诺年度开支；坚持公开标价下调必须自动传导至你的合同；确保在同一供应商的模型系列之内切换模型无需重新议价。通过 Amazon Bedrock、Google Cloud 或 Microsoft Foundry 采购，还可增加与香港数据驻留要求相关的区域托管选项。
本季签署的任何企业 AI 协议，都有三项条款值得关注：
--- 价格传导：若供应商的公开价格在合同期内下跌，你的承诺开支应按比例买到更多 token。
--- 模型可携性：有权把工作负载从 Opus 5 迁移到 Opus 5.5，或从前沿模型转到中端模型，而不受罚。
--- 停用通知：你的流程所依赖的任何模型在退役前，必须有最低通知期。模型生命周期正在缩短，一个被退役的模型可能迫使你进行未计划的重新开发。详情可参阅我们关于 AI 模型停用的指南。
更便宜的前沿模型背后有哪些隐藏风险？
价格下跌伴随三个风险：安全分类器可能在流程中途把请求悄然转送至旧模型，造成标准评估无法察觉的不一致；自适应思考始终开启且无法关闭，削弱了对每次调用成本的控制；更快更便宜的模型会诱使团队在治理未就绪前扩大代理式自主权。
转送风险是具体而全新的。The New Stack 报道，当 Anthropic 的安全机制介入时，发送至 Opus 5.5 的请求可能由 Opus 4.8 或 Opus 5 处理。在多步骤的代理流程中，这意味着个别步骤可能在能力不同的模型上执行。任何假设每次调用都到达同一模型的评估，都无法检测这一点。
治理风险更为广泛。Gartner 预期超过 40% 的代理式 AI 项目将在 2027 年底前被取消，原因是成本、价值不明与风险控制薄弱。更便宜的前沿模型移除了第一个障碍，却没有触及另外两个。2026 年 8 月，香港个人资料私隐专员公署发布《使用代理式 AI 的个人资料保障模范框架》，点名广泛访问、功能蔓延与多代理风险等五项隐私风险。价格下跌并不改变任何一项义务。
这在实务上如何演变？
假设一家 300 人的香港专业服务公司，为 2026 年 AI 模型用量编列了 120 万港元预算，其中三分之二用于前沿模型的文件分析。该部分若有 40% 的工作负载节省，可释放约 32 万港元。公司可以把它交还，也可以在不增加模型成本的前提下，把同样能力延伸至税务与咨询团队。
公司的数字化转型主管面对第二个决定。文件分析流程原本针对 Opus 5 调校。迁移至 Opus 5.5 需要重新执行评估集，检查输出精简度的变化不会破坏下游解析，并确认转送行为不会影响对合规敏感的步骤。这项工作大约需要一个小团队两星期的时间，这就是获取节省的代价。
第三个决定是结构性的。Sonnet 5.5 与 Haiku 5.5 数周内推出，公司应现在就按所需能力对 AI 任务分类，以便较小模型面世时能依证据而非习惯作出配置决定。已建立代理式 AI 编排框架所述纪律的组织，可以在数天而非数月内完成这件事。
模型降价时企业最常犯什么错误？
最常见的错误有四个：不重新评估流程就直接入账节省；以为更便宜等于更简单，于是在缺乏治理下扩大范围；把标价当作总成本而忽略集成与审核开销；以及以两季内就会过时的价格锁定年度承诺。每个错误都把供应商的降价变成组织的成本。
Writer 的 2026 年企业调查显示，79% 的组织在采用 AI 时遇到挑战，尽管 59% 每年投资超过 100 万美元。更便宜的模型让你更容易开始更多项目，却不会让你更容易完成它们。两家供应商在四个月内先后下调前沿价格，任何没有价格传导条款的协议，都是在与这个趋势对赌。
本季你应该做什么？
以每个已完成任务为单位重新计算你最重要的 AI 任务成本；在把任何生产流程迁移至 Opus 5.5 之前重新执行评估；在 Sonnet 与 Haiku 5.5 发布之前按所需能力对任务分类；并改写供应商条款，确保未来降价能够传导。向董事会呈报时，把结果定位为成本持平下的产能扩张，而非节省。
战略上的结论是：前沿 AI 定价已进入通缩，而真正受益的企业，是那些预算、合同与流程都为吸收下一次降价而设计的组织，而不是为上一次。技术会继续变便宜，但关于在哪里应用、如何治理、如何向董事会解释的判断，并不会随价目表一并附送。
懂AI的冷，更懂你的难。UD 同行28年，让科技成为有温度的陪伴。
本文由 UD 企业 AI 团队审阅。
了解了框架，下一步是找出哪些流程应该最先迁移，以及每个任务实际的成本。UD 团队手把手带你完成每一步，从 AI 准备度评估、模型选型，到部署上线与成效追踪，28 年企业服务经验，全程陪你走。
