每一份在 2026 年獲批的企業 AI 預算，都建立在一組自 9 月 22 日起已經失效的 token 價格之上。矛盾很直接：前沿模型的成本下跌速度，已快過大多數組織重新規劃的速度。任何把今天單價視為固定值的預算，其實已經錯估了明年的成本基礎。
Anthropic 在 Claude Opus 5.5 究竟改變了什麼？
Claude Opus 5.5 於 2026 年 9 月 22 日發布，定價為每百萬輸入 token 4 美元、每百萬輸出 token 20 美元，比 Opus 5 低 20%。快取讀取價格下調 60% 至 0.2 美元。Anthropic 表示，由於模型消耗更少 token 且輸出速度提升超過 30%，典型工作負載的總成本約降低 40%。
前沿模型是指供應商在某一時點所售出、能力最強的通用模型。它的價格決定了企業 AI 工作的成本上限，而這個上限下跌的速度，如今已是一個預算變數，不再只是註腳。
根據 Anthropic 的發布公告，Opus 5.5 同時提供 100 萬 token 的上下文視窗與 12.8 萬 token 的最大輸出，並可透過 Claude Platform、Amazon Bedrock、Google Cloud 與 Microsoft Foundry 取用。Sonnet 5.5 與 Haiku 5.5 預計數週內推出。
對預算負責人而言有兩個重點。第一，牌價下調 20%，但宣稱的工作負載節省是 40%。第二，這個模型的表現大致相當於 Claude Fable 5.1，而後者的定價是輸入 10 美元、輸出 50 美元，超過兩倍。前沿級的能力，剛剛以中階價格開放。
為什麼 40% 的工作負載節省比 20% 的牌價下調更重要？
token 單價只是 AI 成本的其中一個因素，每個任務消耗的 token 數量同樣關鍵。Anthropic 將 40% 節省的一半歸因於 Opus 5.5 以更少 token、更少步驟完成任務。這意味同一條預算線如今能買到更多已完成的工作，而不只是更便宜的 token。
早期企業回報支持這個規律。據 The New Stack 報道，Box 在評估中發現 Opus 5.5 消耗的 token 只有 Opus 5 的約三分之一，回答精簡 40% 而準確度不減。GitHub 發現它以不到一半的步驟完成更多終端任務。Deloitte 則指出，最低推理強度設定在程式碼審查中捕捉到 72% 的已知錯誤，Opus 5 在高強度設定下只有 56%。
對財務總監的啟示是：需要追蹤的成本指標是每個已完成任務的成本，而非每百萬 token 的價格。供應商可以牌價減 20% 卻帶來 40% 節省，也可以牌價下調卻因模型變得冗長而毫無節省。
企業 AI 成本基礎的四個槓桿是什麼？
企業 AI 開支由四個槓桿驅動：每個 token 的單價、每個任務消耗的 token 數量、前沿模型與中階模型在各任務之間的配置比例，以及輸出錯誤或不一致時的重工與治理成本。只有第一個槓桿由供應商決定，其餘三個都掌握在你手中。
槓桿一：單價。跨供應商而言，每一代模型大約下跌 20% 至 40%。OpenAI 在 2026 年夏季下調 API 價格，Anthropic 在 9 月跟進。應規劃持續的價格通縮，而非穩定的定價。
槓桿二：每任務 token 數。由提示設計、檢索質量以及模型周邊的編排層決定。Box 的三分之一結果顯示，這個槓桿的影響可以超過任何牌價變動。
槓桿三：模型配置。大多數企業工作負載並不需要前沿能力。把日常的分類、抽取與摘要交給較小模型，只把複雜推理留給前沿模型，通常能大幅降低混合成本。Sonnet 5.5 與 Haiku 5.5 的推出將擴大這個選擇空間。
槓桿四：重工與治理。人工審核、幻覺修正與合規檢查都是真實成本。麥肯錫 2026 年 AI 現狀研究發現，只有 39% 的組織能將任何 EBIT 影響歸因於 AI，而其中大多數的影響低於 5%。更便宜的 token 無法修復一個需要大量人工修正的流程。
香港企業應如何為 2027 年重算 AI 預算？
分三步重算：把 AI 預算線從固定開支轉為每任務成本模型；把價格通縮視為擴大的產能，而非交還財務總監的節省；把模型開支與整合及變革管理開支分開，因為後者不會隨 token 價格下跌。這樣才能在價格持續變動時保持預算的真實性。
第一步：按已完成任務編列預算。界定五至十個真正重要的 AI 輔助任務（合約審閱、客戶開戶檢查、月度報告初稿），逐一計算從頭到尾的成本，包括審核時間。每季以此單位匯報。
第二步：把通縮再投資。同樣工作量下成本降 40%，是節省。把同樣的 40% 用於把覆蓋範圍從兩個部門擴展到五個，則是在成本持平下的能力提升。董事會對第二種框架的反應通常更好，而它往往也是更正確的決定。
第三步：圈定不會通縮的成本。與舊有系統的整合、數據治理、員工培訓以及《個人資料（私隱）條例》合規工作，不會因 Anthropic 減價而變得便宜。在大多數香港中型企業的部署中，這些成本在首年會超過模型開支。把它們分開編列，才不會因為模型減價而產生整個計劃都變便宜的錯覺。
現在應該與 AI 供應商重新談判哪些合約條款？
避免以固定的每 token 價格承諾年度開支；堅持公開牌價下調必須自動傳導至你的合約；確保在同一供應商的模型系列之內切換模型無需重新議價。透過 Amazon Bedrock、Google Cloud 或 Microsoft Foundry 採購，還可增加與香港數據駐留要求相關的區域託管選項。
本季簽署的任何企業 AI 協議，都有三項條款值得關注：
--- 價格傳導：若供應商的公開價格在合約期內下跌，你的承諾開支應按比例買到更多 token。
--- 模型可攜性：有權把工作負載從 Opus 5 遷移到 Opus 5.5，或從前沿模型轉到中階模型，而不受罰。
--- 停用通知：你的流程所依賴的任何模型在退役前，必須有最低通知期。模型生命週期正在縮短，一個被退役的模型可能迫使你進行未計劃的重新開發。詳情可參閱我們關於 AI 模型停用的指南。
更便宜的前沿模型背後有哪些隱藏風險？
價格下跌伴隨三個風險：安全分類器可能在流程中途把請求悄然轉送至舊模型，造成標準評估無法察覺的不一致；自適應思考始終開啟且無法關閉，削弱了對每次呼叫成本的控制；更快更便宜的模型會誘使團隊在治理未就緒前擴大代理式自主權。
轉送風險是具體而全新的。The New Stack 報道，當 Anthropic 的安全機制介入時，發送至 Opus 5.5 的請求可能由 Opus 4.8 或 Opus 5 處理。在多步驟的代理流程中，這意味個別步驟可能在能力不同的模型上執行。任何假設每次呼叫都到達同一模型的評估，都無法偵測這一點。
治理風險更為廣泛。Gartner 預期超過 40% 的代理式 AI 項目將在 2027 年底前被取消，原因是成本、價值不明與風險控制薄弱。更便宜的前沿模型移除了第一個障礙，卻沒有觸及另外兩個。2026 年 8 月，香港個人資料私隱專員公署發布《使用代理式 AI 的個人資料保障模範框架》，點名廣泛存取、功能蔓延與多代理風險等五項私隱風險。價格下跌並不改變任何一項義務。
這在實務上如何演變？
假設一家 300 人的香港專業服務公司，為 2026 年 AI 模型用量編列了 120 萬港元預算，其中三分之二用於前沿模型的文件分析。該部分若有 40% 的工作負載節省，可釋放約 32 萬港元。公司可以把它交還，也可以在不增加模型成本的前提下，把同樣能力延伸至稅務與諮詢團隊。
公司的數碼轉型主管面對第二個決定。文件分析流程原本針對 Opus 5 調校。遷移至 Opus 5.5 需要重新執行評估集，檢查輸出精簡度的變化不會破壞下游解析，並確認轉送行為不會影響對合規敏感的步驟。這項工作大約需要一個小團隊兩星期的時間，這就是獲取節省的代價。
第三個決定是結構性的。Sonnet 5.5 與 Haiku 5.5 數週內推出，公司應現在就按所需能力對 AI 任務分類，以便較小模型面世時能依證據而非習慣作出配置決定。已建立代理式 AI 編排框架所述紀律的組織，可以在數天而非數月內完成這件事。
模型減價時企業最常犯什麼錯誤？
最常見的錯誤有四個：不重新評估流程就直接入賬節省；以為更便宜等於更簡單，於是在缺乏治理下擴大範圍；把牌價當作總成本而忽略整合與審核開銷；以及以兩季內就會過時的價格鎖定年度承諾。每個錯誤都把供應商的減價變成組織的成本。
Writer 的 2026 年企業調查顯示，79% 的組織在採用 AI 時遇到挑戰，儘管 59% 每年投資超過 100 萬美元。更便宜的模型讓你更容易開始更多項目，卻不會讓你更容易完成它們。兩家供應商在四個月內先後下調前沿價格，任何沒有價格傳導條款的協議，都是在與這個趨勢對賭。
本季你應該做什麼？
以每個已完成任務為單位重新計算你最重要的 AI 任務成本；在把任何生產流程遷移至 Opus 5.5 之前重新執行評估；在 Sonnet 與 Haiku 5.5 發布之前按所需能力對任務分類；並改寫供應商條款，確保未來減價能夠傳導。向董事會呈報時，把結果定位為成本持平下的產能擴張，而非節省。
策略上的結論是：前沿 AI 定價已進入通縮，而真正受益的企業，是那些預算、合約與流程都為吸收下一次減價而設計的組織，而不是為上一次。技術會繼續變便宜，但關於在哪裡應用、如何治理、如何向董事會解釋的判斷，並不會隨價目表一併附送。
懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴。
本文由 UD 企業 AI 團隊審閱。
了解了框架，下一步是找出哪些流程應該最先遷移，以及每個任務實際的成本。UD 團隊手把手帶你完成每一步，從 AI 準備度評估、模型選型，到部署上線與成效追蹤，28 年企業服務經驗，全程陪你走。
