当地时间 10 月 26 日，OpenAI 发布 GPT-6.1 Terra。 价格是这样的，标准 API 输入每百万 token 1 美元，输出 5 美元，缓存输入 0.05 美元。比上一代 GPT-5.6 Terra 降了约五成，比同代更强的 GPT-6.1 Sol 也降了约五成。跟上一代旗舰 GPT-6 Astra 比，单价是十分之一。 隔了一天，10 月 27 日，财联社转述台媒消息，台积电把 CoWoS 先进封装的报价上调 10% 到 20%。 两天，一个降一半，一个涨两成 。降的是模型，涨的是把芯片装到一起的那道工序。 多数人把这两条当两条新闻看。一条说 AI 越来越便宜，一条说算力越来越贵，看着还互相打架。 talk君把它们放到一张桌子上读，读出来的是另一件事。 这两件事在给同一个东西重新标价：不是能力，是交付。 模型那边，单价砍半，但官方给的另一个数字更值得盯。 单项任务成本，降到了约三分之一。 单价降五成，任务成本降三分之二。两个跌幅不一样，说明它换了一把尺子在量。 封装那边，涨的不是制程，是最后那道把逻辑芯片和高带宽内存装进同一个壳里的工序。 制程不能再免费给你性能了，性能得另外花钱买。 一头把计价单位从过程挪到结果，另一头把定价权从线宽挪到封装，方向是同一个 。 你在哪里被这件事碰到？ 你付的每一笔 AI 账单，你签的每一份外包合同，你年底谈的那次涨薪，用的都是同一种计价单位。 单位一换，你以为在比价的那个东西就换了。 你还在按小时算成本，对方已经按交付算价格。这场谈判从一开始就不在一个坐标系里。 所以下面要算的不是谁涨谁降的账。是一张价格标签背后，写的到底是过程，还是结果。 1 两天里的两个价格，方向相反 先把两边的动作摆清楚。 OpenAI 这次力度不小，除了降价，还有一组性能数字。 Agents' Last Exam 在中等推理强度下比前代高 15 个百分点。Terminal-Bench 4.0 在最高推理强度下拿到 50.3%，前代是 21.5%。第三方机构 Artificial Analysis 给的智力指数是 48 分，前代 42 分，同代的 Sol 是 52 分。 性能涨了，价格砍了，这在硬件行业不稀奇，在模型行业也不稀奇，过去两年一直是这个节奏。 稀奇的是另一头。 台积电把 CoWoS 报价上调 10% 到 20%，理由是需求外溢。原来抢产能的主要是 GPU，现在服务器 CPU 和定制 ASIC 也挤进来要。设备交期从 3 到 6 个月，拉长到 6 到 8 个月。 2026 年月产能有望突破 13 万片，2027 年看到 20 万片。 台积电董事长魏哲家在最近的业绩说明会上讲过一句不常见的自我定位， 目前只有台积电实现了五倍光罩规模的量产 。 这句话在说尺寸。芯片越做越大，一片晶圆能切的颗数越少，封装要接的线越多，良率难度越高。这件事上，能做的厂不多。 把两边的逻辑并排看，会看到一个很拧的结构。 模型在往下打，打到单价只剩上一代旗舰的十分之一，封装在往上抬，抬到两成 。 如果算力真的越来越便宜，上游应该跟着降，上游却在涨。如果上游真的紧缺，下游应该跟着涨，下游却在砍。 两边都对，看起来矛盾。矛盾说明有一边的计价单位，跟另一边不是同一把尺子。 国金证券今年的一份研究给了一个解释方向。 后摩尔时代，制程微缩带来的性能收益在递减，性能竞争正在从先进制程转向系统集成 。 翻译过来就是，过去你升级制程，性能自己就来了。 现在制程升级越来越贵，收益越来越薄，性能得靠别的方式凑。比如把更多芯片封到一起，比如把内存挪到离计算更近的地方。 性能原来是制程送的，现在性能是封装卖的。 当一件东西从赠品变成商品，它的价格就会开始涨。 2 降价的那一半，降的不是你以为的东西 回到模型这一头。 这次的降幅里藏着一个细节，多数解读跳过了。 单价降约五成，单项任务成本降到约三分之一，两个数字差得很远。 如果只是单纯降价，这两个跌幅应该一致。任务成本掉得比单价狠，说明任务变便宜的原因不止价格。 有两种可能。 一种是模型一次做对的概率高了 ，原来要重试三次，现在一次过。 另一种是它自己想得更省 ，同样的事，用的 token 少了。 两种可能都指向同一件事。 你买到的东西，从一堆 token，变成了一个被完成的任务。 这个变化在账面上看得见。过去企业买模型，按量付费，用的是 token 这把尺。你买了多少字，用了多少算力，账单上一目了然。 这种计费方式有一个隐含前提。你自己知道这些 token 要拿来干什么，你要为你的用法负责。 现在越来越多的厂商在改这个前提，它们不再问你用了多少，只问你成了几件。 Intercom 的 Fin 按结果收。解决一个问题 0.99 美元，产出一个有效意向客户 9.99 美元。 Salesforc
