拉丁美洲 AI 供应商与算力定价趋势（2026）

内容摘要。 截至 2026 年年中，AI 供应商定价已从单纯的"算力税"根本性地转向结构化的分层模式。根据斯坦福 AI Index 2025，查询一个基准模型的成本自 2022 年以来已骤降 280×[1]，但企业侧的成本已分化为按 token 计费的 API、按席位订阅与基于结果的定价模式。对于拉美的中小企业而言，要正确编制预算，就必须区分基础接入成本（如 Odoo 每用户每月 Mex$225 的费率[2]）与可变的消耗层。

2026 年 AI 如何计价：定价模式

要理解当今的供应商定价，需要厘清三种不同的模式。按 token 计费仍是原始 API 的标准：Anthropic 的 Claude Opus 4.8 目前为每 1M 输入 token $5、每 1M 输出 token $25，而 OpenAI 的 GPT-5.6（sol）定价为输入 $5 / 输出 $30[3][4]。更快的模型（如 Haiku 4.5 或 Luna）则便宜得多，约为输入 $1 / 输出 $5-6。按席位订阅面向企业团队，例如 Claude Team 为每用户每月 $20（按年计费）[5]，而 Odoo 等 ERP 平台提供的 Standard 套餐起价为每用户每月 Mex$225（不过 Odoo 的 AI 功能会消耗另计的 IAP 积分）[2]。最后，按结果与运行时计费正为智能体（agentic）工作流兴起，例如 Anthropic 对每 1,000 次网络搜索收取 $10，或对托管的智能体运行时按每小时-会话收取 $0.08[3]。

算力与模型成本趋势

算力领域的总体趋势是性价比的急剧提升。根据斯坦福 HAI 2025 报告，在 2022 年底至 2024 年底之间，查询一个达到 64.8% MMLU 分数（即 GPT-3.5 质量）的模型，其成本下降了 280×，从每 1M token $20 降至仅 $0.07[1]。这一价格通缩由两方面驱动：硬件成本每年约下降 30%，能效每年提升 40%[6]。此外，模型在不损失能力的前提下正变得越来越小；超过 60% MMLU 基准所需的参数规模缩小了 142×，从 PaLM 的 540B 参数降至 Phi-3-mini 的 3.8B[7]。这意味着中小企业如今可以在本地运行高能力模型，或以过去 API 成本的一小部分来运行它们。

中小企业的隐性成本因素

尽管算力价格不断下降，中小企业仍常因隐性成本而出现预算超支。原始 API 或订阅费用只是起点。真正的成本在于数据集成（清洗内部数据库并将其连接到模型）、提示工程（prompt engineering）工作流，以及持续的系统维护。此外，混合定价模式——例如 Odoo 的做法：平台按席位收取基础费用，但特定 AI 任务会消耗另行预付的积分——若不加以细致的监控与治理，可能导致难以预测的消耗激增。

如何自信地为 AI 项目编制预算

要避免不愉快的意外，企业必须根据具体的"待办任务"（jobs to be done）来编制预算，而不能只看模型的标价。首先选择能够可靠完成任务的最小模型，充分利用现代小型语言模型 142× 的效率提升。在此基础上，设定严格的消耗上限，并投入可观测性工具以追踪各部门的 token 用量。若想更深入地理解如何将这些成本与实际的业务回报对齐，请参阅我们的分析文章《拉美中小企业的 AI 价值鸿沟》，其中详述了如何从无人监控的试验转向可盈利的部署。

本文完善期间，欢迎了解我们的具备治理与可观测性的人工智能解决方案，或与团队交流。