最近一个月，我越来越明显地感觉到，OpenAI 的订阅额度正在变少。这里说的不是官方宣布了涨价，而是对于真正每天大量使用 AI 做开发的人来说，同样一个订阅，能够完成的事情明显比以前少了。以前我用 GPT-5 Pro 做比较密集的开发，一周的额度基本是够用的，但最近在一个中大型项目里，有时候只是让模型读取上下文、理解代码，再问一个相对复杂的问题，周额度就可能明显下降。到了这一周，这种变化已经不是一种模糊的体感，而是很难忽略了。
其实一个多月前，我就已经产生过类似的判断。当时 Codex 原来比较明确的五小时使用周期开始发生变化，后来五小时的限制被取消，而 Tibo 又在 Twitter 上不断给用户 Reset 额度。每次快用完的时候突然重置一次，过一段时间又重置一次，用户自然会觉得 OpenAI 非常慷慨，甚至产生一种“这个额度好像怎么都用不完”的感觉。但我当时恰恰产生了另外一个想法：如果每个账户真正能够获得的资源越来越充足，为什么还需要不断通过 Reset 来制造额度变多的体验？
从商业角度看，我觉得至少存在两种可能。一种可能是，单个账户原本能够获得的资源其实正在下降，但是通过不断重置，用户不容易感知到这种下降；另一种可能则是，当时 OpenAI 正处在和 Anthropic 激烈争夺开发者用户的阶段，所以它宁愿继续补贴，也要让大家留在 Codex 和 GPT 的生态里面。不管是哪一种，它们最终都指向同一件事情：我们今天看到的订阅额度，并不是一个天然稳定的东西，而是一种可以根据商业目标不断调整的补贴。
过去一两年，我们可能严重低估了这种补贴到底有多夸张。之前有人对 ChatGPT Pro 做过极限测试，一个月 200 美元的订阅，在非常高强度的使用情况下，如果按照 API 价格折算，最高甚至可能对应一万多美元的计算资源，我看到过大约 14,000 美元这个数字。哪怕我们不纠结这个数字是否适用于每一个用户，它至少说明一件事情：过去的 AI 订阅价格与真实算力成本之间，存在非常大的差距。
如果一个用户付 200 美元，却可能使用几千甚至上万美元的计算资源，那么这本质上并不是“AI 本来就这么便宜”，而是模型公司正在用极高的补贴培养市场。为什么愿意这么做？因为过去这两年最重要的事情并不是赚钱，而是让越来越多的人真正把 AI 放进自己的工作流里面。程序员开始每天打开 Codex 和 Claude Code，设计师开始让 Agent 写代码，公司开始把模型接进内部系统，普通人也开始把越来越多的认知工作交给 AI。当这些习惯逐渐形成之后，AI 就不再只是一个可以随时取消的软件订阅，而开始变成一种生产资料。
这也是为什么我会用一个不太好听的词——收割。
我并不是想把 OpenAI 或者 Anthropic 描述成什么邪恶公司。从商业逻辑来说，这几乎是一个再正常不过的过程。滴滴早期补贴打车，美团早期补贴外卖，云计算公司给创业团队大量 Credits，本质上都是先用极低的价格降低使用门槛，让用户进入自己的生态，然后等到习惯、数据、工作流和迁移成本逐渐形成以后，再让价格回到更接近真实商业成本的位置。
只是 AI 比过去这些产品更加特殊，因为它会让人形成一种很深的生产力依赖。我以前甚至用过一个更激烈的比喻，就是近代史里的鸦片。这个比喻当然并不完全准确，但我想表达的是同一种结构：真正重要的不是第一次把东西卖给你，而是让你逐渐产生“没有它就无法维持原来的状态”的感觉。今天 Twitter 上每天都有人跑到 Tibo 下面请求 Reset，看起来 Tibo 像一个不断送额度的大善人，但换一个角度看，这种不断 Reset 本身也在强化一种体验——让人习惯无限调用最强模型。一旦有一天 Reset 没有了，而你的项目、客户和工作还要继续，你能够做的事情其实很简单：继续付钱。
所以我说的“收割”，本质上不是说某家公司突然开始作恶，而是议价权发生了变化。一开始是模型公司需要用户，于是它愿意给你大量补贴，希望你多用一点；等到你的代码、知识、工作流、Agent、公司流程全部逐渐建立在 AI 上以后，关系就反过来了，开始变成你需要模型公司。到了这个阶段，即使你抱怨额度减少、价格上涨，真正能够选择的空间也可能没有想象中那么大。
今年 3 月 OpenClaw 很火的时候，我曾经在社区里说过一个观点：可能再等半年，大家就不用专门去学 OpenClaw 了，因为一定会有更加简单的 AI 产品出来，让普通人几乎不需要理解底层技术就可以使用 Agent。当时我觉得这个过程大概要半年，结果到了 7 月，WorkBuddy 的出现已经让大量过去并不会开发的人开始直接使用 AI 做事情，比我的判断还提前了两个月。工具变简单这件事情，我基本判断对了。
但当时我还有另外一个判断：到了明年，AI 公司大概率会开始涨价，或者减少补贴，到时候很多人才会发现，今天这种近乎无限调用最强模型的状态其实非常奢侈。所以我那时候一直跟社区里的人说，如果你想做自己的 Harness，或者自己的 Agent OS，最好尽快做，因为这种系统需要大量试错、重构和 Token。如果以后 AI 的真实成本逐渐释放出来，再从零开始搭一套复杂系统，成本可能会比今天高很多。
现在回头看，我觉得当时还是乐观了，因为这个变化可能已经开始发生了。
假设过去一个 200 美元的账户，重度用户实际能够获得价值 5000 美元的计算资源，相当于平台补贴了二十多倍。如果未来这个比例从二十五倍变成五倍呢？那么一个原本每月只需要支付 200 美元的人，为了维持同样的使用量，理论上就可能需要支付 1000 美元。如果继续下降，对于每天大量运行 Agent 的个人开发者、小团队、设计师或者创业者来说，AI 成本很快就会从一个可以忽略的软件订阅，变成真正需要进入财务模型的一项生产成本。
所以我现在越来越觉得，未来 AI 使用者真正重要的能力，并不是找到“最强模型”，而是学会管理单位智能的成本。
这也是为什么我一直强调 Harness 和 Agent OS。真正属于你的资产不应该是 GPT、Claude 或者 DeepSeek，而应该是你的 Prompt、Skill、Agent、知识库、上下文管理、任务拆分方式、评价体系和工具调用流程。模型应该只是供应商。今天 GPT 强就用 GPT，明天 Claude 更适合某个任务就换 Claude，后天 DeepSeek 或其他模型便宜十倍，就把大量执行工作切过去。
未来多模型协同几乎是必然的。最强、最贵的模型负责规划、判断和真正困难的决策，大量重复性执行则交给更便宜的模型，甚至本地模型。过去大家做 Harness，主要想到的是效率问题，但我现在越来越觉得，它最终解决的其实是三个问题：效率、成本，以及选择权。
商业公司最终一定要赚钱，OpenAI 要赚钱，Anthropic 要赚钱，DeepSeek 同样需要赚钱。训练模型需要钱，推理需要钱，服务器和人才都需要钱，所以补贴减少本身并没有什么值得愤怒的。真正值得警惕的是，当补贴结束的时候，你是不是已经完全没有选择了。
如果你的整个工作系统只能运行在某一个模型上，那么它涨价以后你只能接受。但如果你拥有自己的 Harness，可以根据任务复杂程度在不同模型之间切换，那么模型供应商重新变成了供应商，而不是你的基础设施本身。
所以如果现在有人问我，AI 的额度越来越贵意味着什么，我的答案反而不是“少用一点 AI”，而是刚好相反：趁今天 AI 仍然足够便宜，把真正属于自己的 AI 工作系统尽快搭起来。
过去两年，我们学习的是怎么使用 AI。接下来真正需要学习的，可能是怎么调度 AI、怎么控制智能成本，以及怎么保证自己永远拥有切换模型的能力。
所谓收割并不可怕。商业世界本来就会经历补贴、增长和变现。
真正可怕的是，当收割开始的时候，你才发现自己已经没有选择了。