你将因价格被排除在最佳 AI 编码工具之外
Source: Hacker News
Introduction
Andy Warhol famously said:
“What’s great about this country is that the richest consumers buy essentially the same things as the poorest. You can be watching TV and see Coca‑Cola, and you know that the President drinks Coke, Liz Taylor drinks Coke, and just think, you can drink Coke, too.”
There was a time when everyone used GitHub Copilot—$10 / month, free for students. I used it, Andrej Karpathy used it, high‑schoolers learning to code used it too.
Now the cheapest usable tier of Claude Code costs $100 / month. Below I outline a handful of short arguments for why the old state of affairs was temporary and why the best AI coding tools will become far more expensive.
定价趋势
我绘制了 AI 编码工具的分层产品定价图，显示出指数趋势。该图有两个注意事项：
- 数据偏向于我查找的产品。
- 高价和低价区间似乎遵循不同的趋势，因此直线拟合并不完美。
尽管如此，上升的轨迹仍然清晰可见。
此外，据报道 OpenAI 曾在与投资者的会谈中讨论为博士级别的研究代理收取 $20 k / month（见Information 文章）。该信息是在三月提出的；此后没有更新出现，因此请谨慎对待此说法。
为什么 AI 编码代理仍然有价值
大型语言模型（LLM）之所以与众不同，是因为它们起初成本低廉，并且在能够完成任务时，往往 比人类便宜得多（来源）。按照 生成的代码行数 来衡量，LLM 编码代理提供的价值远超其成本（LessWrong 帖子）。
这就创造了一个机会：更好的产品可以使用更多算力、收取更高费用，并实现更高的利润率。
潜在的收入驱动因素
- 持续协助 – 用户可能愿意为前沿 LLM 支付额外费用，让其持续运行、注释并补全工作，从而交付更快的结果。
- 改进的信息检索 – ChatGPT 在处理复杂查询时常常失效。一个更快、具研究水平的替代方案（例如 “Deep Research”）可以收取更高的价格并刺激需求（推文）。
- 并行采样 – 并行运行多个模型实例并挑选最佳输出，可提升指标（例如 Pass@K 相较于 Pass@1）。DeepSeek‑R1 论文报告在数学基准上，从 70 %（单次查询）提升到 86 %（64 次查询后多数投票）【arXiv】。
行业视角
AI‑industry insider Nathan Lambert（在 The Curve 报道）指出：
“在两年内，大量学术 AI 研究工程将被顶级工具自动化…… 我也预计学者们将被这些工具的费用完全排除在外。……实验室将在 AI 工具（推理成本）上每位员工每年花费 $200 k+ per year per employee，但大多数消费者由于算力稀缺，费用将维持在 $20 k 或更低的层级。”
反驳：哪些因素可能压低成本？
- 竞争 – 竞争实验室或开源项目可能压低价格或开发更便宜的替代方案。
- 补贴 – 实验室有动机在高价值用户中扩大采用，可能为更广泛的受众补贴成本。
- 硬件与算法的进步 – 硬件供应和算法效率的提升可能超过需求增长。
- 推理规模的递减收益 – 如果基于强化学习的推理在性能上与预训练规模相当（Pass@K ≈ Pass@1），增加计算的经济激励可能会减弱。
虽然这些情景似乎都不太可能，但值得进一步研究。