北京
降价带来的用量爆发
当GPT 5.6 Terra和Luna在OpenRouter平台上被大幅打折后，一个反直觉的现象出现了：令牌用量直接暴增了13.8倍。这不是小幅波动，而是数量级的变化。原本对价格敏感的用户和开发者，在成本骤降后迅速放大了调用规模。
这个结果恰好印证了经济学里的杰文斯悖论——当技术让某种资源的使用效率提升时，这种资源的总消耗量反而会上升，而不是下降。
杰文斯悖论在AI领域的重现
杰文斯悖论最早用来描述煤炭：蒸汽机效率提高后，煤炭消耗不但没减少，反而因为蒸汽机更便宜好用而大幅增加。现在同样的逻辑出现在大模型调用上。GPT 5.6的降价让单次调用成本下降，但总令牌消耗却出现了13.8倍的扩张。
这意味着更低的单位价格刺激了更多场景接入。原本因为成本被压制的需求，在价格门槛降低后被集中释放。开发者和企业不再精打细算每一次调用，而是把模型嵌入更多流程、更多产品、更多自动化任务里。
为什么效率提升反而推高消耗
核心原因在于需求弹性。当一项技术变便宜，原本用不起的人开始用，原本用得少的人开始多用。GPT 5.6 Terra和Luna的折扣让调用成本大幅下降，于是令牌消耗总量被迅速推高。
这种增长不是线性的。13.8倍的用量爆发说明，在价格下降到某个临界点后，需求会出现跳跃式扩张。对于平台和模型厂商来说，降价未必意味着收入缩水，反而可能通过用量放大来弥补甚至超越原有收入。
对行业定价策略的启示
OpenRouter上的这次数据提供了一个清晰信号：大模型服务的需求远未饱和，价格是释放需求的关键杠杆。当模型能力达到一定水平后，降价带来的用量增长可能远超预期。
这也解释了为什么头部模型厂商在持续下调API价格。表面上看是竞争压力，实际上是在用更低价格撬动更大的总消耗量。杰文斯悖论在AI基础设施时代，正在成为一条可被验证的商业规律。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
