大語言模型產業在 2026 年 7 月中旬出現了一個耐人尋味的巧合，全球三家頂級 AI 大廠在同一個週末前後，不約而同地對使用額度動刀。表面上看是各家在產品節奏上的常態角逐，但 CyberQ 認為，若從資訊安全、架構合規與工具開發者的底層視角切入，會發現這幾起模型動態本質上是同一場戰爭，繼續是環繞 AI 算力消耗、Token 成本與使用者配額管理的生存戰。深度推理模式讓模型變得更聰明，也讓每一次對話的燃燒速度遠超訂閱制的設計初衷。
| 模型名稱 | 開發大廠 | 上下文視窗容量 | API 每百萬 Token 價格（輸入／輸出） | 核心技術與任務架構焦點 | 近期關鍵事件與配額調整現況 |
| GPT-5.6 Sol | OpenAI | 支援多代理長文字擴充 | 5.00 美元 ／ 30.00 美元 | 具備自主設計判斷力，導入極限推理強度模式，自動調度多個子代理程式進行複雜任務整合。 | 原本存在五小時的使用限制，因多輪自我修正導致 Token 消耗過快，官方緊急宣布全面取消限制並進行效率最佳化。 |
| Claude Fable 5 | Anthropic | 預設 100 萬 Token（輸出最高 128k） | 10.00 美元 ／ 50.00 美元 | 專攻高難度長期自主工作流，自帶適應性思考機制，於程式碼漏洞挖掘與跨日任務表現優異。 | 原定結束免費推廣並限制每週額度，因資安與商業市場反應，官方將付費限制延後至07月19日執行。 |
| Gemini 3.5 Pro | 200 萬 Token | 尚未正式公布（內部代號 Cappuccino） | 內建獨立的深度思考模式，強調首次正確率，與電腦原生操作功能整合以執行重度企業級任務。 | 早期測試版本於競技場與內部資料外洩，展現出處理完整程式碼庫與複雜多步驟規劃的能力。 | |
| DeepSeek V4-Pro | DeepSeek | 100 萬 Token | 0.435 美元 ／ 0.870 美元 | 採用潛在多頭注意力機制與雙管道並行架構，在推理解題之餘將硬體與記憶體頻寬成本降至極致。 | 官方正式宣布將原本的促銷折扣轉為永久定價，大砍七成五的費用，主打極高性價比以承接大量智慧代理任務。 |
Google Gemini 3.5 Pro 洩漏：兩百萬 Token 的豪賭，與補不完的程式碼課
首先引起討論的是 Google 內部代號 Cappuccino 的 Gemini 3.5 Pro 洩漏事件。根據 Geeky Gadgets 於 7 月 13 日整理的外流資訊，這款旗艦模型最受矚目的規格是 200 萬 Token 的超大上下文視窗，若屬實，將是目前主要模型中最大的上下文視窗喔。理論上，開發者可以把整套軟體專案的程式碼庫、大型法律文件或跨年度研究資料一次餵給模型，執行安全性稽核、架構重構或深度綜合分析。
不過，這次洩漏報導的整體基調其實對 Google 相當不客氣。文章直指前幾代 Gemini 在程式碼基準測試上僅有小幅進步、明顯落後於 OpenAI 與 Anthropic，Gemini 3.5 Pro 能否在 SWEBench Pro、Terminal Bench 等指標上翻身，才是決定成敗的關鍵。另一項主打功能是生成式使用者介面（Generative UI），號稱能讓模型依需求動態產生操作介面。這項功能的早期測試回饋也出現兩極化反應，部分產出被批評為低效或過度複雜。加上 Google 上一次重大模型更新已是 2026年 5 月，在 OpenAI 推出 GPT-5.6、Anthropic 端出 Claude Fable 5 之後，Gemini 3.5 Pro 承受的已不只是規格競賽壓力，而是再慢就掉隊的時程壓力，市場也都在關注著 Google 的下一步。
CyberQ 指出，值得注意的是，一個 200 萬 Token 的上下文視窗，意味著單次請求的運算成本呈倍數放大。Google 若真以此規格上市，等於主動走進本文接下來要談的同一個困境，深度推理與長上下文的算力帳單，最終要由誰買單呢？
Anthropic Fable 5：五週內三度延期，訂閱制與按量計費的拉鋸戰
目前可說是走在深度推理最尖端的 Anthropic，正在用一連串的政策急轉彎示範這個困境。其 Mythos 級旗艦模型 Claude Fable 5 於 2025 年 6 月 9 日上線，原訂提供兩週免費體驗，卻在 6 月 12 日因美國出口管制指令而全球停用。當 6 月 30 日管制解除後，7 月 1 日重啟免費窗口並加上每週額度 50% 上限的新限制，原訂 7 月 7 日截止。
接下來的劇本開始重複播放，7 月 7 日截止前數小時，Anthropic 宣布延至 7 月 12 日，接著呢，7 月 12 日深夜（甚至是在期限已過之後），該公司的官方 X 帳號再度宣布延至 7 月 19 日晚間 11 時 59 分（太平洋時間），Claude Code 的 50% 週限制加成也同步延長。五週內三度展延，且每次都壓在死線邊緣才公布。
延期的背景是付費社群的強烈反彈。依照 Anthropic 原本的規畫，Pro、Max、Team 與高階 Enterprise 訂戶在免費窗口結束後，使用 Fable 5 必須改用預付信用點數，計價為每百萬輸入 Token 10 美元、輸出 Token 50 美元。這個定價不便宜喔，是 Anthropic 公開模型中最高的費率之一，輸出價格恰為 Claude Opus 4.8 的兩倍。訂戶的不滿在於，我們大家花錢付了訂閱費，最想用的模型卻還要另外加購。社群比喻相當傳神，像是訂了影音串流服務，結果想看的那部片還要單租哪。
時間點也不容忽視。第三次延期恰好落在 OpenAI 於 7 月 9 日全面開放 GPT-5.6 家族之後，其中 GPT-5.6 Sol 的基準測試成績逼近 Fable 5、營運成本卻更低。業界普遍解讀，這次 Anthropic 加碼延後免費窗口，與其說是回應民意，不如說是在競品壓境的時刻，不敢把開發者往按量計費的門外推。Anthropic 官方則表態，待算力充足後將讓 Fable 5 回歸為訂閱方案的標準配備，但未給出時間表。這給了我們很多想像，也就是說，很可能 Anthropic 會繼續讓大家用 Fable 5 直到他們覺得資源又不夠為止 ?
OpenAI 緊急鬆綁：五小時限制暫時取消，共用配額池的設計代價
配額焦慮同樣燒到了 OpenAI 陣營，而且燒得更快。OpenAI 於 7 月 9 日全面開放 GPT-5.6 家族的 Sol、Terra、Luna 三款模型，其中專攻高持久性複雜任務的旗艦款 Sol，因極度依賴多輪自我修正與子代理調度，Token 消耗速度遠超預期。雪上加霜的是其產品設計，Codex 與同週推出的 ChatGPT Work 共用同一個計量池，本地訊息與雲端任務全部算在一起。GitHub 上甚至有 Plus 用戶精確記錄，在一般互動使用下，剩餘配額於約五分四十八秒內從 70% 直接歸零。
在 48 小時內兩度重置用量仍壓不住民怨後，OpenAI 技術成員、Codex 產品負責人 Tibo Sottiaux 於美國時間 7 月 12 日在 X 上宣布三項措施，暫時取消 Plus、Business 與 Pro 方案的五小時滾動用量限制，同時呢，官方也著手最佳化 GPT-5.6 Sol 的整體效率，在不犧牲推理能力的前提下降低單位任務的用量消耗（具體幅度尚待量化公布），更宣布新版已經達到 600 萬活躍用戶，並於一小時內執行全面用量重置。
必須提醒的是兩個限定詞，官方措辭是暫時（temporarily）取消，且每週用量上限依然存在。這不是無限暢用，而是在效率改善工程完成前，用最便宜的方式安撫重度開發者、避免流失。從架構角度看，這起事件也坐實了多代理系統在底層執行時承載的配額壓力，當一次簡短對話的背後，其實是數十次子代理呼叫時，任何以訊息數或時間窗口為單位的限額設計都會迅速失真。
對照組：DeepSeek 降價 75%，但「100 倍問題」沒有跟著消失
把上述三起 7 月事件串起來看，再回頭對照 5 月下旬中國 AI 大廠 DeepSeek 的定價動作，會得到一個更完整、也更冷靜的產業圖像。DeepSeek 於 5 月 22 日宣布，原訂 5 月 31 日到期的 V4-Pro 二五折促銷不再回滾，直接轉為永久官方定價：每百萬 Token 輸入 0.435 美元、輸出 0.87 美元，快取命中輸入更低至 0.003625 美元，等同把旗艦模型的 API 價格永久砍掉 75%，輸出計費約為 GPT-5.5 的三十分之一。支撐這個價格的並非單純補貼，CyberQ 認為，根據 DeepSeek 技術摘要，V4-Pro 在 100 萬上下文條件下，單 Token 推理 FLOPs 僅為前代 V3.2 的 27%，KV 快取記憶體需求更只剩 10%，是用架構效率換取定價權，而這正是歐美大廠補課中的科目，OpenAI 口中的「Sol 效率最佳化」、Anthropic 等待的「算力充足」，本質上都是同一道問題。
然而，VentureBeat 近期針對這波降價提出了一個潑冷水的觀察，便宜的 Token 並沒有讓企業的 AI 帳單變得健康，因為「100 倍問題」依然存在。傳統聊天機器人是一問一答、一次模型呼叫，代理系統則會把單一使用者請求拆解成規劃、檢索、工具呼叫、驗證、摘要與後續決策的長串迴圈，使用者看到一個答案，廠商付的是整條迴圈的帳單。同一個請求以代理工作流執行，成本可能是聊天式回應的百倍以上，長時程任務的放大倍數更高。尖端 AI 模型推理的單位成本雖以每年約三倍的速度下降，但代理架構的 Token 放大速度跑得比降價還快，當代理消耗的 Token 量是定價模型原始假設的一百倍甚至是數百倍時，砍 75% 的單價根本追不上。這個觀察與本文前段完全呼應，OpenAI 五小時限制在數分鐘內被燒穿，正是「100 倍問題」在訂閱端的具體呈現。
CyberQ 先前的產業分析也指出了降價無法觸及的幾個結構性瓶頸。其一是準確率的邊際成本，企業關鍵任務追求的是從 95% 到 99% 的可靠度，背後算力需求呈指數級增長，單純調降 API 費率無法弭平模型表現與企業嚴苛標準之間的落差。其二是硬體天花板，大模型推論高度依賴記憶體頻寬，現行晶片架構在處理百萬 Token 級超長上下文時，HBM 容量與讀取延遲難以線性提升。其三是部署經濟學，對必須私有化部署以保護資料的大型企業而言，GPU 叢集的採購、電力與維運成本遠高於 API 呼叫，這才是阻礙大規模落地的根本原因。其四則是高併發場域的延遲，在即時客服、金融交易等場景，旗艦模型的回應速度仍不敵專用輕量模型，而為了省成本設計的多層模型架構（小模型過濾、大模型處理），又會反過來墊高系統維護與測試的複雜度。
CyberQ 也歸納一下，時序上要說清楚，DeepSeek 的降價發生在 5 月，早於 Fable 5 上線與 GPT-5.6 開放，它不是對 7 月這波配額風波的回應，而是提前劃下的價格底線。它的存在讓 7 月的每一次限額爭議都被放大，當開發者在 OpenAI 或 Anthropic 的平台上因五小時限制或按量計費而縮手縮腳時，市場上早已存在一條 SWE-bench Verified 達 80.6%、成本只有零頭的替代路徑，也就是 DeepSeek API。但100 倍問題還是提醒了我們，你跑去換一家更便宜的供應商只是治標，導入前除了把資料治理與合規風險放在價格之前評估，尤其涉及客戶個資與營業機密的工作負載，更要正視自家代理架構的 Token 放大係數，否則省下的單價很快會被失控的迴圈吃回去。
戰場已從參數量轉向單位任務成本
CyberQ 認為，綜合這幾起事件，當前走勢我們的看法是，大模型的核心戰場，正從參數量與基準分數的比較，繼續在工程執行效率與商業續航力上競爭。Google 押注超大上下文、Anthropic 在訂閱價值與算力成本之間反覆試探、OpenAI 被迫緊急鬆綁再回頭補效率課，而 DeepSeek 則證明架構最佳化還是可以直接轉化為定價權。
對具備 AI 工具開發與資安合規視角的技術團隊而言，這波配額鬆綁與降價連鎖反應是明確的利多，更便宜、限制更少的推理算力，意味著複雜的自主代理系統越來越有機會走向更大規模的商業落地。
但100 倍問題劃出了下一階段的分水嶺，CyberQ 預估，未來 24 個月能存活下來的，不會是用最便宜模型的公司，而是把推理成本當成一級工程指標來管理的團隊。技術長與老闆們得想辦法要求團隊善用提示詞快取（現階段各大廠已提供 75% 至 90% 的快取折扣）、對工具輸出與推理軌跡做上下文修剪、為代理迴圈設定深度上限，讓每一次路由決策都有自己的成本帳，到時候應該會有人做出可分析好的專案成本帳目表工具。
架構決策重新成為即時的財務決策，也會變成新的商業智慧喔，一次提示詞重構就是一次毛利事件，而一個未設邊界的代理迴圈，等同於一場綁著信用卡的系統事故呢。
