IBM 董事長暨執行長 Arvind Krishna 在 2026 年第三季財報電話會議上表示，開放權重（open-weight）模型的效能已達尖端模型約九成，權杖（token）成本僅為尖端模型的 10% 至 25%，一般大型企業只需「兩到三個機櫃」即可在地端運行。這段談話經 The Register 於 10 月 22 日報導 IBM CEO says open weight models are now irresistibly good and cheap on-prem 後，也引發市場關注。
同一天，前 BuzzFeed 資深資料科學家 Max Woolf 分析 OpenAI 與 Anthropic 數個月內最高達 80% 的 API 降價，業界目前對同一個問題確實是有在關注的，尖端模型的定價其實是市場的重點問題，討論是否被開放權重模型與第三方推論服務商壓低。。
Krishna 在財報電話會議的說法
CyberQ 觀察，根據 Benzinga 經 Yahoo Finance 轉載的報導，以及 The Register 的原始報導，Krishna 的論點可歸納為四點。
- 效能差距已縮小。他以滿分約 100 的尺度說明，2024 年底尖端模型約在 70 分時，開放模型僅 20 至 30 分。到 2025 年底開放模型追至 50 至 70 分，如今已達尖端模型的九成。The Register 的報導並未指出這些分數對應哪一項基準測試，此部分待查。
- 成本差距仍然巨大。他估計開放權重模型的權杖成本為尖端模型的 10% 至 25%。
- 基礎設施門檻不高。他表示一般大型企業只需「兩到三個機櫃」就能開始在地端運行開放權重模型。
- 多數日常任務不需要最強模型。他列舉的例子包括摘要電子郵件、審閱合約、接聽客戶電話與撰寫郵件。
他將企業的選擇簡化為二選一，即為最好的模型多付十倍價格，或以十分之一的成本取得約九成的效果。他同時將這股趨勢與「主權 AI」連結，認為企業希望把敏感資料、日誌與模型活動留在自己掌控之下，是推動地端與私有 AI 基礎設施需求的主因。報導中未提及 IBM 自家的 Granite 模型或 watsonx 平台，也未點名任何客戶案例。
IBM 第三季財報背景
這段談話的場合是 IBM 2026 年第三季財報電話會議。依 Benzinga 報導，IBM 當季總營收為 171 億美元，軟體營收年增 9%，交易處理（transaction processing）業務年增 10%，主要由大型主機軟體帶動，數字由資深副總裁暨財務長 Jim Kavanaugh 提出。科技分析師 Patrick Moorhead 於 10 月 21 日在 X 上表示，IBM 前一季大型主機業務的下滑屬於異常值，支持管理層先前「交易時程遞延」的說法。
市場反應並不正面。報導指出 IBM 股價在盤後交易下跌 4.64%，過去一年下跌 10.85%，年初至今下跌 15.11%，但近一個月上漲 8.42%。Krishna 替開放權重模型與地端基礎設施背書，與 IBM 以軟體、顧問與大型主機為主的業務結構相符，讀者解讀其發言時應將此商業立場納入考量。
OpenAI 與 Anthropic 的降價時間軸
Max Woolf 整理了 2026 年 6 月底至 9 月底兩家公司的定價變動。下表價格單位為每百萬權杖美元，依序為輸入 / 輸出 / 快取讀取，依日期由新至舊排列。
| 日期 | 廠商 | 事件 |
|---|---|---|
| 2026-09-29 | OpenAI | GPT-6 Sol 表現不如預期，改推 GPT-6.1 Sol，$2 / $10 / $0.10，快取價再砍半，Sol 系列累計降價 75% |
| 2026-09-22 | Anthropic | 推出 Claude Opus 5.5，$4 / $20 / $0.20，輸入輸出較 Opus 5 低 20%，官方稱服務所需算力低於 Opus 5 |
| 2026-09-22 | OpenAI | 推出 GPT-6 Sol，$2 / $10 / $0.20，為折扣後 GPT-5.6 Sol 的一半。同時推出 GPT-6 Luna，$0.10 / $0.50 / $0.01 |
| 2026-09-03 | OpenAI | 推出 GPT-6 Astra，$10 / $50 / $1，無快取折扣 |
| 2026-09-01 | Anthropic | 推出 Claude Fable 5.1，$10 / $50 / $0.25，快取讀取較 Fable 5 的 $1 降 75% |
| 2026-08-21 | OpenAI | GPT-5.6 Sol 降價約 20% 至 $4 / $20 / $0.40，為期三個月 |
| 2026-08-10 | Anthropic | Claude Sonnet 5 的上市優惠價 $2 / $10 / $0.20 改為永久 |
| 2026-07-30 | OpenAI | GPT-5.6 Luna 降價 80% 至 $0.20 / $1.20 / $0.02 |
| 2026-07-24 | Anthropic | 推出 Claude Opus 5，$5 / $25 / $0.50 |
| 2026-06-30 | Anthropic | 推出 Claude Sonnet 5，上市價 $2 / $10 / $0.20 |
| 2026-06-26 | OpenAI | 推出 GPT-5.6 Sol，$5 / $30 / $0.50，與 GPT-5.5 同價。另推小型模型 GPT-5.6 Luna，$1 / $6 / $0.10 |
Woolf 特別指出快取讀取價格的重要性。在代理式（agentic）程式開發情境中，快取讀取佔權杖支出的 96% 至 99%，快取命中率通常在 90% 至 100%，因此快取價降 75% 約等於總成本降 70% 至 75%。他引用 Vercel AI Gateway 的資料，每權杖成本已降至 2026 年 4 月的 43.3%，但因用量成長速度高於降價速度，總支出仍在上升。
至於降價原因，Woolf 認為主因是開放權重模型與第三方推論服務商的競爭。DeepSeek V4.1 Flash 1017 定價 $0.15 / $0.60 / $0.003，OpenRouter 上已有 29 家服務商提供，Cloudflare 與 DeepInfra 的有效成本與 DeepSeek 官方相差在 10% 以內。Moonshot AI 的 Kimi K3.1 Pro 定價 $2 / $10 / $0.20，為 Opus 5.5 的一半，Artificial Analysis 指數 55 分，Opus 5.5 為 58 分。他不接受「先低價搶市再漲價」的說法，理由是推論市場競爭者眾且進入門檻低。他也檢視了 IPO 前拉抬財報的動機，但認為降價 80% 與此目標相悖，且實際利潤率不明，列為未解問題。
第三方對九成效能一成成本說法的檢驗
一位署名 Maya 的作者在 DEV Community 以 2026 年 10 月 23 日的公開牌價檢驗 IBM 的成本說法。她設定一個典型工作負載，每次請求 8,000 個輸入權杖、500 個輸出權杖，共 1,000 次請求，不計快取。下表為各模型每 1,000 次請求的費用（美元）。
| 模型 | 每 1,000 次請求（美元） | 相對 Opus 5 | 相對 GPT-6 Sol |
|---|---|---|---|
| Claude Opus 5 | 52.50 | 100% | 250% |
| Claude Opus 5.5 | 42.00 | 80% | 200% |
| Claude Sonnet 5 | 21.00 | 40% | 100% |
| GPT-6 Sol | 21.00 | 40% | 100% |
| DeepSeek V4-Pro（離峰） | 6.27 | 11.9% | 29.9% |
| DeepSeek V4.1-Flash（尖峰） | 3.00 | 5.7% | 14.3% |
| DeepSeek V4.1-Flash（離峰） | 1.50 | 2.9% | 7.1% |
| GPT-6 Luna | 1.05 | 2.0% | 5.0% |
| Claude Haiku 5.5 | 1.05 | 2.0% | 5.0% |
她的結論有三點。第一，以牌價計算，IBM 的成本區間確實成立，DeepSeek 兩款模型相對 Opus 5 落在 10% 至 25% 之內或更低，相對中階旗艦（Sonnet 5、GPT-6 Sol）則 V4-Pro 略高於區間上緣。第二，省錢的關鍵在於使用小型稀疏模型，而非開放權重本身，因為封閉的 GPT-6 Luna 與 Claude Haiku 5.5 比 DeepSeek Flash 離峰價還便宜約 30%。第三，自建硬體屬於使用率的賭注。以每小時 30 美元的 8 GPU 節點、每節點每秒 12,000 個輸出權杖為假設，自建相對 Opus 5 輸出價的損益兩平使用率為 2.8%，相對 GPT-6 Sol 為 6.9%，相對 DeepSeek V4-Pro 為 35.1%，相對 Flash 或 Luna 則永遠無法兩平。
她認為支持自建機櫃的理由在於控制而非價格，包括敏感資料留在企業內部、鎖定模型版本、自行微調與支出可預測。至於 IBM 所稱「九成效能」，The Register 報導未附任何基準測試出處，無法以公開資料驗證，此點兩位分析者看法一致。
對台灣企業導入地端 LLM 的意義
CyberQ 認為，從這幾個議題和討論合來看，對正在評估地端 LLM 的台灣企業有幾點可直接參考。
- 效能門檻已不再是主要障礙。IBM 執行長的「九成」雖缺乏基準出處，但 Artificial Analysis 的公開指數顯示 Kimi K3.1 Pro 與 Opus 5.5 僅差 3 分，DeepSeek V4.1 Flash 從上一版的 24 分提升至 45 分，開放模型與尖端模型的差距確實在收斂。
- 純以成本論，地端未必划算。DEV Community 的試算顯示，自建 GPU 要擊敗 DeepSeek 或 GPT-6 Luna 這類低價 API 幾乎不可能，要擊敗 Opus 5 等級的旗艦 API 則只需 2.8% 的使用率。企業應先釐清自己要替代的是哪一個價格帶的模型，再計算損益兩平點。
- 真正的決策變數在資料控制。Krishna 與 DEV Community 的作者都把「資料留在企業內」列為自建的核心理由。對受金管會、個資法或客戶 ITGC 稽核約束的台灣企業而言，日誌、提示詞與輸出不離開機房，往往比每百萬權杖省幾美元更關鍵。
- 快取讀取價格會改變地端與雲端的比較基礎。若企業的主要負載是代理式程式開發或長文件處理，Woolf 指出的 96% 至 99% 快取佔比，意味著雲端 API 的實際成本遠低於牌價。地端自建的試算若未納入這一點，會高估雲端成本。
最後，兩家尖端模型廠商持續降價，對地端導入是雙面刃。一方面壓低了企業的替代成本上限，另一方面也讓「自建省錢」的敘事愈來愈難成立。Woolf 預期數週內會有 Fable 5.2 或 GPT-6.1 Astra 問世，其定價方式將是下一個觀察點。
