Palantir 執行長 Alex Karp 公開批評 OpenAI 與 Anthropic 採用的按 token 計費商業模式，認為主要模型供應商對 AI 使用的收費方式反映出市場更深層的問題。根據 CNBC 的報導，這些言論之所以引人注目，是因為它們出自一家正向企業與政府客戶主打不同訴求的公司領導者：把 AI 視為與成果掛鉤的營運系統，而不只是以 token 計量的模型存取服務。
眼前這則新聞與其說是產品發布，不如說是 AI 領域中不斷擴大的策略分歧。一邊是 OpenAI 和 Anthropic 這類模型公司，其 API 和聊天產品通常按使用量計價；另一邊則是 Palantir 這類平台供應商，試圖把自己定位為連結模型、敏感資料、業務流程與部署控管的中介層。Karp 的批評之所以重要，是因為它點出了許多買家早已面對的矛盾：企業 AI 支出究竟應聚焦於原始模型消耗，還是聚焦於能管理可靠性、成本、安全性與工作流程整合的軟體系統。
CNBC 目前可取得的摘錄並未包含 Karp 的完整說法、他發言的場合，或支持其批評的詳細例子。這限制了報導對其具體論點的延伸空間。不過，即使只看標題，核心意思已相當明確：Palantir 挑戰的不只是競爭對手，還有已成為多數生成式 AI 標準做法的經濟模式。
為什麼 Karp 的批評現在特別重要
Karp 的攻擊落在企業買家逐漸從大型語言模型的早期試驗，轉向更嚴格檢視成本可預測性的時點。按 token 計費幫助 OpenAI 和 Anthropic 這類公司擴大前沿模型的可用性，因為它把使用量與運算需求直接對應。對開發者而言，這是透過 API 購買模型能力的直接方式；但對財務團隊與 CIO 來說，一旦 AI 功能擴散到多個產品、團隊與代理中，token 計量就變得難以預測。
這正是 Palantir 試圖差異化的地方。Palantir 並未以基礎模型公司身分正面競爭，而是把自身價值定位在複雜機構內部的協調、治理與部署。其更廣泛的企業 AI 敘事與 AIP 這類平台密切相關，AIP 是 Artificial Intelligence Platform 的縮寫，Palantir 將其行銷為一種能在真實世界場景中將模型 عملی化（operationalize）的方法，並對資料存取與決策流程提供控管。
因此，Karp 的言論不只是一次修辭上的攻擊。它與 Palantir 長期以來的主張一致：企業 AI 不能簡化為取得一個強大模型的存取權。對於擁有大量資料、監管限制或高風險決策鏈的產業來說，定價模式與系統設計密不可分。如果底層經濟機制獎勵持續增加 token 消耗，買家可能會擔心，軟體架構正在被使用量擴張，而非效率，所形塑。
模型競賽背後的商業模式之戰
這場定價爭論，其實是在爭奪 AI 技術堆疊中價值究竟落在哪一層。OpenAI 與 Anthropic 位於模型層附近，在那裡，效能提升與新能力可以合理支撐較高定價。按 token 收費非常適合這種業務，因為它能把模型呼叫轉化為經常性收入，也讓供應商能依模型品質、上下文長度與吞吐量來區隔產品。
Palantir 則來自不同的軟體傳統。其企業與政府合約歷來強調部署、整合以及任務特定軟體。從這個角度看，基於使用量的模型費用，對長期企業 AI 預算而言可能是不穩定的基礎，尤其當工作負載變動很大，且客戶仍在摸索哪些任務應該被自動化時。
這不是 AI 市場第一次在基礎設施經濟與應用層經濟之間分裂。雲端運算也曾歷經類似階段，客戶起初為原始資源付費，之後才要求更高層級的代管服務與更好的成本控管。在 AI 領域，這種區分更為尖銳，因為最顯眼的產品是對話式系統，但企業採購決策往往取決於更不顯眼的功能，例如治理、可稽核性、延遲管理，以及模型路由。
這也讓 Karp 的評論在策略上對 Palantir 相當有利。如果企業買家開始對無上限的 token 支出產生懷疑，那些把 AI 包裝成更高層系統的公司可能會獲得更大議價能力。但反過來也成立：如果 OpenAI 與 Anthropic 能持續快速提升模型品質，許多客戶仍可能接受 token 定價，視之為取得最佳能力的代價。
我們知道什麼，以及哪些仍不明朗
目前可取得來源中最確定的一點是，CNBC 報導 Karp「批評 OpenAI、Anthropic 的 token 模式」，並引述他說「Something has gone completely wrong.」由於沒有完整文章內容，目前沒有足夠的來源證據可可靠說明完整脈絡，也無法確定這些發言是在受訪、財報相關露面、會議討論，還是其他公開場合中提出。
同樣地，僅憑這則來源，也不足以確認 Karp 是否提出了具體替代收費結構、是否引用了客戶案例，或是否直接提到 OpenAI 或 Anthropic 的特定產品。這些細節很重要，因為「token 模式」可以指一種計費機制，但 Karp 也可能是在批評 AI 公司衡量價值的更廣泛誘因。
必須區分已確認的報導與市場解讀。CNBC 看起來已證實 Karp 提出了這項批評；而更進一步的結論——也就是 Palantir 正藉此時機推進其企業 AI 定位——則是根據 Palantir 已知的市場策略所做的分析，而非來源摘錄中的直接引言。
同樣地，若說 token 定價正在市場中失效，也會超出目前可見證據。OpenAI 與 Anthropic 仍是生成式 AI 的核心供應商，而按 token 計費在 API 與開發工具中仍被廣泛採用。這則新聞並不是說這種模式已經崩潰，而是有一位知名企業軟體高層公開主張，它與客戶需求不一致。
對 AI 開發者與企業買家的影響
對開發者而言，Karp 的評論凸顯一個實際問題：產品設計越來越決定雲端與模型成本。以 OpenAI 或 Anthropic 為基礎建構的團隊可以快速推出產品，但也同時承擔頻繁推理呼叫、長上下文視窗與多步驟 AI agents 的經濟成本。在消費性產品中，如果互動量高且利潤能支撐，這或許還能接受；但在企業 AI，尤其是內部生產力系統中，每個高 token 工作流程的投資報酬就更難證明。
這就對架構最佳化形成壓力。開發者可能會更多使用較小模型，僅在較難任務時保留高階模型，加入快取層，縮小提示詞，或將部分工作負載轉移到開放權重替代方案。也有人會轉向協調層供應商，因為這些業者承諾能在模型選擇、檢索與政策管理之間提供更好的控管。在這個意義上，對 token 定價的批評，可能會加速市場對能夠抽象化模型使用，而非將每次推理成本直接暴露給客戶的平台的需求。
對企業而言，訊息更具體。購買 AI 已不再只是挑選哪個模型在示範中表現最好，而是涉及預算可預測性、供應商依賴、安全性與營運責任的採購問題。某個團隊可能喜歡 OpenAI 的程式輔助，喜歡 Anthropic 的政策敏感型應用，也可能偏好 Palantir 用於部署到內部系統。這些選擇如今愈來愈會相互影響。
這對評估 AI agents 的公司尤其重要。agents 會在幕後放大模型呼叫，因為它們會規劃、檢索上下文、呼叫工具並驗證輸出。因此，按 token 計費的結構可能會帶來在試點階段不易察覺的成本暴增。這並不代表該模式錯誤，但確實意味著可觀測性與工作流程設計更為重要。
Palantir 的批評最可能打動那些已對不確定推理帳單感到挫折的買家。不過，模型供應商也有自己的辯護：token 定價反映實際使用量，並避免迫使輕度使用者簽下昂貴的固定合約。對某些組織而言，這種彈性是優點，而非缺點。
證據與主張品質
這則報導依據的來源相當單薄。唯一可取得的項目是透過 Google News 顯示的 CNBC 報導，而擷取出的文字並未包含完整文章內容。因此，本文可以負責任地報導：CNBC 指稱 Alex Karp 批評了與 OpenAI 和 Anthropic 相關的 token-based 作法，且他使用了「Something has gone completely wrong.」這句話。
除此之外，就必須謹慎。這裡沒有直接證據顯示財務影響、客戶反應，或任何與這項批評相關的新 Palantir 產品動作。提供的來源中也沒有基準測試聲稱或採用率數據。因此，本文對 Palantir、OpenAI 與 Anthropic 的比較，談的是商業模式定位，而非已驗證的表現或市占率。
接下來要觀察什麼
下一個值得觀察的訊號，是 Palantir 是否會把 Karp 的批評轉化為 AIP 與相關企業 AI 銷售訊息中更明確的商業主張。如果該公司開始更積極強調成本治理與替代定價結構，那就表示這不只是評論，而是有協調過的市場攻勢。
第二個訊號是 OpenAI 與 Anthropic 如何調整其企業產品包裝。兩家公司都已提供 API 與面向企業的產品組合，而大型客戶持續施壓，可能會促使更多固定費率、按席次計費，或混合式定價方案，與 token 計費並行。
第三，要觀察未來幾季 AI agents 如何銷售給企業。如果買家對隱性推理成本更敏感，能清楚展示單位經濟與使用控管的供應商，可能會比只依賴廣泛自動化承諾的業者更有優勢。
最後，也值得追蹤是否有更多企業軟體執行長加入 Karp 的行列，批評大型語言模型單純按使用量計費的模式。如果這種情況發生，這場討論可能會從 Palantir 的說法，擴大成更廣泛的市場修正。
Creati.ai 觀點
Karp 的評論之所以重要，是因為它揭露了 AI 市場尚未完全解決的一個結構性問題：打造最先進模型的公司，與將 AI 部署進真實機構的公司，往往是在優化不同目標。模型供應商希望以與運算密集型使用掛鉤的方式靈活變現；企業則希望成本可預測、治理完善，且系統能解決業務問題，而不把每個工作流程都變成開放式計量表。
較可能的結果不是 token 定價的終結，而是市場變得更分層。OpenAI 與 Anthropic 會繼續在效能領先的地方銷售模型存取；但隨著企業 AI 成熟，更多價值可能會移向協調、控管與封裝工作流程——也就是 Palantir 及其他圍繞企業 AI 部署建構的公司認為自己具備優勢的領域。真正的問題不是 token 會不會消失，而是哪一家供應商能讓 token 消耗在正式營運軟體中看起來在經濟上可管理。
