花一塊補(bǔ) 50 的事可不常見(jiàn)。普通人能在 AI 浪潮中薅到的最大羊毛，就是每月 200 刀的 Max 訂閱們 —— 前提是你真的能用好它。

一、200$ 兌 5000$ 成本的算力

Forbes 最近引述的 Cursor 內(nèi)部分析透露過(guò)一個(gè)數(shù)據(jù)：Anthropic 的 $200/月 Claude Code 訂閱，每個(gè)用戶(hù)最多可消耗約 $2,000 成本的算力。而今年，這個(gè)數(shù)字已經(jīng)上升到約 $5000。

老馮對(duì)這個(gè)數(shù)字很感興趣，就去核實(shí)了一下自己過(guò)去一個(gè)月的實(shí)際 Token 使用情況。方法也很簡(jiǎn)單：讓 Claude Code 自己去統(tǒng)計(jì) Token 使用情況與費(fèi)用。

我買(mǎi)了兩個(gè) Max 訂閱——一個(gè) Claude，一個(gè) Codex——每月共 450 美元。過(guò)去一個(gè)月，兩個(gè)訂閱燒掉的 Token 按 API 定價(jià)加權(quán)模型折合大約 22,000 美元。

也就是說(shuō)花 1 塊錢(qián)，模型公司倒貼 50 塊錢(qián)，一個(gè)月白薅 15 萬(wàn)人民幣算力。

當(dāng)然，API 標(biāo)價(jià)是一回事，成本又是另一回事。根據(jù)行業(yè)對(duì) Anthropic 毛利率的估算（約 50% 左右），一個(gè)訂閱消耗掉的實(shí)際成本大約是 5,000 美元——正好跟 Cursor 的數(shù)據(jù)對(duì)上。

二、200 刀貴不貴？

有人覺(jué)得 200 美元訂閱費(fèi)很貴，實(shí)話(huà)說(shuō)咋看確實(shí)不便宜。兩個(gè) Max 訂閱加起來(lái)每個(gè)月三四千人民幣，作為固定支出不是一個(gè)小數(shù)目。

但如果換個(gè)角度來(lái)看，AI Agent 在特定任務(wù)類(lèi)型上以市價(jià)月薪幾萬(wàn)元的程序員的產(chǎn)出質(zhì)量和 10 倍的機(jī)器速度替你完成工作 —— 你要是有本事還可以來(lái)十幾個(gè)并發(fā)，那就是幾十上百倍的速度。

而這樣的能力每個(gè)月只要 2000 塊錢(qián)訂閱費(fèi)，你會(huì)不會(huì)心動(dòng)？而且當(dāng)你知道了它的列表價(jià)是七萬(wàn)元每月，真實(shí)成本價(jià)是三萬(wàn)五元，又會(huì)有什么感想？

這就是一人公司 OPC 背后的基本工作假設(shè) —— 對(duì)一個(gè)熟練驅(qū)動(dòng) AI Agent 的超級(jí)個(gè)體來(lái)說(shuō)，它可以用兩千塊每月的訂閱費(fèi)撬動(dòng)幾十萬(wàn)月薪級(jí)別的生產(chǎn)力。

正如老黃那句話(huà)：“The more you buy, the more you save.” 花一塊倒貼五十塊，這種燒錢(qián)補(bǔ)貼的窗口期可不常有。買(mǎi)到就是賺到，用上就是賺到。如果你是 AI 重度用戶(hù)、獨(dú)立開(kāi)發(fā)者或者技術(shù)從業(yè)者，200 美元的 Max 確實(shí)是性?xún)r(jià)比的天花板。同樣的使用量走商業(yè) API，賬單輕松過(guò)萬(wàn)美元。

不過(guò)，我也克制了自己多買(mǎi)幾個(gè)訂閱的沖動(dòng)，兩個(gè) Max 訂閱目前就夠了。目前我差不多只需要每天 1/5 左右的工作時(shí)間，就能把訂閱額度有意義地消耗掉。如果發(fā)現(xiàn) Token 還有富余，我就拿去翻譯一些 PG 生態(tài)文檔，放到 Pigsty 項(xiàng)目里 —— 一個(gè)兜底場(chǎng)景。

現(xiàn)在這種狀態(tài)其實(shí)挺好的：用幾分之一的時(shí)間干十幾倍的活，每天還有空學(xué)習(xí)、寫(xiě)文章、看看新聞，讓 AI 在后臺(tái)跑著。真要追求一百倍加速比當(dāng)然也可以，但那就太苦了，沒(méi)必要。

三、三座大山與中轉(zhuǎn)商風(fēng)險(xiǎn)

對(duì)中國(guó)用戶(hù)來(lái)說(shuō)，用上這些前沿 AI 服務(wù)尤其困難 —— 你得翻越三座大山：

第一座：網(wǎng)絡(luò)訪問(wèn)。 你需要穩(wěn)定的方式訪問(wèn)海外服務(wù)，這一步就攔住了 90% 的人。

第二座：平臺(tái)風(fēng)控。 Claude 至今不對(duì)中國(guó)大陸用戶(hù)提供服務(wù)，IP、手機(jī)號(hào)、區(qū)域各種檢測(cè)層層設(shè)卡。

第三座：支付渠道。 就算前兩關(guān)過(guò)了，你還得有一張能用的國(guó)際信用卡或虛擬卡來(lái)完成訂閱。

如果你需要進(jìn)一步了解具體操作細(xì)節(jié)，網(wǎng)上有很多教程可以參考（關(guān)鍵詞：美區(qū) AppleID）。三座大山疊在一起，篩選出來(lái)的是一批有技術(shù)能力、有全球視野、愿意折騰的人。從某種角度看，這三道門(mén)檻反而成了一種 “入場(chǎng)券”。

也正因?yàn)檫@三道門(mén)檻的存在，催生了一個(gè)灰色市場(chǎng)：很多人去中轉(zhuǎn)商那里買(mǎi) Claude 的 API 或者賬號(hào)。不過(guò)老馮需要提醒諸位的是，很多中轉(zhuǎn)商提供的是那種按量付費(fèi)的 API 服務(wù)，性?xún)r(jià)比很差勁，而且還有兩個(gè)額外的風(fēng)險(xiǎn)：

第一個(gè)風(fēng)險(xiǎn)：數(shù)據(jù)安全。 你的代碼、商業(yè)文檔、思考過(guò)程，全部經(jīng)過(guò)別人的服務(wù)器中轉(zhuǎn)。你以為在跟 Claude 聊天，實(shí)際上中間可能有人在看你的每一條消息。而且這些數(shù)據(jù)被對(duì)你沒(méi)有影響力的廠商看到影響還好，，那性質(zhì)就完全不一樣了。

第二個(gè)風(fēng)險(xiǎn)：模型造假。 2025 年底 arXiv 上的論文 "Real Money, Fake Models: Deceptive Model Claims in Shadow APIs"（arXiv: 2603.01919）做了一項(xiàng)系統(tǒng)性審計(jì)：研究者通過(guò) LLMmap 指紋識(shí)別框架對(duì) 24 個(gè)端點(diǎn)進(jìn)行了檢測(cè)，發(fā)現(xiàn)部分中轉(zhuǎn)商聲稱(chēng)提供的是頂級(jí)模型，但實(shí)際輸出與官方 API 存在顯著偏差。

簡(jiǎn)單說(shuō)：你花了 Claude Opus 的錢(qián)，用的可能是某個(gè)不知名的小模型。你覺(jué)得 “這 Claude 怎么這么笨” —— 不一定是 AI 笨，看看是不是有人在偷梁換柱。

如果條件允許，老馮還是建議直接用官方訂閱，因?yàn)榕c其讓中間商吃算力補(bǔ)貼紅利，不如自己直接上。當(dāng)然，本文無(wú)意針對(duì)所有中轉(zhuǎn)商一概而論。應(yīng)該也有正規(guī)經(jīng)營(yíng)、透明轉(zhuǎn)發(fā)、物美價(jià)廉的服務(wù)商，注意甄別，謹(jǐn)慎行事。

四、訂閱燒完燒好可不容易

拿到訂閱之后，很多人面臨一個(gè)實(shí)際的問(wèn)題：怎么把額度用滿(mǎn)？

圈子里有種說(shuō)法，“每天燒過(guò)一億 Token ，才有資格談玩轉(zhuǎn) AI” —— 我對(duì)這種數(shù)豆子大賽不太感冒 —— 因?yàn)檫@就跟代碼行數(shù)一樣，并不是啥好指標(biāo)。我給自己定的要求很簡(jiǎn)單：兩個(gè) Max 訂閱不要浪費(fèi)，吃干抹凈就好。

比起燒了多少 Token，更重要的是產(chǎn)出了多少價(jià)值。誰(shuí)都可以輕松生成上億行屎山代碼，但如果代碼質(zhì)量不行、沒(méi)人用，那就是純粹的浪費(fèi)。用有價(jià)值的真實(shí)工作把額度燒光，可不是那么容易的。

最近一個(gè)月，老馮用 AI Agent 的產(chǎn)出不可謂不豐富：，；；GitHub Star 數(shù)漲了 1000； 和 TPME 兩本書(shū)，質(zhì)量達(dá)到了 85 分水平；基本把 及，還有 MinIO 的文檔都翻譯成中文；；公眾號(hào)確保了穩(wěn)定日更，一個(gè)垂類(lèi)公眾號(hào)一個(gè)月從 50000 漲粉 6000。

就算是這樣，有時(shí)候 Token 還是燒不完。不過(guò)老馮最近找到了一個(gè)不錯(cuò)的 “無(wú)限消耗” 場(chǎng)景，就是中文翻譯。一旦手頭的開(kāi)發(fā)工作用不滿(mǎn)額度，我就讓 Agent 去做翻譯。主要是 PostgreSQL 生態(tài)的文檔，博客，以及一些數(shù)據(jù)庫(kù)領(lǐng)域的書(shū)籍。

我有一套成熟的翻譯工作流——術(shù)語(yǔ)表、風(fēng)格參考、格式規(guī)范全部預(yù)設(shè)好，讓 Agent 花兩個(gè)小時(shí)把一本英文技術(shù)書(shū)翻譯成中文，質(zhì)量直接達(dá)到精翻水準(zhǔn)。Agent 用兩小時(shí)一本的速度，可以達(dá)到流暢閱讀的水平 —— 只要你有足夠的領(lǐng)域知識(shí)和工程化能力，AI 帶來(lái)的生產(chǎn)力杠桿是驚人的。

五、結(jié)構(gòu)性的機(jī)會(huì)窗口不常有

當(dāng)前的 AI 訂閱模式有一個(gè)很特殊的背景：這些公司正處于跑馬圈地、燒錢(qián)補(bǔ)貼的階段。

燒錢(qián)補(bǔ)貼這種事在商業(yè)史上并不罕見(jiàn)。滴滴、美團(tuán)、拼多多，早年都干過(guò)類(lèi)似的事。但花 1 塊錢(qián)，平臺(tái)倒貼 50 塊—— 這種事老馮可沒(méi)聽(tīng)說(shuō)過(guò)。區(qū)別在于，AI 補(bǔ)貼的不是打車(chē)券和外賣(mài)紅包，而是實(shí)打?qū)嵉耐ㄓ弥橇趧?dòng)力。

不過(guò)這種關(guān)系并非完全是單方面的 “薅羊毛”。一個(gè)領(lǐng)域?qū)＜沂窃趺词褂?Agent 的、怎么設(shè)計(jì)提示詞的、怎么組織工作流的、怎么評(píng)判輸出質(zhì)量的——這些使用數(shù)據(jù)本身就極其珍貴。你可以把它理解成一種 “以用例換算力” 的交易：平臺(tái)給你廉價(jià)算力，你給平臺(tái)高質(zhì)量的訓(xùn)練信號(hào)，雙方互利共贏。

但這種補(bǔ)貼不會(huì)永遠(yuǎn)持續(xù)。Palantir CEO Alex Karp 在 2026 年 3 月的 a16z American Dynamism Summit 上警告稱(chēng)，AI 公司如果在裁掉大量白領(lǐng)工作的同時(shí)又拒絕服務(wù)軍方，那就是在走向被國(guó)有化的命運(yùn)。

不論 Karp 的預(yù)判準(zhǔn)不準(zhǔn)，有一件事是確定的：當(dāng)前這種 “包月不限量、成本遠(yuǎn)低于價(jià)值” 的補(bǔ)貼狀態(tài)是臨時(shí)的。 一旦行業(yè)格局穩(wěn)定、按量付費(fèi)成為主流，200 美元對(duì)應(yīng)的就不再是 5000 美元的算力了。

所以我的判斷是：現(xiàn)在是一個(gè)結(jié)構(gòu)性的機(jī)會(huì)窗口，該用就使勁用。

六、本地模型：等等再說(shuō)

我對(duì)在本地跑模型這件事一直很感興趣，長(zhǎng)期關(guān)注 Apple Silicon 的發(fā)展。

先說(shuō)判斷：27B / 32B / 70B 參數(shù)的模型，在筆記本上用 Q4 量化跑，應(yīng)付日常問(wèn)答、簡(jiǎn)單文本、當(dāng)個(gè)呆萌小助理已經(jīng)夠用了。但如果你想達(dá)到 Claude Code 那種級(jí)別的編程 Agent 體驗(yàn)——深度理解代碼庫(kù)、多文件協(xié)同編輯、長(zhǎng)上下文推理—— 本地模型還遠(yuǎn)遠(yuǎn)不夠。

有人會(huì)說(shuō)：配四臺(tái) Mac Studio Ultra，512GB 內(nèi)存，跑 DeepSeek R1 671B 的量化版本不就行了？我覺(jué)得時(shí)機(jī)還沒(méi)到。四臺(tái)頂配 Mac Studio Ultra 加上內(nèi)存升級(jí)和存儲(chǔ)，大概需要花 40 萬(wàn)人民幣。跑起來(lái)之后，推理速度也就那么回事，還是單路的，并發(fā)時(shí)，長(zhǎng)上下文時(shí)速度還會(huì)大幅下降。

換一種花法：40 萬(wàn)人民幣約 55,000 美元，可以買(mǎi) 275 個(gè)訂閱·月。按前面的補(bǔ)貼比例換算，你薅到頂大概能獲得約 1,000 萬(wàn)人民幣列表價(jià)的算力。更關(guān)鍵的是，云端模型在持續(xù)進(jìn)化——你今天買(mǎi)的 M5 Ultra，三年后還是那臺(tái) M5 Ultra；但一年后的推理成本可能下降一個(gè)數(shù)量級(jí)，類(lèi)似 Taalas，TPU 這種智能加速硬件也有可能會(huì)出現(xiàn)消費(fèi)級(jí)的產(chǎn)品。

本地模型的真正用武之地不在于替代云端訂閱，而在于：完全離線的隱私敏感任務(wù)、不限速不限量的本地推理（比如嵌入向量計(jì)算）、以及純粹的技術(shù)興趣和學(xué)習(xí)。至少在當(dāng)前這個(gè)補(bǔ)貼窗口期內(nèi)，對(duì)大多數(shù)人來(lái)說(shuō)，買(mǎi)訂閱遠(yuǎn)比買(mǎi)硬件劃算。當(dāng)然，這說(shuō)的是這種 SOTA 編碼大模型。對(duì)于筆記本上幾十B的中模型和手機(jī)上幾B的小模型，我認(rèn)為現(xiàn)在已經(jīng)到了一個(gè)非常微妙的全面開(kāi)花節(jié)點(diǎn)了。

七、關(guān)于封號(hào)：幾點(diǎn)個(gè)人觀察

最后聊聊很多人關(guān)心的封號(hào)問(wèn)題。不少用戶(hù)反映用 Claude 被封號(hào)了，理由五花八門(mén)：中國(guó) IP、漢語(yǔ)拼音名字、代理切換頻繁、在不同地方登錄導(dǎo)致 IP 不一致等等。先說(shuō)我自己的情況：上面這些所謂的 “紅線”，我基本上都踩了不知道多少次——中國(guó) IP 直連過(guò)、在不同國(guó)家不同設(shè)備登錄過(guò)、漢語(yǔ)拼音名字一直在用，分享 Oauth Token 給別人，拿去跑 OpenClaw —— 但到目前為止沒(méi)被封過(guò)，但這不代表我的經(jīng)驗(yàn)可以推廣到所有人身上。

我有一個(gè)基于直覺(jué)的猜想，只是個(gè)人推測(cè)，沒(méi)有任何內(nèi)部信息或證據(jù)支持：AI 公司投入了幾十倍的補(bǔ)貼來(lái)服務(wù) Max 訂閱用戶(hù)，它期待的回報(bào)是高質(zhì)量的使用數(shù)據(jù)。如果你每天給 AI 的都是真實(shí)的工程任務(wù)、架構(gòu)設(shè)計(jì)、技術(shù)討論，頭腦風(fēng)暴，這些數(shù)據(jù)對(duì)模型改進(jìn)可能是有價(jià)值的。

相比之下，如果它察覺(jué)到了純娛樂(lè)性質(zhì)的大量重復(fù)請(qǐng)求，可能在風(fēng)控系統(tǒng)中的評(píng)分會(huì)不太一樣（比如訂閱養(yǎng)龍蝦，立刻就斃掉了）。那么就會(huì)隨便找個(gè)理由給封掉。

八、關(guān)于 Claude 與 Codex

當(dāng)然，具體實(shí)操怎么弄呢？我應(yīng)該買(mǎi) Anthropic Claude 還是 OpenAI 的 Codex？

老馮的看法是，如果預(yù)算有限，Claude Max 訂閱優(yōu)先。Claude Code 目前在編程 Agent 領(lǐng)域是 SOTA（最先進(jìn)水平），對(duì)于開(kāi)發(fā)者來(lái)說(shuō)是剛需。而且 Claude 這個(gè)模型本身有一個(gè)好處，就是它不諂媚，不像 GPT 那樣哈著你，能給出相當(dāng)中肯的建議，可以作為日用模型使用，扮演諍友，導(dǎo)師，同事，顧問(wèn)，實(shí)習(xí)生等多種不同角色。

老馮最近的嚴(yán)肅探討，基本上只用 Claude，偶爾用用 Gemini，GPT 是從來(lái)不碰的。因?yàn)?GPT 5.x 之后，我覺(jué)得它在健全人格上出現(xiàn)了缺陷。也就是說(shuō)，它干寫(xiě)代碼、Code Review 這些事的能力是在線的，但是在健全人格上出了點(diǎn)問(wèn)題。不過(guò)最近有雙倍額度，干活倒是可以沖一下。

Anthropic 這家公司呢，哎，一言難盡吧，但老馮確實(shí)看好這家公司，人家確實(shí)是這第二輪 AI Agent 革命的發(fā)起者，東西質(zhì)量確實(shí)過(guò)硬。老馮的看法是，既然你樂(lè)意燒錢(qián)補(bǔ)貼我 50 倍算力，那我豈有不笑納之理？

九、時(shí)不我待，行動(dòng)起來(lái)

最后說(shuō)幾句心里話(huà)。老馮自己是 Claude 與 Codex 重度用戶(hù)和付費(fèi)訂閱者。但你買(mǎi)不買(mǎi)反正我也掙不著你一分錢(qián)，相反還可能產(chǎn)生潛在的競(jìng)爭(zhēng)者，所以理論上悶聲大發(fā)財(cái)才是最好的。

但我是覺(jué)得還是有必要向關(guān)注者們提供一些真實(shí)的想法與真誠(chéng)的建議，因?yàn)檫@確實(shí)是一次千年未有之大變局，在關(guān)鍵節(jié)點(diǎn)的先發(fā)優(yōu)勢(shì)會(huì)快速滾雪球放大。

很多人對(duì) AI 感到焦慮——覺(jué)得自己會(huì)被替代，覺(jué)得跟不上節(jié)奏。這種焦慮完全可以理解。AI 的出現(xiàn)確實(shí)打破了很多人對(duì)未來(lái)的穩(wěn)定預(yù)期。但面對(duì)變化的最好姿勢(shì)是主動(dòng)迎上去，讓風(fēng)險(xiǎn)在自己的前方，而不是視線之外。與其擔(dān)心被 AI 替代，不如先拿著 AI 去提升自己的產(chǎn)出。先用起來(lái)，出去大殺四方，在使用中找到自己的直覺(jué)，節(jié)奏和方法。

要知道，現(xiàn)在最領(lǐng)先的前沿 AI Engineering 探索者，積累的經(jīng)驗(yàn)也還不到一年?，F(xiàn)在開(kāi)始，你依然是個(gè) “早期采納者”，什么時(shí)候開(kāi)始搞都不晚。

這是一個(gè)遍地機(jī)會(huì)的時(shí)代。幾乎所有的軟件應(yīng)用都值得用 AI 和 Agent 的方式重新思考一遍。2026 年，就是這樣一個(gè)關(guān)鍵節(jié)點(diǎn) 。在節(jié)點(diǎn)上敢于下注會(huì)改變很多事情，與其把頭埋在沙子里，不如勇闖新世界。

勇敢的人先享受新世界。

數(shù)據(jù)庫(kù)老司機(jī)

點(diǎn)一個(gè)關(guān)注 ??，精彩不迷路

對(duì) PostgreSQL， Pigsty，下云 感興趣的朋友

歡迎加入 PGSQL x Pigsty 交流群 QQ 619377403