Token 价格腰斩的那一周，算力撞上了自己的地基
Anthropic 与 OpenAI 在一周内把前沿模型价格砍掉 40%–50%，同一周德州叫停数据中心许可、Pew 民调显示反感度飙升。省钱的杠杆是缓存，而缓存削平账单的同时把负荷全推给了电网。
一边把价格按到地板，一边把闸门关上
9 月 22 日，Anthropic 上线 Claude Opus 5.5：输入、输出每百万 token 分别 20，比 Opus 5 便宜 20%；cache reads 从 0.20，降幅 60%；官方口径是净成本下降 40%。OpenAI 在同一周给 GPT-6 Sol 与 Luna 直接把 API 价砍掉一半——Sol 从 20 降到 10，Luna 从 1.20 降到 0.50。 官方原文把这一半的基准写作「GPT-5.6 促销价」（compared with their GPT-5.6 promotional pricing），即新价是与促销价而非标准价对齐的；拿标准价当分母会低估降幅。
也是这一周，德州州长 Abbott 命令州环境质量委员会（TCEQ）停止向数据中心发放许可，等州里把申请接入电网的设施审计完；Pew 研究中心 9 月 22 日发布民调，54% 的美国成年人认为数据中心对环境「mostly bad」，今年 1 月这个数字是 39%。
一个在把单位价格往地板上按，一个在把物理闸门往回关。两件事撞在同一周，不是巧合。
省下来的钱，不来自芯片
值得看的是钱从哪儿省出来的。两家都没有说是芯片便宜了。
Anthropic 把 cache reads 单独拎出来降 60%，并直接写明：cache reads 构成 agentic 与 coding 工作成本的主体。单 token 只降 20%，真正拉动那 40% 净降幅的是缓存这一栏。
OpenAI 说得更直白：提升默认缓存命中率，缓存输入读给 90% 折扣；GitHub 报告称过去几个月，在数十亿次请求上，「需要新鲜处理的 prompt token 占比下降超过 50%」。
横向比一把更清楚。在 Zapier 的 AutomationBench 上，GPT-6 Sol（xhigh）拿到 33.2%，单任务成本 $0.27；Claude Opus 5（max）26.9%，成本是它的 11.1 倍。分数差 6.3 个点，账单差一个数量级。Anthropic 那边的口径类似：Opus 5.5 默认档在 Terminal-Bench 4.0 上打赢开满档的 Opus 5，代价约为后者的五分之一。 该榜的实测分是 Opus 5.5 66.4%、Fable 5.1 55.8%、GPT-6 Astra 57.9%、Opus 5 52.3%，不过 66.4% 对应 xhigh 档而非默认档；官方自述 Opus 5.5 的标准误为 ±2.6 分，其余 Claude 模型 ±1.6–2 分。
两家的报价单里还有一栏容易被漏掉：Anthropic 的 cache writes 是 $5（Opus 5 为 $6.25），写入侧只降了 20%，与读取侧 60% 的降幅不在同一量级。缓存命中率高不等于写入便宜，写多读少的负载账单结构完全不同。
翻译成人话：省下的钱不是来自算得更少，而是来自不重复算已经算过的东西。
折扣最狠的地方，恰好是消耗增长最快的地方
那么哪些负载重复度最高？agent。多轮工具调用、失败重试、长上下文回滚，每一轮都把几乎相同的前缀再喂一遍。这正好是缓存命中率最高、折扣最狠的场景。
OpenAI 在同一份发布里给了一个内部数字：按 API 价格计，内部研究员的日均 token 消耗已超过中位数 7,000。
于是一个很具体的循环成形了：缓存让重复前缀接近免费 → 单位成本下降，反过来激励更长、更啰嗦、更多重试的 agent 循环 → 被缓存命中的 token 不进账单，但仍然进了电网。
价格砍半、用量翻倍，账单不动，电力翻倍。这不是抽象的杰文斯悖论，是账本上算得出来的那一栏：账单记的是新鲜计算，电网记的是全部计算，两条曲线之间的差额就是缓存折扣率。
物理侧的四个数字
Pew 的调查在 7 月 20 日至 8 月 9 日完成，样本 10,548 名美国成年人，9 月 22 日发布。认为数据中心「mostly bad」的比例：环境 39%→54%，家庭能源开支 38%→50%，附近居民生活质量 30%→49%，本地就业 15%→24%，本地税收 12%→21%。认为五项全都「mostly good」的只有 4%。60% 的人说家门口新建数据中心会让他们不舒服，自由派民主党人里这个比例是 81%。农村地区的环境负面观感从 32% 跳到 50%——而 Pew 明确写着，多数在建或规划中的数据中心位于农村地区。
听说过数据中心的人从 75% 升到 88%，「完全没听说过」从 25% 降到 12%。知名度涨 13 个点，好感度跌 15 个点，是同一件事的两面。
两个限定值得一起看。第一，五项里回答「不确定」的比例在 18%–32% 之间，负面观感的上升有一部分来自原本不表态的人开始表态，而不全是把数据中心看好的那批人改了主意——这条决定了「反感度飙升」能不能直接读成「反对声浪变大」。第二，党派维度不是单向的：共和党人认为数据中心影响周边生活质量「mostly bad」的比例从 24% 升到 42%，涨 18 个点，比民主党的 12 个点更大。反感度上升是跨党派同步的，不是党派站队的结果，这对判断地方选票的走向比总体数字更有用。行政侧同步收紧：Abbott 8 月发布全州暂停令，9 月 14 日要求监管机构对不披露用水的数据中心「impose legal consequences」，9 月 21 日命令 TCEQ 停发许可。宾州州长 Shapiro 与伊利诺伊州长 Pritzker 也转向支持追加监管。
约束没消失，只是换了位置
上半年的约束是 GPU 供给和单 token 价格，如今价格这一侧正被缓存迅速削平；剩下的是土地、水、电网接入许可和地方选票——全都是没法靠工程迭代加速的东西，审批周期以年计。
对工程团队有两条直接含义。
第一，成本模型要重算。以「每百万 token 单价」为唯一变量的预算模型已经失真，真正的变量是缓存命中率。把命中率当一等公民来观测和优化，比挑一个更便宜的模型更值钱。
第二，容量规划的单位要换。按 token 预算做规划会低估电力与延迟压力：agent 越便宜，跑的轮次越多，压到基础设施上的是总计算量，不是账单金额。
最后补一句：降价没有让可信度变便宜。Anthropic 在同一份公告里写着，部署前评估稳定捕捉每一次失败「remains an unsolved problem」，而且 Opus 5.5 常表现出怀疑自己正在被评估的迹象。便宜和可信是两条独立的曲线。
这条推论的三个边界
缓存命中省下的是 prefill 的浮点运算，不是零成本：KV cache 仍要驻留并被读出来，长 agent 会话里常驻显存是新的瓶颈项，账单上看不出来。
两家的每任务成本倍数来自各自的 harness 与 effort 档（OpenAI 用 xhigh、Anthropic 用 max 作对照），横评只能在同一发布方的图内读，不能跨厂商对减。
Pew 的样本采集期是 7 月 20 日至 8 月 9 日，早于德州 9 月 14 日与 9 月 21 日两道行政令——那份民调测的是”反感度为什么在涨”，不是”行政令之后反感度变成什么样”。把两者当因果链读会颠倒时序。