2026 年 9 月 10 日，OpenAI 暫停接受 $200 Pro 方案的新訂閱。理由寫得很直白：Astra 的需求「前所未見」，Pro 方案對系統的負荷最大。一家公司主動把收銀台關掉——這在軟體業幾乎沒發生過。

一家公司暫停收錢，通常只有兩種情況：東西壞了，或者賣一件賠一件。

這次是後者。

先看那天發生什麼

OpenAI Codex 團隊的 Thibault Sottiaux（就是這幾天一直在幫大家補額度的 Tibo）宣布：暫停 $200／月 Pro 方案的新訂閱與升級。

他的說法：「我們想採取最小的一步，讓最多的人還能繼續用。」

現有 Pro 帳號不受影響，其他方案照常，API 照常。

前一天他才說 Astra 的需求「前所未見」——即使經歷過非常陡的成長，也沒看過這種規模。

而這不是第一步。在那之前，OpenAI 已經把 Astra 的用量限制砍過一次。先限量，量不住，才暫停註冊。 這是配給制的兩段，不是一次意外。

為什麼會燒成這樣

有人算過：一個開發者，開 Astra 跑 Codex 連續工作 12 小時，一週的額度就用完了。他沒有用錯，還有人更慘，跑三十分鐘，一週的額度燒光，然後當然事情也沒做好。

燒得快不是因為單價貴，是因為三個數字在相乘。

第一層，模型本身變大——每個 token 都更貴。

第二層，推理模型會「想」——為了回答一個簡單問題，可能先跑幾千個 token 的內心獨白。單價降了，每個任務的 token 數卻爆了。

第三層，agent 會跑迴圈——一輪任務要十幾次工具呼叫，工具失敗還自動重試，每一次都重送上下文。

大顆，乘上想得久，乘上跑迴圈。三個數字相乘，曲線就不是直線。

把鏡頭拉遠：這是整個產業在撞的牆

錢的規模——四大雲端（微軟、Alphabet、亞馬遜、Meta）2026 年合計資本支出約 7,250 億美元，比 2025 年的 4,100 億暴增 77%。

需求的規模——高盛預估到 2030 年，全球每月處理的 token 會是今天的二十幾倍。

電的規模——IEA 預估全球資料中心用電到 2030 年會翻倍到約 945 TWh，比今天整個日本用的電還多；AI 專用資料中心的用電成長超過四倍。

然後是最反直覺的一條：推論成本三年降了約一千倍，需求卻漲了將近一萬倍。

DeepSeek 出來那天，Satya Nadella 說了一句：「Jevons 悖論又來了。」

效率省下來的每一分算力，馬上被拿去養更大的模型、更長的上下文、更多輪的推理。沒有人在省。

但這裡有一件事，那篇討論沒有講

Jevons 悖論是對的。但它只對一邊的人生效。

對賣算力的人成立——你效率變好，客戶就用更多，你還是得蓋機房。這是 OpenAI 的處境。

對買算力的人不成立——因為買方可以選擇不成為那個被加價的對象。

差別不是「大顆還是小顆」。是「對的顆」。

上週 Artificial Analysis v4.3 的實測：

53 分對 40 分，差了 13 分。價格差了 25 倍。

而 DeepSeek V4.1 Flash 在速度榜上是同級第 4（190 tok/s）。

它不是「小顆模型」——它是「對的顆」。 75% 的分數，1/25 的價錢。你如果整天在跑 agent，這個選擇不是省錢，是能不能持續做下去的問題。

為什麼他敢定價，OpenAI 只能配給

這裡有一個最容易被忽略的差別：算力的單位可不可預測。

做生圖的人可以說「一張多少錢」，因為他知道一張圖燒多少 GPU。

做 agent 的人說不出來——同一個問題，模型今天想 300 個 token，明天想 3,000 個；工具多失敗兩次，成本就翻倍。連 OpenAI 都只能先限量、再暫停註冊。

那個「三十分鐘」是什麼單位？他可能是看到帳單，也可能是看到額度消耗換算出來的數字。但這正好是問題所在——

Codex 的額度是用「週」在算的，中間還夾一道五小時的滾動視窗。燒完就是等重置，不是花錢就能繼續。

連付錢的人都不知道自己花了多少，也不知道什麼時候能繼續。

不是他笨。是這個東西本來就沒有可預測的單位。一張圖是一個單位，一個 agent 任務不是。

配給制拿走的從來不是錢，是時間的主導權。

但要分清楚兩種限制。峰谷定價是一張價目表——規則固定、公開，你隨時知道什麼時候貴、什麼時候便宜。你付出的只是「時間安排」，換到確定的價格，你還是能規劃。

配給制是一張抽籤單——週上限不公布，規則還會改（五小時視窗七月暫停過、七月又恢復）。你付出的不是時間，是「這週能不能工作」。

一個是你選時間，一個是別人替你選時間。

而訂閱制的隱含契約是「我按月付，你隨時都在」——那是保險。配給制把它變成了彩券：成本確定（每月 $200 照扣）、產出不確定（不知道哪一週會斷），風險全部留在付錢的人身上。

不是誰比較聰明，是算力單位可不可預測。 生意的可定價性、你我的可控感，都從這裡長出來。

所以要不要自己買機器跑？

每次這種新聞出來，就會有人問：「那我乾脆自己買一台跑。」

先分清楚兩件事：

• 自己買機器跑「大顆」——不要。你的成本不是顯卡，是電、散熱、交期。連 OpenAI 都在配給，個人自架的單位成本只會更差。而且大顆模型的記憶體需求不是「多一點」，是裝不下就是裝不下

• 自己買機器跑「對的顆」——可以，而且會越來越合理。量化、蒸餾、小顆特化模型這條線，才是地端真正站得住的地方

「地端」不是不行，是「地端跑大顆」不行。 這兩件事被混在一起講太久了。

我的看法

Tibo 關掉收銀台的那一刻，是第一次有人把「算力有限」直接寫在價目表上。

這也是我自己的操作邏輯。 我把所有排程全部排在離峰時段——同樣的用量，離峰是高峰的一半價。這不是摳，是知道成本會在哪裡咬你。

算力是真的成本。 這句話從今年開始，每一季都會更真。

那下一個問題是：當算力變成配給制，「省算力」會不會變成一種專業？

會。而且它已經開始了。

結論

• OpenAI 於 2026/9/10 暫停 $200 Pro 方案新訂閱（現有帳號不受影響），理由是 Astra 需求「前所未見」——這是產業第一次把「算力有限」寫在價目表上

• 燒得快的原因是三層相乘：模型變大 × 推理想得久 × agent 跑迴圈；四大雲端 2026 資本支出 $7,250 億（+77%），IEA 估 2030 資料中心用電翻倍到 945 TWh

• 但 Jevons 悖論只對賣算力的人成立——買方可以選擇不成為被加價的對象：53 分 / $3.26 對上 40 分 / $0.127，同樣能做事，差 25 倍
  
  

大顆不是唯一的路，對的顆也是路——而且今年開始，選對顆比選大顆更能決定你能不能一直做下去。

౨ৎ Anthony 不負責任編輯 ~