当"订阅随便用"终结，当知识终于有了统一格式，当自然语言能直接查数据库——这三件事发生在同一周，不是巧合。
今天是6月15日。如果你是Anthropic的订阅用户，尤其是Pro或Enterprise套餐，你大概率已经收到了那封邮件——从今天起，Agent SDK、claude -p、GitHub Actions这些自动化调用，不再算在你的订阅额度里，而是独立出来，按标准API费率计费。
说白了，"订阅随便用"的时代，到今天正式画了句号。
但我不想只聊账单。因为这周还发生了另外两件事——Google Cloud发布了一个叫OKF的知识标准化格式，Google Research的Gemini-SQL2在数据库查询基准测试上拿了80%——把这三件事放在一起看，你会发现一条很清晰的线索：企业AI正在从"能跑起来"转向"能跑得稳、跑得明白"。账单拆分是成本的可观测性，OKF是知识的可移植性，SQL2是数据的可触达性。三个维度，指向同一个方向。
一、Claude计费拆分：补贴比175比1的日子，结束了
5月14日Anthropic就发了公告，但今天才正式生效。核心变化就一句话：自动化调用从订阅里独立出来，按API费率单独计费。
具体怎么个独立法？Agent SDK、claude -p（管道模式）、GitHub Actions这些"非交互式"使用场景，以后不再消耗你的订阅额度，而是直接走API的按量计费。你原来的订阅额度，只覆盖你在对话界面里的交互使用。
各套餐的自动化额度如下：
| 套餐 | 月费 | 自动化额度（API等效） |
|---|---|---|
| Pro | $20/月 | $20 |
| Max 5x | $100/月 | $100 |
| Max 20x | $200/月 | $200 |
| Team Standard | $20/用户 | $20/用户 |
| Team Premium | $100/用户 | $100/用户 |
| Enterprise Standard | — | $0 |
注意这个Enterprise Standard——额度是$0。也就是说，如果你是这个套餐，不升级的话，Agent SDK的请求会直接失败，不是降速，是失败。你得手动开启溢出计费才行，否则自动化的东西全停。
我算了一笔账。此前Pro用户花$20/月，实际能获得的API等效算力大约在$300到$600之间。你想想，$20换$300，补贴比15比1。而那些重度用户——把Agent当主力工具跑的——补贴比甚至能到175比1。这是真金白银的补贴。
这事其实在情理之中。任何"无限量"的商业模式，在轻度用户和重度用户之间的交叉补贴是不可持续的。Anthropic之前是在用轻度用户的钱补贴重度用户，现在不过是把这个扭曲的激励拉回来了。
但我想说的不是这个。我觉得最有意思的不是计费本身，而是这个信号："订阅随便用"的模式，在AI行业正式终结了。以后每次调用都要算钱，每个自动化任务都有成本标签。这对个人用户可能只是多花点钱的问题，但对企业管理者来说，这意味着AI的运营成本从"一笔订阅费"变成了"一个需要监控和优化的变量"。
同一天，OpenAI宣布新企业客户可以免费使用两个月的Codex。明摆着是在抢那些因为Anthropic涨价而犹豫的企业客户。这事儿挺有意思——一边在收网，一边在撒网。
二、OKF：知识终于有了"USB接口"
计费拆分解决的是"钱花在哪"的问题。但企业AI还有一个更底层的问题——"知识在哪"。
6月12日，Google Cloud发布了OKF v0.1，全称Open Knowledge Format。说白了，它就是一个知识标准化格式——用带YAML frontmatter的Markdown文件来存储和描述企业知识。
听到"标准化格式"你可能觉得又是一个无聊的规范。但这事我认真想了想，它解决的痛点非常真实。
你想想一个典型企业的知识分布：元数据在数据目录里，流程文档在Wiki里，业务规则写在代码注释里，还有很多关键信息——只存在于老员工的脑子里。这些东西分散在七八个平台上，格式不统一，搜索搜不到，AI也读不懂。
OKF做了什么？它把这些碎片统一成了一个格式：YAML头放结构化元数据，Markdown正文放可读内容。供应商中立，人能读，机器也能读，还能用Git做版本控制。
如果你熟悉Karpathy今年提出的"LLM Wiki"理念（已经在GitHub拿了5000多颗星），你会发现OKF跟它一脉相承。区别在于——Karpathy提出了约定，Google把约定变成了规范，还配套了工具链。
Google已经发布了一整套东西：规范仓库、BigQuery增强Agent（用来生成OKF文件的"生产者"）、HTML可视化工具（用来阅读OKF文件的"消费者"），还有GA4、Stack Overflow、Bitcoin三个示例包。
对CIO来说，这事的意义很直接——知识不再被锁定在某个平台里了。你的Wiki可以迁移，你的文档可以和代码一起版本控制，你的AI Agent有了一个标准的知识输入格式。我愿意把它叫做"企业知识总线的USB接口"——以前每接一个设备要装不同的驱动，现在插上就能用。
三、Gemini-SQL2：80%意味着什么
OKF解决的是"知识怎么存"，那"数据怎么查"呢？恰好，也是6月12日，Google Research发布了Gemini-SQL2。
这个模型基于Gemini 3.1 Pro做了专项优化，专门干一件事：自然语言转SQL。在BIRD基准测试上，它拿到了80.04%的执行准确率，单模型排名第一，大幅领先OpenAI和Anthropic的方案。
80%这个数字意味着什么？BIRD不是那种简单的"SELECT * FROM table"测试。它包含真实的业务数据库，有复杂的表结构、字段歧义、嵌套的业务规则。你要理解"上季度华东区退货率最高的三个SKU"这种问题，得先知道退货表怎么关联SKU表，华东区的定义是什么，退货率的口径是按金额还是按数量。
说白了，这已经不是"写SQL"了，这是"理解业务"。
我看到的直接应用场景有三个：
- 自助报表——业务人员直接问"本月各地区销售额对比"，不用再提工单等数据团队排期
- 企业搜索——把数据库变成可对话的知识源，跟OKF存储的文档知识互补
- SaaS数据问答——客户不用学你的报表界面，直接问就行
这跟OKF放在一起看就更有意思了。OKF解决的是非结构化知识的存储和检索，SQL2解决的是结构化数据的查询和回答。一个管"文档"，一个管"数据"，加在一起，企业AI的知识覆盖面才算真正补齐了。
三条线索，一个方向
回到开头。为什么我说这三件事发生在同一周不是巧合？
Claude计费拆分，让企业第一次能看清AI的每一分钱花在哪里——这是成本可观测性。OKF让企业知识有了统一的存储和流转格式——这是知识可移植性。Gemini-SQL2让非技术人员能直接"问数据库"——这是数据可触达性。
这三个维度加在一起，指向的是同一件事：企业AI正在从"demo能跑"走向"生产能用"。而生产能用的前提，恰恰就是钱算得清、知识找得到、数据问得着。
这不是技术升级，这是基础设施的成型。
给企业管理者的建议
最后说点实在的。如果你是CIO或者企业的技术决策者，这三件事加在一起，我建议你现在就做三件事：
第一，立即盘点你的AI自动化调用成本。Claude今天生效了，其他厂商跟进只是时间问题。把你的Agent调用频次、token消耗、峰值时段拉出来看看，算一下按API费率实际要花多少钱。如果这个数字让你心跳加速，说明你之前一直在补贴里"免费使用"，现在该做预算规划了。
第二，开始评估OKF或者类似的知识标准化方案。不用等OKF成熟到1.0版本，现在就可以拿一个业务单元试点。把最核心的业务知识用OKF格式整理一遍，你会发现光是"整理"这个动作，就能暴露出你企业知识管理里的无数盲区。而当你有了标准格式的知识库，未来换AI供应商、换平台、做RAG，都会容易得多。
第三，关注自然语言查数据的能力成熟度。Gemini-SQL2的80%是实验室数字，生产环境可能打个七折。但即使只有56%的准确率，对那些每天都在提数据工单的业务团队来说，也是质的飞跃。建议你找一个报表需求最频繁的部门，做一个小规模的概念验证——让业务人员直接用自然语言查数据，看看能替代多少手工工单。
三步走，成本先算清，知识先理顺，数据先通开。后面的事，水到渠成。
