當「訂閱隨便用」終結，當知識終於有了統一格式，當自然語言能直接查資料庫——這三件事發生在同一週，不是巧合。
今天是6月15日。如果你是Anthropic的訂閱用戶，尤其是Pro或Enterprise方案，你大概率已經收到了那封郵件——從今天起，Agent SDK、claude -p、GitHub Actions這些自動化調用，不再算在你的訂閱額度裡，而是獨立出來，按標準API費率計費。
說白了，"訂閱隨便用"的時代，到今天正式畫了句號。
但我不想只聊帳單。因為這週還發生了另外兩件事——Google Cloud發佈了一個叫OKF的知識標準化格式，Google Research的Gemini-SQL2在資料庫查詢基準測試上拿了80%——把這三件事放在一起看，你會發現一條很清晰的線索：企業AI正在從「能跑起來」轉向「能跑得穩、跑得明白」。帳單拆分是成本的可觀測性，OKF是知識的可移植性，SQL2是資料的可觸達性。三個維度，指向同一個方向。
一、Claude計費拆分：補貼比175比1的日子，結束了
5月14日Anthropic就發了公告，但今天才正式生效。核心變化就一句話：自動化調用從訂閱裡獨立出來，按API費率單獨計費。
具體怎麼個獨立法？Agent SDK、claude -p（管道模式）、GitHub Actions這些「非互動式」使用場景，以後不再消耗你的訂閱額度，而是直接走API的按量計費。你原來的訂閱額度，只覆蓋你在對話介面裡的互動使用。
各套餐的自動化額度如下：
| 套餐 | 月費 | 自動化額度（API等效） |
|---|---|---|
| Pro | $20/月 | $20 |
| Max 5x | $100/月 | $100 |
| Max 20x | $200/月 | $200 |
| 團隊標準 | $20/用戶 | $20/用戶 |
| Team Premium | $100/用戶 | $100/用戶 |
| 企業標準 | — | $0 |
注意這個Enterprise Standard——額度是$0。也就是說，如果你是這個套餐，不升級的話，Agent SDK的請求會直接失敗，不是降速，是失敗。你得手動開啟溢出計費才行，否則自動化的東西全停。
我算了一筆帳。此前Pro用戶花$20/月，實際能獲得的API等效算力大約在$300到$600之間。你想想，$20換$300，補貼比15比1。而那些重度用戶——把Agent當主力工具跑的——補貼比甚至能到175比1。這是真金白銀的補貼。
這事其實在情理之中。任何「無限量」的商業模式，在輕度用戶和重度用戶之間的交叉補貼是不可持續的。Anthropic之前是在用輕度用戶的錢補貼重度用戶，現在不過是把這個扭曲的激勵拉回來了。
但我想說的不是這個。我覺得最有意思的不是計費本身，而是這個信號："訂閱隨便用"的模式，在AI行業正式終結了。以後每次調用都要算錢，每個自動化任務都有成本標籤。這對個人用戶可能只是多花點錢的問題，但對企業管理者來說，這意味著AI的運營成本從"一筆訂閱費"變成了"一個需要監控和優化的變量"。
同一天，OpenAI宣布新企業客戶可以免費使用兩個月的Codex。明擺著是在搶那些因為Anthropic漲價而猶豫的企業客戶。這事兒挺有意思——一邊在收網，一邊在撒網。
二、OKF：知識終於有了「USB接口」
計費拆分解決的是「錢花在哪」的問題。但企業AI還有一個更底層的問題——「知識在哪」。
6月12日，Google Cloud發佈了OKF v0.1，全稱Open Knowledge Format。說白了，它就是一個知識標準化格式——用帶YAML frontmatter的Markdown文件來存儲和描述企業知識。
聽到「標準化格式」你可能覺得又是一個無聊的規範。但這事我認真想了想，它解決的痛點非常真實。
你想想一個典型企業的知識分佈：元數據在數據目錄裡，流程文檔在Wiki裡，業務規則寫在程式碼註釋裡，還有很多關鍵資訊——只存在於老員工的腦子裡。這些東西分散在七八個平台上，格式不統一，搜尋搜不到，AI也讀不懂。
OKF做了什麼？它把這些碎片統一成了一個格式：YAML頭放結構化元數據，Markdown正文放可讀內容。供應商中立，人能讀，機器也能讀，還能用Git做版本控制。
如果你熟悉Karpathy今年提出的「LLM Wiki」理念（已經在GitHub拿了5000多顆星），你會發現OKF跟它一脈相承。區別在於——Karpathy提出了約定，Google把約定變成了規範，還配套了工具鏈。
Google已經發佈了一整套東西：規範倉庫、BigQuery增強Agent（用來生成OKF檔案的「生產者」）、HTML可視化工具（用來閱讀OKF檔案的「消費者」），還有GA4、Stack Overflow、Bitcoin三個示例包。
對CIO來說，這件事的意義很直接——知識不再被鎖定在某個平台裡了。你的Wiki可以遷移，你的文件可以和程式碼一起版本控制，你的AI Agent有了一個標準的知識輸入格式。我願意把它叫做「企業知識總線的USB接口」——以前每接一個設備要裝不同的驅動，現在插上就能用。
三、Gemini-SQL2：80%意味著什麼
OKF解決的是「知識怎麼存」，那「數據怎麼查」呢？恰好，也是6月12日，Google Research發佈了Gemini-SQL2。
這個模型基於Gemini 3.1 Pro做了專項優化，專門幹一件事：自然語言轉SQL。在BIRD基準測試上，它拿到了80.04%的執行準確率，單模型排名第一，大幅領先OpenAI和Anthropic的方案。
80%這個數字意味著什麼？BIRD不是那種簡單的"SELECT * FROM table"測試。它包含真實的業務數據庫，有複雜的表結構、字段歧義、嵌套的業務規則。你要理解"上季度華東區退貨率最高的三個SKU"這種問題，得先知道退貨表怎麼關聯SKU表，華東區的定義是什麼，退貨率的口徑是按金額還是按數量。
說白了，這已經不是「寫SQL」了，這是「理解業務」。
我看到的直接應用場景有三個：
- 自助報表——業務人員直接問「本月各地區銷售額對比」，不用再提工單等數據團隊排期
- 企業搜索——把數據庫變成可對話的知識源，跟OKF存儲的文檔知識互補
- SaaS數據問答——客戶不用學你的報表界面，直接問就行
這跟OKF放在一起看就更有意思了。OKF解決的是非結構化知識的存儲和檢索，SQL2解決的是結構化數據的查詢和回答。一個管「文檔」，一個管「數據」，加在一起，企業AI的知識覆蓋面才算真正補齊了。
三條線索，一個方向
回到開頭。為什麼我說這三件事發生在同一週不是巧合？
Claude計費拆分，讓企業第一次能看清AI的每一分錢花在哪裡——這是成本可觀測性。OKF讓企業知識有了統一的存儲和流轉格式——這是知識可移植性。Gemini-SQL2讓非技術人員能直接「問數據庫」——這是數據可觸達性。
這三個維度加在一起，指向的是同一件事：企業AI正在從「demo能跑」走向「生產能用」。而生產能用的前提，恰恰就是錢算得清、知識找得到、數據問得著。
這不是技術升級，這是基礎設施的成型。
給企業管理者的建議
最後說點實在的。如果你是CIO或者企業的技術決策者，這三件事加在一起，我建議你現在就做三件事：
第一，立即盤點你的AI自動化調用成本。Claude今天生效了，其他廠商跟進只是時間問題。把你的Agent調用頻次、token消耗、峰值時段拉出來看看，算一下按API費率實際要花多少錢。如果這個數字讓你心跳加速，說明你之前一直在補貼裡「免費使用」，現在該做預算規劃了。
第二，開始評估OKF或者類似的知識標準化方案。不用等OKF成熟到1.0版本，現在就可以拿一個業務單元試點。把最核心的業務知識用OKF格式整理一遍，你會發現光是「整理」這個動作，就能暴露出你企業知識管理裡的無數盲區。而當你有了標準格式的知識庫，未來換AI供應商、換平台、做RAG，都會容易得多。
第三，關注自然語言查數據的能力成熟度。Gemini-SQL2的80%是實驗室數字，生產環境可能打個七折。但即使只有56%的準確率，對那些每天都在提數據工單的業務團隊來說，也是質的飛躍。建議你找一個報表需求最頻繁的部門，做一個小規模的概念驗證——讓業務人員直接用自然語言查數據，看看能替代多少手工工單。
三步走，成本先算清，知識先理順，數據先通開。後面的事，水到渠成。
