今天三則 AI 新聞表面上完全不同。
Google：
推出一個新的 Gemini 模型。
Databricks：
又募了 50 億美元。
DeepSeek：
推出正式版 V4 Pro，卻同時準備漲 API 價格。
但把三件事放在一起看：
真正正在改變的是 AI 競爭的衡量方式。
以前大家最常問：
「哪個模型最強？」
現在企業開始問：
「這個模型真的拿來每天工作，一件任務最後要花多少錢？」
模型本身。
企業資料。
工具呼叫。
Agent 執行。
人工修改。
全部都會進入帳單。
所以 AI 下一階段真正要比的，可能不是單次 Benchmark。
而是：
誰能把模型變成大量、穩定、算得過帳的工作。
一、Google 推 Gemini 3.7 Flash，主戰場直接寫著「Coding＋Agents」
Google 在美國時間 8 月 13 日推出：
Gemini 3.7 Flash。
Google 對它的定位非常明確：
不是最高階、最昂貴的旗艦模型。
而是：
Coding 與 AI Agent 的 Workhorse。
也就是每天大量工作的主力模型。
這個定位本身就很值得注意。
因為真正部署 Agent 時：
企業通常不會只問 AI 一題。
可能是一個案件就要：
讀文件。
找資料。
判斷下一步。
呼叫工具。
修改內容。
重新檢查。
最後再產生結果。
一條流程可能呼叫模型很多次。
這時：
每一次都用最昂貴的模型，成本很快就會累積。
Google 這次直接用價格打 Agent 市場
Gemini 3.7 Flash 到 2026 年底的 introductory pricing 是：
每 100 萬輸入 Token：
0.75 美元。
每 100 萬輸出 Token：
3.75 美元。
Reuters 指出，這大約是 Gemini 3.6 Flash 原始價格的一半；Google 官方也註明，這組優惠價格只到 2026 年 12 月 31 日，2027 年起預定調回每 100 萬輸入 Token 1.50 美元、輸出 7.50 美元。
這透露一個非常明顯的方向：
Google 不只是想讓開發者：
試模型。
而是希望他們：
把大量 Agent 工作真的搬進 Gemini。
Google 這次不是只強調「回答更聰明」
官方特別強調：
Gemini 3.7 Flash 在：
軟體工程。
知識工作。
Web 開發。
多步驟規劃。
工具呼叫。
企業工作流程。
都有改善。
Google 自己公布的 AutomationBench 成績，也從 Gemini 3.6 Flash 的 17.0% 提升到 30.4%。
不過這些 Benchmark 屬於 Google 官方公布的模型評估，不能直接等同於你自己的工作也會提高相同比例。
真正應該測的還是：
你的流程。
Gemini 3.7 Flash 也直接進入 Spark
Google 同時把 Gemini 3.7 Flash 放進：
Gemini Spark。
Spark 是 Google 的長時間 Agent 產品。
目前提供給支援地區的 Google AI Pro 與 Ultra 用戶，可持續執行工作，並使用 Google Workspace 工具。
Google表示，新模型能讓 Spark 更有效率地處理：
整理檔案。
準備 Email。
更新狀態文件。
複雜多步驟工作。
這就讓 3.7 Flash 的定位更清楚。
它真正想搶的不是：
「陪你聊天。」
而是：
成為 Agent 背後反覆工作的引擎。
為什麼 Flash 可能比 Pro 更接近真正商業市場？
很多人看到 AI 新模型：
第一件事就是找：
排行榜第一名。
但企業真正跑 10 萬次工作時：
事情會變。
假設模型 A：
每次平均工作成本 0.02 美元。
模型 B：
每次 0.20 美元。
單次只差：
0.18 美元。
看起來不多。
如果每月執行：
100 萬次。
差距就變成：
18 萬美元。
所以企業真正部署 AI：
不可能永遠只看：
誰最強。
還會看：
誰夠好，而且大量使用時負擔得起。
更重要的是「每個完成任務的成本」
Token 價格其實還不是最後答案。
例如：
模型 A 比較便宜。
但是：
每十次有三次失敗。
需要重新跑。
人工又要修改。
模型 B 稍微貴一點。
但：
一次成功。
那麼最後真正便宜的：
可能反而是 B。
所以企業不能只比較：
每百萬 Token 幾美元。
更應該比較：
完成一件可用工作到底多少錢。
這也是今天第一則新聞真正值得一般人帶走的地方。
二、Databricks 又募 50 億美元，估值升到 1,900 億美元
第二則新聞看起來不像模型新聞。
Databricks 宣布：
完成 50 億美元新一輪策略募資。
公司估值：
1,900 億美元。
六個月前：
Databricks 的估值大約還是 1,340 億美元。
所以半年左右：
估值又向上跳了一大截。
但真正值得問的是：
一家不是 OpenAI、Anthropic，也不是 Google 的公司，為什麼值這麼多？
答案和昨天 Glean 的故事其實很接近：
企業資料。
Databricks 賣的不是另一個 Chatbot
Databricks 的核心一直是：
資料。
資料工程。
資料倉儲。
分析。
現在再往：
AI App。
AI Agent。
治理。
延伸。
它真正想卡住的位置是：
當公司要讓 AI 使用自己的：
客戶資料。
交易資料。
產品資料。
內部資料。
到底要放在哪裡？
怎麼讀？
怎麼管？
怎麼控制權限？
怎麼讓多個模型共同使用？
Databricks 現在一年化營收規模已超過 70 億美元
Databricks 表示：
第二季 Annualized Revenue Run Rate 已超過：
70 億美元。
年增：
超過 80%。
公司也表示，過去 12 個月在調整後基礎上仍保持正現金流。
這一點很重要。
因為現在 AI 市場裡：
很多估值很高的公司仍然需要持續大量燒錢。
Databricks 至少正在向市場展示另一個故事：
企業確實願意為資料＋AI 基礎層付錢。
這 50 億美元準備繼續投到哪裡？
Databricks 點名三個方向。
Lakebase
替 AI 應用和 Agent 使用的資料庫。
Genie
讓企業使用自然語言詢問自己的資料。
Unity AI Gateway
管理不同 AI 模型與 Agent 的：
治理。
選擇。
成本控制。
Databricks 表示，Lakebase 已經超過 1 億美元 Revenue Run Rate，而 Lakehouse 資料倉儲業務則超過 15 億美元 Revenue Run Rate。
為什麼這和 Agent 有關？
因為一個真正工作的 Agent：
不能只靠模型自己的記憶。
它必須知道：
客戶訂單在哪。
庫存多少。
上一次交易是什麼。
目前合約版本是哪一份。
哪些人有權限查看。
AI 能不能修改。
這些事情：
都不是「模型夠不夠聰明」可以單獨解決。
所以企業 AI 一旦真正進工作：
資料層反而變得更值錢。
昨天 Glean 講的是「找到公司知道什麼」
今天 Databricks 再補上另外一塊：
讓 AI 可以安全使用公司的結構化資料。
兩者方向不同。
但共同指出：
企業 AI 的競爭正在從：
模型。
往下延伸到：
資料。
治理。
工具。
權限。
成本。
所以 Databricks 的 1,900 億美元估值代表什麼？
不能簡單說：
「它一定值這麼多。」
估值仍然是投資人願意在這一輪交易中接受的價格。
未來能不能真正支持這個估值：
仍要看營收、獲利與成長能否持續。
但至少它透露一件事：
市場現在願意把非常高的價值放在企業 AI 的資料基礎層。
不是只有生成模型本身。
三、DeepSeek V4 Pro 正式上線，卻同時宣布 API 漲價
第三則最有意思。
DeepSeek 在 8 月 13 日正式推出：
DeepSeek-V4-Pro-0813。
官方表示：
新版大幅加強 Agent 能力。
並已經可以透過：
API。
App。
Web。
使用。
但真正讓人注意的：
不是新模型本身。
而是另一個公告：
DeepSeek 要漲 API 價格。
8 月 17 日開始採尖峰、離峰價格
DeepSeek 官方表示：
從北京時間 2026 年 8 月 17 日 0 時起，V4 系列 API 改用新的價格制度。
同時加入：
尖峰／離峰計價。
離峰價格：
是尖峰價格的一半。
官方給出的理由是：
希望更合理分配資源，鼓勵使用者依實際需求調整工作時間。
Reuters 根據新舊價格比較指出：
依模型、Token 類型與使用時段不同：
新價格比目前價格提高約：
50% 到 1,100%。
這件事和 DeepSeek 原本的形象非常不一樣
DeepSeek 爆紅的一個重要原因就是：
便宜。
它讓全球 AI 市場看到：
高能力模型不一定只能非常昂貴。
今年幾個月來：
DeepSeek 甚至曾大幅降低 V4 Pro 的價格。
現在卻開始反方向調整。
這不代表：
DeepSeek 從此變成昂貴模型。
而是表示：
超低價也不是永遠不會改變。
為什麼會開始做尖離峰？
DeepSeek 官方沒有把這次調價直接描述成：
「成本太高撐不住。」
所以不能自行下這個結論。
官方講得比較明確的是：
資源調配。
但從使用者角度看：
尖離峰制度本身就透露：
算力不是無限的。
如果所有人都在同一時間：
大量呼叫。
Agent 一直跑。
API 一直工作。
基礎設施就會出現尖峰壓力。
所以 AI 雲端運算正在出現一個很熟悉的概念：
把需求移到不同時段。
這和電力其實很像
例如工廠用電：
尖峰時間比較貴。
離峰比較便宜。
原因就是：
整個系統不能只看總需求。
還要看：
同一時間有多少需求。
AI 運算正在慢慢出現類似的資源經濟。
如果你的工作是：
即時客服。
沒辦法等半夜。
但如果工作是：
每天整理 5,000 份文件。
重新建立 Embedding。
批次產生報告。
夜間跑測試。
那麼就可能把非即時任務移到便宜時段。
這會讓 AI Workflow 多出一個新問題
以前設計工作流程可能只問：
用哪個模型？
未來還可能問：
什麼時候跑？
例如：
即時工作：
使用快速模型。
現在執行。
批次工作：
排到離峰。
便宜執行。
高難度工作：
才升級較強模型。
這會讓企業 AI 從：
單純挑模型。
變成真正的：
運算調度。
DeepSeek V4 Pro 還有一個變化值得注意
官方同時加入：
low。
high。
max。
三種思考強度。
簡單工作：
不用讓模型一直深度推理。
複雜工作：
才提高思考強度。
另外 API 也原生支援 OpenAI Responses API 格式，並針對 Codex 使用方式提供相容設定。
這其實又回到同一個問題：
不同工作使用不同程度的算力。
不是每一題都開到最大。
Google 和 DeepSeek 今天看起來方向相反
Google：
新 Flash 模型用優惠價格搶 Agent 使用量。
DeepSeek：
正式模型推出後提高部分 API 價格。
但底層其實是同一件事：
AI 市場開始真正管理大量生產流量。
模型不再只是 Demo。
當幾百萬、幾千萬次工作真的進來：
價格。
資源。
尖峰。
失敗率。
延遲。
都會開始變成產品的一部分。
把今天三則新聞放在一起
在想：
怎麼讓 Agent 大量跑，而且一件工作更便宜。
Databricks
在想：
Agent 要去哪裡拿企業資料，而且企業怎麼管理。
DeepSeek
開始處理：
大量運算需求要怎麼分配價格和資源。
看起來是三家公司。
實際上剛好構成一條企業 AI 工作流程。
資料。
↓
模型。
↓
Agent。
↓
大量執行。
↓
成本。
AI 產業正在從「能力時代」進入「單位經濟時代」
能力仍然重要。
但以後企業會愈來愈常問：
這個模型回答一次多少錢？
一件工作要呼叫幾次？
失敗要重跑幾次？
人工要修多久？
每天執行多少件？
一個月最後是多少？
這就是：
Unit Economics。
單位經濟。
不是問：
公司一共花多少 AI 費用。
而是：
完成一件真正可用的工作需要多少成本。
一個 0.01 美元的回答，也可能很貴
假設 AI 回答一次：
0.01 美元。
看起來非常便宜。
但每一件客服工作：
要跑 8 次模型。
其中 20% 需要重跑。
最後人還要花 4 分鐘修改。
真正成本就不是：
0.01 美元。
而是：
模型呼叫。
重試。
其他工具。
人工時間。
全部加起來。
相反地，一個比較貴的模型也可能更省
假設模型 B：
單次價格是 A 的三倍。
但是：
成功率更高。
少兩次重試。
人工修改只要 30 秒。
那最後一件工作的總成本：
可能反而更低。
所以未來「最便宜的 AI」不能只看價目表。
可以直接使用的 AI 成本比較 Prompt
你是我的 AI 工作成本分析助手。
我要比較以下模型：
[模型 A]
[模型 B]
[模型 C]
真正工作是：
[描述工作]
每月預計執行：
[次數]
請不要只比較每百萬 Token 價格。
我要比較的是：
完成一件可直接使用的工作，總共需要多少成本。
請依序估算或記錄：
第一，模型成本。
每件工作平均需要多少：
Input Token。
Output Token。
模型呼叫次數。
第二，重試成本。
多少比例：
第一次成功。
需要再跑一次。
完全失敗。
第三，人工修改。
每件工作平均需要多少分鐘：
檢查。
修改。
重新輸入資料。
第四，其他系統成本。
例如：
搜尋。
資料庫。
Embedding。
Agent 工具。
API。
儲存。
第五，尖峰與離峰。
如果 Provider 有不同時段價格：
哪些非即時工作可以移到較便宜時段？
第六，最終結果。
請替每個模型計算：
每件可用工作總成本。
每月總成本。
人工修改時間。
失敗率。
不要直接推薦 Benchmark 分數最高的模型。
最後只回答：
哪一個模型最適合高頻低風險工作。
哪一個適合複雜工作。
哪些工作值得排到離峰批次執行。
如果缺少真實數據：
標示需要實測。
不要自己捏造成功率。
今天最容易誤讀的三件事
第一，Gemini 3.7 Flash 的 0.75／3.75 美元是優惠價格。
Google 官方已說明：
只到 2026 年 12 月 31 日。
不能直接拿它當永久成本預測。
第二，Databricks 1,900 億美元是這輪募資估值。
不是：
公司一年營收 1,900 億美元。
Databricks 自己公布的年化營收 Run Rate 是超過 70 億美元。
第三，DeepSeek 漲價不代表所有價格一律增加 1,100%。
Reuters 所說的是：
依模型、Token 類型和使用時段不同：
漲幅介於 50% 到 1,100%。
而且 DeepSeek 已加入尖峰與離峰價格。
今天最重要的判斷
今天最值得注意的，不是：
Gemini 又升到 3.7。
Databricks 又變更貴。
DeepSeek 又出新模型。
而是：
AI 正從展示能力的階段，進入真正大量工作的階段。
一旦 Agent 每天開始做：
10 萬件。
100 萬件。
1,000 萬件工作。
企業就一定會開始算：
每件多少錢。
資料在哪裡。
誰能存取。
哪個模型最適合。
什麼時候執行最便宜。
失敗後誰處理。
所以未來真正成熟的企業 AI：
不會永遠只有一句：
「我們使用最強模型。」
而會變成：
普通工作走便宜模型。
複雜工作升級模型。
非即時工作排離峰。
企業資料集中治理。
高風險動作留給人。
最後追蹤：
一件真正完成的工作到底省了多少時間、花了多少錢。
這才是 AI 真正從 Demo 走進公司營運的開始。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
今日 AI 工具｜2026/08/10：Langfuse，把 AI 每次花多少錢、跑多久、結果好不好記下來，不再只看總帳單
