a16z「Rack Spread」图表：5 月以来 token 均价降 67%，token 总花费反涨 122%–160%，GPU 租金同期上涨

核心背景与行业痛点

今年 7 月前后，市场上流行一张图：GPU 租金在涨，token 价格在跌。有人借用石油行业的「裂解价差」把它叫作「Crunch Spread」，a16z 编辑 Alex Danco 改称「Rack Spread」。看空的说法是：token 越来越像大宗商品，模型层利润被压缩，算力投入也难回本。a16z 10 月 30 日的 Charts of the Week 专门回应了这个说法。

架构亮点与底层机制

文章的核心论点是：石油和成品油受体积约束，GPU 和 token 之间没有这种固定换算。token 单价下降时，用量可以涨得更快，所以总花费反而上升。a16z 官方 X 账号 10 月 31 日的总结是：5 月以来 token 均价降 67%，花费涨超 120%。

权威 Benchmark 与实测跑分对比

这条不是模型发布，没有跑分。文中两种粗算：Ramp 数据约 +122%，Ornn 混合单价乘 OpenRouter 用量约 +160%。GPU 租金方面，7 月中以来 B300 涨 106%、B200 涨 66%、H100 涨 17%。作者自己提醒，Ramp、OpenRouter、Silicon Data、Ornn 的数据都来自愿意暴露用量的小样本，大企业基本不在其中，而这些用户往往最在意省钱、最会路由到便宜模型。以上均为 a16z 口径。

开发者实战落地与开箱指南

对团队预算的启示是：单价下降不等于账单下降，Agent 多步任务会显著放大 token 用量。建议按任务统计 token 消耗，而不只看单价；给长任务设上限，并评估模型路由和缓存。读原文时注意，这些数字是方向性参考，不代表全行业真实总量。