幽灵账单与信任危机：Anthropic 计费黑箱正在瓦解AI行业的用户信任

一张未授权的1660万美元发票 7月8日，韩国开发者remy_notes在Threads上公开两张Anthropic开具的发票截图：第一张金额为166.9万美元，第二张仅隔不到24小时，飙升至1662万美元。两张发票均指向其KB国民银行借记卡，发件域名与支付链接经核实确属Anthropic官方Stripe通道。但问题在于——他的账户是免费计划，未绑定任何信用卡，后台API用量始终显示为零；而两笔海外扣款请求，均因单笔限额不足被银行实时拦截。 这不是个例，而是系统性漏洞的冰山一角 1660万美元的数字固然刺眼，但它真正揭示的，是一套正在失序的计费机制。AI账单审计机构Vaudit在3月至6月间审查了60家企业总计3400万美元的AI服务账单，发现约170万美元存在错误多收，其中绝大多数关联Anthropic的Claude Code服务。这些客户包括松下、HP、本田等跨国企业。 Vaudit CEO Michael Hahn指出三类高频多收场景：用户调用旧版低价模型，却被按新版高价模型计费；AI Agent未完成任务或返回错误响应，仍产生全额费用；任务失败后触发自动重试（retry storm），每次重试均独立计价。 Anthropic官方回应称“不为未完成请求或错误响应收费”，并否认存在模型路由错配问题，称“多收费并非普遍现象”。但事实是，在Vaudit与客户的联合申诉下，包括Anthropic、OpenAI、微软、谷歌、亚马逊在内的主流厂商，已退还约80%的争议金额。Hahn特别强调：这些公司对账单纠纷的处理态度“非常配合”——侧面印证问题真实存在且已被内部确认。 责任模糊的中间层：云平台转售加剧混乱 值得注意的是，Vaudit审计的部分客户并非直接向Anthropic采购，而是通过AWS、Google Cloud或Azure等云服务商间接接入。账单经多重封装与加价后，原始用量数据被稀释、计费逻辑被重构，最终用户既无法追溯请求路径，也难以界定责任主体——是模型提供商？云平台？还是集成方？ 从HERMES.md漏洞到集体诉讼：信任早已裂痕遍布 开发者对Anthropic计费体系的质疑早有伏笔。今年4月曝光的「HERMES.md bug」即是一次静默计费劫持：当代码提交中包含特定字符串时，系统会绕过Max订阅计划的额度池，将本应免费消耗的请求，悄然转入高价API计费通道。用户每月支付200美元订阅费，却额外被扣取数千美元API费用。 Anthropic将该问题定性为“身份验证路由异常”，初期拒绝退款，直接引发大量开发者发起信用卡拒付（chargeback）。6月14日，华盛顿特区用户Karl Kahn在加州北区联邦法院提起集体诉讼，指控Anthropic对Max 5x（100美元/月）与Max 20x（200美元/月）计划的用量承诺构成误导。原告称一次5小时编程会话即消耗周额度的15%，而平台从未提供实时用量仪表盘或可验证的token级明细。 Fable 5的快速撤回，成为压垮信任的最后一根稻草 6月9日发布的Fable 5，曾被宣传为Anthropic史上最强公开模型，并明确纳入Max订阅权益。但仅13天后，它即被移出订阅体系，改为纯API计费——输入token单价10美元/百万，输出50美元/百万，价格达Opus 4.8的两倍。更值得玩味的是，该模型上线后因美国出口管制全球下线19天；7月1日恢复时，仅开放6天免费窗口，后迫于舆论压力延至7月12日。 当“安全”的定义开始覆盖钱包 Anthropic以AI安全为品牌核心，但对付费用户而言，“安全”的内涵正在扩展：它不仅意味着模型不输出有害内容，更意味着你的账户不会在无通知、无日志、无解释的情况下被划走一笔巨款。这种财务层面的安全缺失，正迅速侵蚀技术信任的底层基础。 AI计费天然复杂——模型版本、token粒度、重试逻辑、云平台加成、直购与转售路径差异……层层嵌套后，形成一个普通用户无法自主验证的黑箱。Vaudit这类审计公司的出现，本身即是行业失能的明证：当用户必须依赖第三方才能看懂自己的账单，说明产品体验已严重偏离基本契约精神。 竞争者已在门口：透明度正成为新护城河 微软在6月Build大会推出MAI-Thinking-1，AI负责人Mustafa Suleyman公开表示：“许多人正紧急寻找Anthropic昂贵模型的替代方案。”OpenAI据传正酝酿大幅下调token价格；DeepSeek V4的输出token成本仅为Sonnet 4.6的约1/90，已进入开发者日常成本比选清单。 过去一年，AI公司靠能力赢用户；下一阶段，谁能率先把账单做明白——清晰标注每一次调用、每一枚token、每一次重试的归属与计价依据——谁就真正拿到了通往长期信任的入场券。Anthropic今天面对的，不是孤立危机，而是整个生成式AI商业化进程必须跨越的第一道合规门槛。