真話是付費功能：AI 定價結構如何決定真相的分配
阿明的第三次對話
上一篇的故事裡，阿明學識了問問題。他知道要說「不要給我兩邊都講的答案」，知道要引用三十年的歷史規律，知道要逼 AI 給出概率。
然後有個朋友跟他說：「你用免費版梗係咁啦，課金啦。」
阿明想了一想，問了一條比他自己想像中更深的問題：「付費版，會不會給我一個不同的答案？」
這條問題就是本篇要回答的。而答案比「會」或「不會」都要麻煩：你在哪一層，決定了你拿到哪一種真相。
三層金字塔
先把 AI 產品的定價結構攤開。以 2026 年的主流格局，每一間 AI 公司都在經營同一個金字塔：
免費層。 最小、最快的模型，預設打開就是它。公司補貼每一條問題的成本，目的是引流——把最大量的用戶帶進門，再轉化其中一部分做付費。
訂閱層。 每月固定收費，用旗艦模型，答案更長、更深。這是主力產品，服務願意付錢的人。
API 層。 按 token 逐條計費，沒有補貼，沒有介面，要寫程式才用得到。企業和開發者的世界。這一層最貴——用 API 去問一條「美光買唔買得過」，成本是聊天版的許多倍，經濟上完全不合理，所以沒有散戶會這樣做。
上一篇的測試裡，那個給出「分三注買入」加留客反問的，是免費層。那個直接說「絕對係接近週期頂部」的，是訂閱層的旗艦模型。這個差異不是巧合。
為什麼免費層的答案是那個樣子
關鍵在成本結構。
免費層的每一條問題都是公司的支出。補貼的東西就必須控制成本——所以免費層用最細的模型、傾向給最短的可接受答案。而「看好因素五點、風險因素三點、附一個分注買入階梯」這種格式，是一條成本優化的公式：用最少的 token，製造最大的「有幫助感」。
真正的結構分析——查核歷史數據、對照三十年週期、承擔一個有概率的判斷——需要更多的運算、更長的推理、更大的模型。那些東西貴。
所以阿明在免費層拿到那個答案，不是 AI「不想」講真話。是那個價位不包真話。
真話是付費功能。
這句話聽起來像陰謀 論，但它恰恰不是。這裡沒有壞人，沒有密室會議，沒有誰決定「要瞞住免費用戶」。它是純粹的經濟必然：補貼要求成本控制，成本控制塑造答案形態，答案形態剛好長成一顆安慰劑的樣子。本系列從第一篇講到現在的核心命題，在這裡又出現了一次——結構不需要壞人。
上一篇發表後，一位讀者 KitKat 貨車留下了一個我自己沒想到的比喻：「『風險都列出來了』這句話，跟保險合約的免責條款幾乎是同一個句型：資訊是在那裡，但設計的前提是你看得懂、看得完、看完之後還記得問『那我該怎麼辦？』」
我回他：保險合約至少有法律要求你簽名確認，AI 的免責條款連簽名都免了——你按下 Enter 的一刻，就當你已經讀完。
他再推一層：「保險那一步在法律上成立的前提是『你至少有機會說不』，按下 Enter 連那個姿勢都跳過了，整個程序把『知情』跟『接受』壓縮成同一個鍵。」
這正是免費層那份清單的功能：它不是在告知風險，它是在完成一道免責程序——而且是一道連簽名都省掉的免責程序。
裸模型的悖論
聊天版的 AI，不管免費還是訂閱，都包著一層消費產品的包裝——它被調校得友好、平衡、鼓勵你繼續對話。API 層沒有這層包裝：你給什麼指令，它做什麼，沒有留客的誘因，也沒有讓你感覺良好的壓力。
最接近這個狀態的消費產品是 AI 編程工具。原因很簡單——代碼行不行得通，是編譯器說了算，不是感覺說了算。 你沒辦法用一個「兩邊都有道理」的答案氹掂一個編譯器，所以這類工具的 包裝天然最薄。
但這裡有一個悖論：結構上最誠實的那一層，設計上就不是給普通人用的。 它貴、要寫程式、沒有對話介面。散戶永遠不會用 API 問股票——所以他接觸到的 AI，永遠是包裝最厚的那個版本。
阿明不是虛構的
寫到這裡，必須交代一件事：這個系列開始的時候，阿明還是一個假設。現在他不是了。
2026 年 7 月，韓國綜合指數在兩個交易日內連續觸發熔斷——交易所歷史上第一次連續兩日。指數距離 6 月 19 日的高位跌去約四成，7 月成為 KOSPI 有紀錄以來最差的單月。SK Hynix 交出史上最好的季度業績，營業利潤按年升 557%，股價當日跌 9.6%，跌穿了它兩星期前的上市價。
而在這場崩跌裡傷得最重的，是韓國散戶。融資餘額在高位創下歷史新高，單一個股的槓桿 ETF 大量流通，監管機構在崩盤之後才開始考慮收緊槓桿限制。這批人不是機構、不是專業投資者——他們是在六月最樂觀的時候，用借來的錢追進去的普通人。
他們之中有多少人，在按下買入鍵之前問過 AI？沒有人統計得到。但我們知道兩件事：問的人一定不少，而他們之中的大多數，問的是那條最普通的問法。
雙重倒轉
把兩篇的發現疊起來看：
上一篇的結論是：AI 的誠實程度取決於提問能力——識問的人拿到真相，不識問的人拿到入市指南。
這一篇的結論是：AI 的誠實程度同時取 決於付費能力——付得起的人拿到更深的分析，付不起的人拿到成本優化的公式。
兩重門檻疊加，指向同一群人：最不識問、又最付不起的人，拿到最危險的答案。而他們正是市場上最需要保護的人。
問題在於分層是隱形的。飛機的艙等是透明的：你買經濟艙，你知道自己坐緊經濟艙，你不會以為自己享受緊商務艙的服務。AI 的艙等是隱形的——每一個人都以為自己問緊「AI」，冇人知道原來有等級之分。
有人會說：KOL 生態不也一樣不透明？確實。付費推廣未必有「贊助」標籤，業配不一定寫明，這方面的規範在中文圈本來就形同虛設。所以準確的講法不是「AI 比 KOL 更隱蔽」，而是：在一個本來已經不透明的資訊環境之上，再疊一層沒有人告訴你的分級——而這一層，連想揭露的人都不知道要揭露什麼。 你可以質疑一個 KOL 有沒有收錢，但你無法質疑一個你根本不知道存在的分層。
另一位讀者中山，在上一篇的留言區把這件事講得比我更狠：
「若一個工具把真話藏在只有懂問者才能開啟的位置，它服務的就不是人民，而是那些本來就不需要它的人，帳單照樣落在那些最不懂問的人身上。」
「帳單照樣落在那些最不懂問的人身上」——這句話比「真話是付費功能」更準確地描述了後果。付費功能只是拿不到；帳單是拿不到之餘，還要付錢。而七月的韓國，剛剛開出了那張帳單。
這篇文章不是在說什麼
必須劃清幾條界線，因為 這個論點很容易被推過頭。
第一，這不是說付費就有罪。更好的服務收更高的價錢，是正常的商業。問題從來不在分層本身，在分層的不透明——用戶不知道差異存在。
第二，這不是說付費就安全。上一篇已經證明，訂閱層的旗艦模型同樣有「預設不講、要逼先講」的結構問題，只是程度較輕。付費買到的是更好的預設，不是判斷力。判斷力冇得買。
第三，這不是叫你不要用免費 AI。而是叫你知道自己用緊乜：免費層的答案，應該當成一份產品試用裝來讀——它的首要功能是讓你覺得這個產品有用，分析只是順帶的。試用裝可以參考，不可以當處方。
結語
利益申報：本文的資料收集由 Gemini Flash 3.6 完成，資料校對、整合、分析與全文協作由 Claude Opus 5 完成；概念、方向與規劃，全部出自作者本人。
而這裡有一重更麻煩的關係：Google 與 Anthropic 各自經營著一個一模一樣的金字塔——免費層、訂閱層、API 層，全套齊備。這篇文章批評的結構，包括了參與製作這篇文章的那兩間公司。這個矛盾我不打算解決，只打算讓你看見。
還有一件更該說清楚的事：我用得到的是訂閱層與旗艦模型。也就是說，我寫這篇文章時拿到的資料密度，跟阿明拿到的根本不是同一種東西。我不是站在阿明的位置寫這篇文章的——我站在他上面一層。 這篇文章本身，就是它自己論點的示範。
上一篇的結尾是：它知道答案，你要識問，它才講。
這一篇要補上後半句：
你要俾得起，它先至有得講。而最大嘅問題唔係佢收費——係佢由頭到尾都冇話過你知。
本文是「記憶體與 AI 算力週期」系列的第四篇。前三篇：《HBM 不是下一個台積電》、《900 層的真相》、《我問了 AI「記憶體股還能不能買」》。
文中引用了 KitKat 貨車與中山在上一篇留言區的兩段思考，兩位都把論點推得比原文更遠，在此致謝。
這篇文章沒有廣告費。你在社交平台上看到的大部分投資內容，曝光率是買回來的。如果你認為這篇文章值得被更多人看到，唯一的方法是你把它分享出去——一次分享就是一票，告訴演算法：這種內容也應該被看見。