訂閱服務的「無限」承諾，從來就不是真的無限。當你付了 $100 訂閱費，真的以為可以用盡那個限額嗎？
最近，HackerNews 上出現了一個熱門議題：Anthropic 宣布不再允許 Claude Code 訂閱使用者使用 OpenClaw。這個決定引發了大量的討論，有超過 600 則留言，熱度達到 2282。
表面上，這是一個關於 OpenClaw 的技術限制。但深層來看，這反映了整個訂閱服務行業的長期困境：如何在提供「無限」使用承諾的同時，控制成本和資源使用。
訂閱服務的真相：超賣是常態
訂閱服務的核心商業模式是什麼？簡單來說，就是超賣。
「似乎很多人不理解訂閱服務是如何運作的。每一個這類服務都會超賣容量。重度使用者是由那些使用量較少的使用者來補貼的，而後者通常是使用者基數的絕大多數。」
這段話來自 HackerNews 上的討論，道出了訂閱服務的本質。無論是健身房的會員、網路服務、還是 AI 訂閱，這些服務都建立在「大多數使用者不會用完配額」的假設上。
想想看，健身房為什麼可以提供月費制？因為他們知道，大多數會員不會每天都去，就算去了也不會待上 18 小時。如果他們的會員真的每天都去，而且每次待上 18 小時，健身房很快就會被迫改變收費模式。
同樣的道理適用於 AI 訂閱服務。Anthropic 的 Claude Code 訂閱提供每 5 小時一個視窗的使用限制，以及每週的總限額。他們假設的是：大多數使用者偶爾會用，但不會 24/7 全天候使用。
OpenClaw 的特殊性：沒有人類的限制
OpenClaw 是什麼？它是一個 AI agent 系統，可以自動化執行各種開發任務。它的特點在於：它可以全天候 24/7 運作，不需要休息，不需要睡覺。
「OpenClaw 是一個自主的重度使用者。這個日益擴散的『移動攻擊面』要麼會導致 Claude 的成本上升，要麼會被封禁以保護真實使用者的服務價格。」
這段話指出了問題的癥結。OpenClaw 不是人類，它沒有生物節律，不需要睡眠，可以每 30 秒就執行一次任務。這意味著它可以在 Anthropic 設定的限制下，最大化使用每一個 token。
在討論中，有人提到：「一個 OpenClaw 使用者可以使用 6、7、8 倍於人類訂閱者的用量。」
為什麼？因為人類有自然的限制。你有工作、有生活、需要睡覺。就算你是最重度的使用者，你也不可能 24 小時都在用 AI。但 OpenClaw 可以。
這就是問題所在。Anthropic 的訂閱服務設計是基於「人類使用模式」的假設，但 OpenClaw 完全打破這個假設。
Anthropic 的決定：不是完全封殺
需要澄清的是，Anthropic 並不是完全禁止 OpenClaw。他們在 email 中說明：OpenClaw 仍然可以使用 Anthropic 的服務，但只能透過付費 API，而不是訂閱方案。
「他們沒有全面封禁。Email 明確告訴你如何使用 OpenClaw 連接 Anthropic。」
這個決定的邏輯是什麼？從經濟角度來看，訂閱服務是補貼的。訂閱使用者付費 $20、$100 或 $200，可以獲得遠高於 API 價格的 token 配額。這是為了吸引大量使用者加入平台。
但對於 24/7 運作的 OpenClaw 來說，這種補貼模式就變成了問題。如果 OpenClaw 使用者最大化使用訂閱配額，Anthropic 在他們身上是虧損的。
「理論上你可以最大化每一個 5 小時視窗，但他們在這樣的使用上是虧損的。」
這就是為什麼 Anthropic 選擇將 OpenClaw 導向付費 API。在 API 模式下，使用者按實際使用量付費，Anthropic 可以確保成本和收入平衡。
社區的分歧：合理與否
對於 Anthropic 的這個決定，社區的反應分歧很大。
支持者認為這是合理的。「他們沒有全面封禁。Email 明確告訴你如何使用 OpenClaw 連接 Anthropic。在他們自己的平台上使用自己的工具，我覺得沒什麼問題。」
他們認為，訂閱服務的本質就是假設使用者不會用完所有配額。如果有一群使用者（比如 OpenClaw）開始打破這個假設，提供商有權調整規則。
批評者則認為，這是違背訂閱服務承諾的行為。「我付費是要在那個時間段使用那個限額。有 5 小時視窗是你睡覺的時候不能用。有週末限制。」
有人指出，這個問題不是 OpenClaw 特有的。Claude Code 本身就提供了可以自動化運作的工具。「你可以用 Claude Code 內建的所有東西最大化限制。OpenClaw 只是一個好用的掩蓋故事。」
更進一步來說，有人認為這是 Anthropic 在補貼自己的工具。「如果最大化你的配額是錯的，那為什麼 Anthropic 要補貼自己的工具讓人們留在他們的平台上？」
更深層的問題：訂閱服務的設計缺陷
這個事件暴露了一個更深層的問題：訂閱服務的設計在 AI 時代需要重新思考。
傳統的訂閱服務（健身會員、串流服務等）有自然的限制。人類不可能一天看 24 小時的 Netflix，也不可能一天在健身房待 18 小時。這些自然的行為模式提供了某種「保護」，讓提供商可以安全地超賣。
但 AI 服務不同。AI 可以自動化，可以 24/7 運作，沒有人類的生理限制。這打破了傳統訂閱服務的假設。
在討論中，有人提出了替代方案：「如果那些使用量異常激增的使用者，不會被停權，而是收到稍微高一點的帳單，或許被升級到下一個等級，這不就很好嗎？」
這是一個合理的建議。電力收費就是這樣運作的：固定的基本費用加上變動的用量費用。這種模式既提供了可預測性，也反映了實際使用。
對開發社群的啟示
對於台灣的開發社群來說，這個事件有幾個重要的啟示。
首先，如果你依賴某個 AI 服務的訂閱來執行關鍵的自動化任務，你需要意識到：這個服務可能隨時會改變規則。訂閱服務的「無限」承諾，從來就不是絕對的。
其次，如果你正在開發類似 OpenClaw 的自動化工具，你需要考慮如何設計使用者體驗。是要鼓勵最大化使用訂閱配額，還是要提供更靈活的付費選項？
最後，如果你是 AI 服務的提供商，你需要思考如何設計訂閱模式。傳統的「固定費率加假設的低使用率」模式，在 AI 時代可能不再適用。
實際操作：如何在繁中環境中使用 Claude
雖然這個事件聚焦在 OpenClaw 上，但對於台灣的使用者來說，Claude 本身的實際使用方式也很重要。
根據討論串中的經驗分享，有幾個實用的技巧可以幫助你更有效地使用 Claude Code：
-
保持 cache 溫熱：預設的 cache 存活時間是 5 分鐘。當你短暫離開鍵盤時，保持一個 heartbeat 運作，可以讓 cache 保持溫熱，下次使用時不需要從頭啟動。
-
在關閉前 compact：結束工作前，執行 compact 操作可以減少 cache 大小，這樣下次啟動時需要加載的內容更少。
-
分離高消耗任務：像是 web research 這類大量消耗 context 的任務，應該分開處理，並要求生成包含關鍵發現的 md 報告，再餵給主要任務。
-
注意冷啟動成本：每天第一次啟動會消耗大量 token，因為 cache 是冷的。這是正常的，不是 bug。
在繁中環境中，台灣的使用者還需要考慮語言和文化的特殊需求。Claude 在繁體中文的處理能力已經相當成熟，但在某些情況下，可能需要明確指定使用繁體中文，或者調整輸出的語氣和風格。
實際操作中，一個典型的開發工作流程可能是這樣的：
早上啟動 Claude Code 後，先讓它總結一堆資訊，建議需要審閱的 PR、需要回覆的 email、剛 clone 的新 repo、拉取其他 repo，並且提供你今天 PR 的建議方法，給你一份看起來比較緊急的 slack mention 清單。這只是早上的任務，就已經節省了大量的時間，不用在工具之間點來點去，騰出時間來思考和做決策。
在繁中環境中，這種工作流程特別有價值。因為台灣的開發者經常需要處理中英混合的文件、在 GitHub 和內部系統之間切換、同時管理多個專案。Claude Code 的整合能力，可以幫助開發者更專注於核心的開發任務，而不是在行政工作和資訊整理上浪費時間。
本地模型的競爭
在這個事件的背景下，有一個更廣泛的趨勢值得注意：本地 AI 模型的快速發展。
在討論中，有人提到：「特別是隨著本地 LLM 繼續快速發展。我從我的 $200 降級到 $20 計畫，並且經常碰到限制。我嘗試使用我單獨購買的 API 存取權，但它不適用於 Claude Code…現在我的激勵是盡快減少對 Claude 的依賴。」
本地模型的進步是顯著的。有人分享：「我在 PC 上測試 Gemma 4（32GB RAM 和 4070 Ti 12GB VRAM），它可以正常運行，效果達到 12-16 個月前 SOTA 雲端模型的水平。」
另一位使用者提到：「你可以非常緩慢地通過從快速 PCIe 5 SSD 流式傳輸權重來運行 SOTA 本地 MoE 模型。Kimi 2.5（通常被認為接近目前 Sonnet，當然不是 Opus）在 Apple M5 硬體上的測量速度為 2 tok/s。」
對於台灣的硬體愛好者和開發者來說，本地模型提供了一個有趣的替代選擇。雖然本地模型還沒有達到 Opus 或最新 Sonnet 的水準，但它們正在快速接近。這意味著，未來使用者會有更多選擇，不僅僅是依賴雲端的訂閱服務。
然而，本地模型也有其限制。有人指出：「我對是否有任何接近 Sonnet，更不用說 Opus 的東西可以在 4080 或 64GB RAM 上運行表示懷疑。」
這個評估是準確的。要運行接近最新 SOTA 的模型，需要相當強大的硬體配置。對於大多數台灣的開發者來說，雲端服務仍然是最實際的選擇。
AI Agent 的崛起與挑戰
OpenClaw 本身並不是一個孤立的存在。它是整個 AI Agent 服務浪潮的一個代表。
在討論中，有人提到：「它到處都在被討論。如果你管理開發者或產品人員，你是否允許他們在你沒有監督的情況下工作？所有開發者現在都可以成為管理者/團隊負責人。你計劃、你授權、你審閱。」
這種 AI Agent 的工作模式，正在改變開發工作的本質。開發者不再只是寫代碼，而是更像一個管理者，規劃任務、授權給 AI 執行、審閱結果。
對於新創公司來說，這種模式特別有吸引力。「對於新創公司來說，如果品質可以為了找到市場適合性而有所犧牲，這是巨大的幫助。」
但這種模式的成本是顯著的。24/7 運作的 AI Agent 會大量消耗 token。如果所有開發者都開始使用這種模式，整個系統的使用量會激增。
這就是為什麼 Anthropic 需要做出決定：是繼續允許 AI Agent 使用補貼的訂閱服務，還是將它們導向付費 API？從商業角度來看，後者似乎是更合理的選擇。
成本與效益的平衡
從成本和效益的角度來看，這個決定的邏輯是清晰的。
在討論中，有人指出：「如果我們透過訂閱和 API 做同樣的工作，訂閱要便宜得多。所以如果我們比較它們，是的，他們會虧錢。」
訂閱服務之所以能提供比 API 更便宜的 token，是因為它假設大多數使用者不會用完所有配額。這是一種經典的超賣策略。
但當 OpenClaw 這種工具出現後，這個假設被打破了。OpenClaw 可以全天候運作，最大化使用每一個 token。從 Anthropic 的角度來看，這些使用者在訂閱服務上是虧損的。
解決方案是什么？一個選擇是將這些重度使用者導向付費 API。另一個選擇是設計更細緻的訂閱層級，針對不同的使用模式提供不同的價格。
目前的訂閱層級（$20、$100、$200）相對粗糙。它們主要區分在配額上，但沒有考慮使用模式的不同。一個偶爾大量使用的使用者，和一個 24/7 輕度使用的自動化工具，可能會消耗相同的配額，但它們對服務的壓力是完全不同的。
對台灣產業環境的啟示
對於台灣的企業和新創公司來說，這個事件有幾個重要的啟示。
首先，如果你正在評估是否導入 AI Agent 工具（無論是 OpenClaw、Claude Code、還是其他類似服務），你需要考慮長期的成本結構。訂閱服務的優惠價格可能不會永久持續，特別是當你的使用模式不符合提供商的預期時。
其次，如果你正在開發相關的產品或服務，你需要思考如何設計定價模式。傳統的訂閱模式可能不適合 AI 時代，你需要考慮使用量、使用模式、和使用價值之間的關係。
最後，對於台灣的開發社群來說，持續關注本地模型的發展是重要的。雖然雲端服務仍然是最方便的選擇，但本地模型的進步速度可能比預期的更快。將一些關鍵的工作負載移到本地，可能是一個值得考慮的備選方案。
結尾
訂閱服務的「無限」承諾，就像自助餐的「吃到飽」承諾一樣：你可以吃，但不應該試著把餐廳搬回家。這是一個不成文的規則，基於某種共同的默契和信任。
但當有人開始用打包盒把自助餐的食物帶回家時，餐廳會怎麼做？他們會修改規則，會明確禁止打包，或者會提高價格。
Anthropic 對 OpenClaw 的限制，本質上是類似的情況。這不是針對某個特定工具，而是對整個使用模式的一個調整。
對於台灣的開發者和 AI 使用者來說，這個事件的啟示很簡單：理解你所依賴的服務的商業模型，做好應對變化的準備，並持續評估替代選項。訂閱服務的「無限」承諾，從來就不是絕對的；真正的無限，或許只能在自己掌控的基礎設施上找到。
參考資料：
– HackerNews 討論串：https://news.ycombinator.com/item?id=47633396
– Anthropic Claude Code 訂閱服務條款
– 本地模型進展：Gemma 4、Qwen 3.5 等開源模型