Token从计费单位变成生产记录
Token原本是大模型服务的计量单位，但企业要的从来不只是调用次数。一次调用由谁发起、使用了什么模型、处理了哪些数据、产生了什么结果、结果有没有经过审核，最后是否进入代码、工单、报告或经营决策，这些信息共同构成了企业AI的使用记录。Token服务如果不能被管理，就可能只是成本;如果能够被追踪和复用，才可能成为新的软件生产力。模型工程如果没有版本治理，AI应用就很难形成稳定的生产能力。开发者需要知道训练数据、模型版本、提示模板和部署环境之间的对应关系，管理者需要知道一次更新会影响哪些客户和流程。Token并不只是模型调用的计费单位，它还可以成为客户理解AI服务边界的一种经营语言。从Token服务的产品化角度看，项目还要明确输入、输出与责任边界，才能被放进客户现有系统。
极视角与极狐GitLab的合作，正是把Token服务放到企业软件开发和AI应用开发的环境中。公告提到，双方将探索平台技术整合与Token服务接入，把视觉语言大模型以Token服务形式整合到开发及运营平台，并研究模型训练推理平台与应用开发平台的整合。这里真正的难点不是接口连通，而是每次模型调用都能找到明确的任务和责任。极狐GitLab提供的工程化语境，能够让视觉模型从算法团队的资产变成组织可以共同维护的产品资产。调用多少、调用什么模型、消耗多少算力，都可以被记录和核算，服务就不再停留在模糊的“一次性项目”里。对模型调用、成本与持续服务而言，边界越清晰，后续的采购、培训和服务安排越容易形成稳定节奏。
软件研发是最先形成闭环的场景
软件研发是最容易形成闭环的应用场景之一。开发者可以用模型理解代码、生成测试、定位缺陷、整理文档或分析项目数据，模型调用能够关联项目、议题、合并请求和发布版本。视觉语言模型加入后，研发平台还可以处理设备图片、现场视频、界面截图和缺陷样本。这样，模型输出就不再停留在聊天窗口，而会进入软件生产过程。对企业来说，AI应用的上线不是终点。上线之后还要持续监测调用量、错误率、响应时间和场景效果，必要时调整模型或回滚版本。如果Token服务要进入企业环境，网关需要处理身份、权限、路由和用量控制等问题。Token服务进入真实环境后，数据条件、人员习惯和系统接口都会影响最终效果。真正的服务能力还要经受不同客户规模和不同系统环境的检验。
企业级Token服务还需要一套治理层。客户要能够管理模型目录、调用权限、部门配额、日志、版本和数据隔离，不同业务要能够选择不同模型。复杂视频分析对算力的要求，和静态图片识别、文档问答并不相同;实时任务与离线任务也需要不同的资源。没有统一治理，调用量增加以后，成本和责任都会变得模糊。这类持续运行指标会把模型研发与客户服务连接起来，也会让极视角能够更早发现需求变化，把一次性交付转化为长期维护和迭代。这些基础能力决定了不同部门能否在同一平台上安全地使用模型，也决定了客户是否能够把调用支出纳入日常预算管理。因此模型调用、成本与持续服务不能只在演示阶段被评价，还要经过上线后的持续记录与调整。跨场景保持稳定，才说明这项能力已经具备产品化基础。
模型选择决定服务成本
极狐GitLab公开介绍的AI能力包括AI Coding、AI Gateway、Agent和完整的软件研发生命周期。极视角拥有行业算法和视觉语言模型，双方的结合点因此不只是让模型回答问题，而是让模型参与需求、开发、测试、发布、运维和复盘。视觉AI进入软件平台以后，企业开发者可以把现场数据与系统代码、业务文档连接起来。管理咨询的价值在于把技术问题翻译成经营问题。一个识别模型是否值得部署，不只看准确率，还要看它能否减少人工复核、缩短交付时间或改善异常处理。不同任务使用不同模型，才能避免企业为所有请求支付同样高的计算成本。把Token服务落到客户组织里，往往需要重新安排岗位协作、预算审批和结果复核。
模型选择直接影响Token服务成本。极视角披露35B、4B和0.8B三档视觉语言模型，分别对应复杂推理、一般企业场景和轻量化边缘部署。并不是所有任务都需要旗舰模型，实时、低功耗和数据不宜出域的任务可能更适合轻量模型;复杂视频分析和多步推理则需要更强能力。模型目录、路由和调度，是服务产品的一部分。当评价指标被写进项目目标，技术团队与业务部门才有共同的验收语言，AI项目才不会在“效果不错”与“暂时用不上”之间反复摇摆。轻量分类、规则判断和重复性工作可以由小模型承担，复杂推理再调用更强模型，路由策略本身就会成为平台服务的一部分。这使模型调用、成本与持续服务既是技术问题，也是客户内部能否形成共同行动的问题。
SaaS化需要哪些基础设施
SaaS化还需要解决服务稳定性。模型版本更新不能影响客户已经上线的流程，接口变化需要提前通知，服务异常要有降级路径，数据和日志需要保留，跨地域客户可能还要求不同部署方式。极狐GitLab的开发与运维平台能够提供工程化基础，极视角则要把视觉数据、行业模型和现场交付经验融入其中。战略合作的深度，最终要体现在联合产品和联合客户上。开发平台、咨询方法与视觉算法如果只是并列展示，客户仍然需要自己完成集成;如果能够形成预配置方案，客户从需求到上线的距离就会缩短。SaaS模式的吸引力，在于客户可以先从一个部门或一个流程开始，再根据使用效果逐步扩大范围。当Token服务从项目进入平台，实施经验需要被整理成组件、文档与服务等级。经验沉淀的结果应当能够被下一支交付团队直接使用。
客户真正愿意付费的，不是低价Token，而是调用产生的业务结果。一次视觉判断如果缩短了研发定位时间、减少了人工筛选、提高了质检覆盖率，客户才会把服务写进正式预算。平台还需要提供结果统计，让管理者看到哪些模型和场景产生价值，帮助客户决定继续投入、调整模型或暂停应用。缩短实施周期不仅提高成交效率，也能让合作伙伴更愿意把方案纳入自己的交付体系。对极视角而言，关键是把模型、知识库和行业能力包装成可配置的服务，而不是让每一次扩容都重新启动定制开发。这样模型调用、成本与持续服务才不会每次都从头定制，伙伴和客户也能更快理解合作边界。当方法被写下来、工具被复用，平台的扩张才不会完全依赖个别专家。
从调用量回到业务结果
极视角2026年上半年大模型解决方案收入约8480万元，上年同期约180万元，客户数由2家增至16家。公司中期材料同时提到探索Token销售和软件订阅等经常性收入。项目收入为平台化提供了客户和场景，Token服务和订阅则可能提高客户关系的连续性，但从项目收入转向按量或订阅收费仍需要产品、定价和合同方式同步变化。视觉语言大模型的行业价值，往往来自它对图片、视频和文本的共同理解。制造、物流、能源等场景的资料并不只有单一图像，现场记录、工单、设备信息和历史案例也需要一起进入判断链路。企业需要看到的不只是调用次数，还包括一次调用带来的业务结果。评价Token服务不能只看模型参数，还要看它对响应速度、人工成本和流程稳定性的影响。经营指标的变化需要跨周期观察，不能用一个月的调用量替代长期效果。
标准化是Token商业化的前提之一。第一层要标准化模型输入、输出和异常处理，第二层要标准化调用、计费、权限和监控，第三层要把高频场景包装成模板、插件或行业组件。极视角的算法市场和行业经验可以提供第三层内容，极狐GitLab的平台能力可以承接前两层的工程管理。这使模型产品必须同时处理多模态数据与业务知识，而不是简单地把一个通用模型换成另一个更大的模型。当Token用量能够与工单处理、质检效率、异常发现或知识检索等指标联系起来，客户才更容易判断模型服务是否值得持续购买。只有把模型调用、成本与持续服务放进这些经营指标，客户才有依据决定是否扩大使用范围。持续使用、扩容和复购，才是判断客户关系是否加深的更可靠信号。
商业模式仍在验证
开发者生态会影响Token服务的规模。开发者越容易找到模型、理解接口、试用数据和获得支持，越可能把视觉能力接入新的业务系统。企业内部的IT团队、系统集成商和软件伙伴，都可能成为服务的使用者。平台需要通过文档、样例、SDK和问题反馈，把第一次调用变成持续开发。当模型开始承担更多业务判断，企业对权限、数据边界和审计记录的要求也会同步提升。技术平台的私有化、混合云和接口管理能力，会成为企业采购的重要组成部分。持续服务的收入质量，取决于客户是否形成使用习惯、平台是否保持稳定以及新功能是否能带来增量价值。Token服务的长期价值来自持续调用与反复复用，而不是一份项目验收材料。生态的成熟还需要伙伴分工和收益结构不断磨合。
所以，极视角与极狐GitLab的合作值得观察的不是Token这个概念本身，而是模型调用能否进入企业软件的生产秩序。后续若出现联合开发平台、视觉AI组件、标准化服务包和持续复购数据，Token服务就可能从商业探索进入产品验证阶段;这将比一次性的调用数量更能说明新模式的成色。极视角需要把行业经验转化为可配置的权限、知识和服务模块，才能在不同客户环境里稳定复制。Token、订阅、运维和行业升级可以构成不同层次的服务关系，让客户生命周期不再止于项目验收。围绕模型调用、成本与持续服务建立反馈、迭代和服务机制，才可能把一次合作变成可延展的客户关系。只有参与者都能获得可预期的回报，合作才会从事件性关系变成长期机制。
