AI的”Tinder时刻”来了：从Tokenmaxxing狂欢到缩编，微软的手也在抖

AI的”Tinder时刻”来了：从Tokenmaxxing狂欢到缩编，微软的手也在抖

事情在变味。

今年上半年还是全民Tokenmaxxing的狂热氛围——老黄公开喊话”一个50万美元年薪的工程师如果每年token烧不到25万美元，我深感担忧”，亚马逊搞KiroRank排行榜鼓励员工烧token内卷，Meta的员工自发建起了8.5万人的Claudeonomics排行榜，颁发”Token Legend””Cache Wizard”这些虚拟荣誉称号。就连刚发GPT-5.6 Sol 750 Tokens/s雄心勃勃的OpenAI自身，也有一名员工创造了单周处理2100亿token的疯狂记录——够把整个维基百科填满33遍。

那时候的氛围是：谁能烧更多token，谁就更认真在用AI。烧token成了KPI，成了工程师福利，甚至成了自我标榜的标签。

转眼到了8月，微软内部邮件被曝出：CEO纳德拉两个月前还在播客上自称”Tokenmaxxer”，现在变成了一纸新政——设预算、看账单、换更便宜的默认模型（GPT-5.6）、后续还可能进一步压榨。执行副总裁Jay Parikh亲自发话，语气冷得像一刀切：Tokenmaxxing不是我们优化的目标。

不是微软小气，是整个行业算不过账了

说回事实本身。微软内部发现，许多工程师每月的token花费在几百到几千美元之间。对于一个Windows/Office/Azure三条现金牛稳稳赚钱的公司来说，这本来不算什么大钱。但关键在于增长速度——更早之前，有人晒出过Atlassian的调查数据，其月度AI支出在不到一年内增长到了原来的三倍，超过1500万美元。

Uber更夸张：整个公司在4月份就烧光了2026全年的AI编程预算，Cursor给的新报价直接翻了4-5倍——于是管理层紧急规定每名员工每月AI工具上限1500美元。

从Amazon、Adobe、Atlassian到Citi，从硅谷到华尔街，每家都在做同一件事：收紧。

所以这不是微软小气，不是Uber预算管理失误，而是这整个Tokenmaxxing逻辑从一开始就有问题。当一家公司的激励是”谁烧得多谁就是好员工”，下面的人自然就会把简单需求扔给最强模型、把一次调用的任务拆成十个Agent并行、把本来自己查个文档就能解决的问题让Claude走一遍”思考链”——就和当年互联网泡沫时代的”烧钱换增长”如出一辙。

只不过这次烧的不是营销预算，是算力。

为什么Tokenmaxxing注定不可能持续

核心原因有四个。

第一，边际收益递减是不可抗拒的物理规律。 纳德拉自己说得很清楚——”生产率提升的边际收益，必须匹配token的边际成本”。写第一段代码时，AI能提效50%。让你写第20个同样模式的CRUD页面时，AI的贡献趋近于零——但token消耗是一样的。不等你反应过来，花出去的每一块钱产生的实际生产价值就已经裂开了。

第二，最贵的不等于最好的。 很多人认为”用Fable 5/GPT-5.6处理所有任务=认真对待AI”。但实际情况是，大部分企业场景根本就不需要强推理模型。比如”把这段中文翻译成英文””用Python读取CSV的前10行””写一封请假邮件”——这些工作用前年的模型甚至免费的模型就能完成。你不信？DeepSeek V4 Flash今天的调用量已经登顶全球第一（单日8万亿token），用的就是”够用就行”的打法。

第三，AI用多了真的会钝化判断力。 这不是哲学命题，而是越来越多开发者的真实反馈。长期依赖AI之后，有人发现自己越来越难判断一段代码究竟对不对——因为已经习惯了”AI写了我就信”。而当成百上千工程师同时提交大量AI生成代码时，根本没人的能力能逐行审计其中的安全和质量问题。你烧的每一分token，都在给自己的代码库埋雷。

第四，也是最关键的一点：Tokenmaxxing让商业关系变成了一场奇怪的三角博弈。 微软一边卖云算力给客户去跑AI推理，一边自己也在为内部AI使用支付巨额token费。从营收角度看，客户多烧token是微软的利润；从成本角度看，员工多烧token是微软的支出。当自己的左右手互搏到了临界点，缩紧就成了唯一选择。

从”看量”到”看效果”的艰难转向

Meta已经把”AI驱动的影响”列为核心工作要求——不看你烧了多少token，看你用AI做出了什么。听起来合理，但实际操作风险不小。”AI驱动的影响”同样可以被形式化——写个报告把功劳全归给AI，实际上自己就是写了几个prompt，这怎么算？

方向是对的，执行是模糊的。这是所有组织从”简单量化”切换到”复杂定性”时必须经历的阵痛。

真诚的建议

如果你是个体开发者，把token花在刀刃上。不要因为脚本喧Model贵就觉得”用高级模型写脚本更专业”。任务的复杂度和模型的能力要对齐，不是越强越好。

如果你是团队负责人，立刻停止Tokenmaxxing式的激励，改成衡量实际的交付成果。更关键的是——看看DeepSeek V4 Flash的定价。不夸张地说，科技树点歪了的西方公司，迟早要正经面对”东方神秘力量”的价格战。

而如果你是正在用AI的公司——别因为烧得快就砍预算，也别因为砍了预算就觉得”我们在认真控制成本”。真正该控制的是浪费，不是使用本身。

别当Tokenmaxxer。当Token optimizer。