「燒Token」成KPI，有程序員一個月花掉15w

硅谷正在流行一個新詞：Tokenmaxxing（Token最大用量）。

在Meta和OpenAI內部，工程師們開始在AI使用排行榜上展開競爭。根據外媒報道，甚至有一名工程師一周消耗了2100億個Token，相當於33個維基百科的文本量。有人每月僅AI賬單就高達15萬美元。

一位愛立信駐斯德哥爾摩的工程師花在Claude上的錢比自己的工資還高，但賬單由公司承擔。Token預算正在成為工程師的新型工作福利，「就像免費零食或免費午餐曾經那樣」。

Shopify CEO Tobi Lütke早在2025年4月就發佈內部備忘錄，宣佈「AI使用是Shopify的基線預期」，要求所有團隊在申請新人力之前必須先證明AI無法完成該工作，並將AI使用納入績效考覈。Meta隨后宣佈從2026年起將「AI驅動的影響力」正式納入所有員工的績效評估。

當Token消耗量開始出現在KPI里，它已經成爲了一種組織行為信號。

與此同時，產業層面的信號同樣密集。3月16日，黃仁勛在英偉達GTC大會上把Token定義為「AI時代的基石」，稱它將成為「最值錢的大宗商品」。次日，阿里巴巴宣佈成立Alibaba Token Hub事業羣，由CEO吳泳銘直接負責，定位是「創造Token、輸送Token、應用Token」。

圖：黃仁勛在GTC演講中展示了Token成本與收入關係的圖表，將數據中心分為免費層、中級層、高級層和Premium層來分配算力，並展示Vera Rubin芯片相比Grace Blackwell帶來5倍收入提升的預測。

一年前，Token還只是開發者才關心的技術計量單位。現在，它成爲了芯片公司用來定義產品價值的語言，也是互聯網巨頭圍繞它重組事業羣的理由，更是成爲了工程師offer里的新型福利和核心KPI。

但是，Tokenmaxxing排行榜只記錄了消耗量，沒有人記錄這些Token到底完成了多少有效任務。

這恰好是今天整個Token經濟中最大的盲區。

圖片由 AI 生成

01 一個工程師燒掉的到底是什麼

2100億Token聽起來是一個驚人的數字。但理解它的真實含義，需要先放棄一個假設：Token是標準品。

圖：Tokscale全球Token消耗排行榜，Tokscale是一個開源Token使用量追蹤和排行榜工具，支持Claude Code、Cursor、OpenCode、Codex等多個平臺，用户可以提交數據參與全球排名

兩年前，大模型的定價還相對簡單，通常只有輸入Token和輸出Token兩個基礎價格；但到了今天，主流廠商的定價體系已經明顯分層，同樣是「Token」，在不同調用條件下往往對應完全不同的收費標準。

以Anthropic為例，Claude Opus 4.6的標準輸入價格為每百萬Token 5美元，輸出價格為25美元；如果啟用Prompt Caching，5分鍾緩存寫入為6.25美元、1小時緩存寫入為10美元、緩存讀取為0.50美元。若使用Batch API，輸入和輸出價格都可再打五折；若指定僅在美國本地推理，相關Token價格還會統一上浮10%；而在Fast Mode下，Opus 4.6的輸入和輸出價格則會直接提升至標準價的6倍。

也就是説，同一家廠商、同一個模型、同樣被稱作「Token」的計費單位，已經會因為緩存、批處理、區域推理和速度檔位等不同條件，出現數倍甚至十余倍的價格差。

真正拉高成本的，也早已不只是模型本身的調用費。OpenAI目前的價目表顯示，Web Search已按模型類型區分收費：面向GPT-4.1、GPT-4o等模型的網頁搜索為每千次10美元，而面向GPT-5等推理模型的網頁搜索則為每千次25美元。

File Search的費用為每千次調用2.50美元，外加向量存儲每GB每天0.10美元，前1GB免費。代碼容器也已成為單獨計費項：當前1GB容器收費0.03美元，4GB、16GB和64GB容器則分別對應更高價格；從2026年3月31日起，這套價格還將切換為按每20分鍾一個session per container計費。

模型之外，搜索、檢索、存儲、執行環境這些過去常被視為「附屬能力」的環節，如今都已被拆分成獨立的成本中心。

Google也在沿着同樣的方向推進。Vertex AI官方定價頁面顯示，自2026年2月11日起，Agent Engine中的Code Execution、Sessions和Memory Bank已開始正式收費，相關價格不再籠統打包，而是按照vCPU小時和GiB內存小時分別計價。

所以，今天再談「大模型價格」，已經不能只盯着輸入和輸出Token單價。真正發生變化的是計費邏輯，大模型廠商目前賣的已經是一整套可運行、可存儲、可搜索、可調用工具、可持續執行的AI基礎能力。

圖：OpenAI 定價頁面截圖，Token之外的多層收費結構（Web Search、File Search、Container等獨立計費項）

02 為什麼Token越來越便宜，賬單卻越來越貴

如果單看模型API的牌面價格，Token確實在逼近白菜價。Anthropic的Opus從上一代的15美元/百萬Token降到了5美元，降幅三分之二。DeepSeek V3.2壓到了0.28美元。Google Gemini 2.5 Flash Lite低至約0.10美元。

中國模型的價格優勢更明顯，OpenRouter數據顯示，中國模型的Token單價約為海外競品的六分之一到十分之一。即便騰訊雲混元HY2.0 Instruct在結束公測補貼、漲價超過460%之后，輸入價格摺合約0.62美元/百萬Token，仍然低於Anthropic最便宜的Haiku 4.5（1美元），不到Sonnet 4.6的五分之一。

圖：Artificial Analysis維護着一個實時更新的LLM排行榜，不同模型之間價格梯度巨大

但AI的總使用成本並沒有隨之下降。三個機制在同時起作用。

第一，模型變聰明瞭，代價是變「話多」了。Artificial Analysis的報告指出，推理模型的平均輸出Token使用量大約是非推理模型的5.5倍。Anthropic和OpenAI都把extended thinking Token按輸出Token計費，模型想得越深，賬單越長。單價降了，但完成同一個任務的Token總量翻了好幾倍。

第二，Agent讓Token從「一次消耗」變成「持續消耗」。這正是Tokenmaxxing的深層驅動力，工程師並不是在手動刷Token，他們的AI編程智能體在24小時不間斷運行，自動拆分任務、調用工具、自我迭代。據阿里雲的數據，單個Agent的算力消耗是傳統Chatbot的100到1000倍。中國整體日均Token消耗在2025年中突破30萬億，到2026年2月已躍升至180萬億級別。

第三，生產Token的底層成本在漲。2026年3月18日，阿里雲和百度智能雲同日宣佈上調AI算力和存儲產品價格，漲幅最高34%。AWS在1月將機器學習容量塊提價約15%，谷歌雲宣佈5月起上調AI基礎設施費用。

某雲計算行業專家表示：「這次雲市場的調價，主要是由供需關係決定，由成本驅動。后續的價格也主要由整個供應鏈的價格趨勢來決定。」

GPU、並行存儲、高速網絡、數據中心電力，模型牌價在降，但生產Token所依賴的一切都在漲。Anthropic在發佈Opus 4.6時專門強調「價格保持不變」，言下之意是更強的能力由廠商自己消化成本。

換句話説，模型是引擎，但油錢、停車費和高速過路費都在漲。

三個機制疊在一起，結果就是Token的牌面價格和真實任務成本之間，出現了一條越來越寬的裂縫。

03 Token焦慮的本質

回到Tokenmaxxing。排行榜記錄了Token消耗量，但沒有記錄產出質量。一個工程師一周燒掉33個維基百科的Token，不等於他完成了33個維基百科價值的工作。

大廠把Token消耗量寫入KPI，或者是作為一種「福利」，本質上真的是生產力的躍升嗎，還是某種「生產力表演」？

這觸及了Token經濟學最核心的結構性缺陷，行業還沒有建立起從Token消耗到任務完成的有效度量。Token衡量的是投入，不是產出。一個Agent花了100萬Token完成了任務，和另一個花了10萬Token完成了同樣的任務，在Tokenmaxxing排行榜上的表現恰好相反，前者排名更高。

Shopify CEO Lütke在備忘錄中有一句話值得注意：他聲稱一些同事正在貢獻「此前認為不可能的10倍產出」，但他沒有給出具體衡量標準。

一種新型的職業焦慮就誕生了：不通過高昂的Token消耗來展示AI生產力，就有可能被視為落伍。這種焦慮，和2000年代初每家企業爭相建網站、2010年代每個品牌必須做App的邏輯一模一樣：技術採納本身變成了信號，消耗量變成了代理指標，真實價值的衡量卻被推迟了。

但與之前不同的是，這一輪的成本代價是實打實的。15萬美元的月度AI賬單、一周2100億Token的消耗、持續漲價的底層算力和存儲，Tokenmaxxing不是免費的。當成本足夠高時，「燒Token」和「用Token創造價值」之間的區別，就會從哲學問題變成財務問題。

Token單價仍會繼續下降，這一點沒有懸念。

真正的焦慮在於，誰能最高效地把Token變成任務完成率。對每一個程序員、每一家企業、每一個普通用户來説，衡量AI的成本，不要看每百萬Token多少錢，要看完成一件事究竟值得花多少Token。

這兩個數字之間的差距，是以「Token為新度量衡的智能時代」下一階段最大的商業機會，也是最深的成本陷阱。

本文來自微信公眾號「騰訊科技」，作者：值得關注的，36氪經授權發佈。