微软叫停Tokenmaxxing！预算卡死，超限自负

连微软都开始心疼token了？这个信号有点意思。

根据内部邮件，从今年7月开始，微软已经为各业务部门设定了所谓的「AI Token预算目标」。更关键的是，他们把GPT-5.6设置为内部默认模型——原因很简单：便宜。

微软执行副总裁Jay Parikh在内部邮件中直接挑明：Tokenmaxxing不是我们优化的目标。换句话说，在微软，用AI也得勒紧裤腰带。

具体来说，新政可以拆成几条：

第一，设预算。从2026年7月起，各业务部门都有了「AI token预算目标」，但具体支出数值尚未公布。

第二，看得见花费。员工可以查看自己的个人AI token支出。内部数据显示，许多工程师每月token花费在几百到几千美元之间。

第三，换默认模型。内部默认模型切换为GPT-5.6，原因是更便宜。这还没完，微软表示后续可能会根据监控情况施加进一步限制。

Parikh要求员工在用GitHub Copilot加速业务的同时，每个人都应该意识到自己是如何消耗token的。就像管理其他所有关键资源一样管理token花费。

其实这事儿也不是空xue来风。纳德拉6月份在一期播客上就说过，微软内部存在很多Tokenmaxxing。他甚至承认自己也是个Tokenmaxxer——疯狂刷token，看着用量上高昂的数字，确实很上瘾。

但作为老板还是得算账。他随后人间清醒：生产率提升的边际收益，必须匹配token的边际成本。不是每个问题都值得调用最强、最贵的前沿模型。模型跑得更久、上下文塞得更满、Agent开得更多，也不等于最终成果更好。

两个月后，这个判断就从CEO的播客发言，变成了微软的内部政策。

不过，微软员工倒是非常不满。一位员工质疑：一家在AI上重金投入、补贴了海量推理的公司，现在居然引导自家员工省钱？

这个质疑相当尖锐：如果连托管AI基础设施的公司，都需要担心自己能否负担内部AI产品，那么购买这些服务的普通企业，又该怎么办？

Tokenmaxxing，大家都卷不动了

Tokenmaxxing真正火起来，也就是最近几个月的事。token+maxxing（刷到极致），跟gymmaxxing（猛练健身）、looksmaxxing（极致改造外貌）是同一套互联网造词逻辑。不过，它并不形容某种自我提升，而是一种扭曲的激励——把AI用量当成了企业内部的KPI。

今年3月，Meta、OpenAI等公司的员工已经开始在内部排行榜上比拼token消耗量。一些公司还将更高的token预算视为工程师福利，希望员工同时启动多个Agent，把更多工作交给AI。

到了5月，这股风吹到了亚马逊。亚马逊内部搞了一个叫KiroRank的排行榜，按员工在自家AI开发平台Kiro上的AI使用量打分。公司的初衷大概是想鼓励工程师多用AI工具，用得越多，排名越高。结果一些员工开始「刷榜」：让AI Agent执行没有必要或者价值很低的任务，只为提高使用量。token烧了不少，实际代码产出却没有同步增长。

当月，排行榜被关停。高级副总裁Da ve Treadwell专门发了一封内部信提醒员工：请不要为了使用AI而使用AI。

但类似的token刷量大赛，已经在几个月内风靡硅谷：OpenAI一名员工曾一周处理2100亿tokens，足够把整个维基百科填满33遍。Shopify和Meta也把AI使用纳入了绩效考核，奖励重度使用的员工，批评不用的。

Meta内部还曾出现名为Claudeonomics的员工自建排行榜，统计公司8.5万多名员工的AI使用情况。里面不仅列出Token消耗最高的250人，还颁发「Token Legend」「Cache Wizard」等虚拟称号。好家伙，这token版「英雄联盟」都出现了。

老黄也没少火上浇油。今年3月，黄仁勋在公开场合表示：如果一个年薪50万美元的工程师每年消耗的token不到25万美元，我会深感担忧。之后，在GTC 2026上，他又表示：自己愿意在工程师几十万美元年薪之外，再提供相当于一半年薪的token预算，因为这些token有机会将工程师的能力放大10倍。

当然了，作为一个卖铲子的，工程师多烧一个token，AI基础设施就多一分需求。老黄为Tokenmaxxing公开站台，多少带着一点朴素的商业立场。

但现在大厂们回过头来发现，事情有点不对劲了。这不行啊，激励什么就得到什么。激励token用量，收获的是token泡沫。

404 Media发布的调查显示，Atlassian的月度AI支出在不到一年内增长至原来的三倍，超过1500万美元。公司随后开始设置支出限制，要求员工控制模型使用成本。Uber的情况更夸张：整个公司到4月就烧光了2026全年的AI编程预算，Cursor给Uber提供的新一轮报价上涨至此前的4到5倍。

Uber随后规定，每名员工使用每一种Agent编程工具，每月不得超过1500美元。

从Amazon、Adobe、Atlassian到Citi，各家公司都开始收紧员工近乎无限的AI使用。共同解法就一个：简单任务别再默认调用最强模型，能降级就降级。据相关消息，Citi曾要求员工按照任务难度选择模型，不要所有任务都使用最昂贵的版本；部分高成本模型一度被暂停访问。Adobe也在取消员工对Claude的无限使用。

然而，钱还不是Tokenmaxxing留下的唯一问题。有多名开发者表示，长期依赖AI之后，他们感觉自己的编程能力正在退化。有人发现，自己越来越难判断一段代码究竟写得对不对；还有人担心，当成百上千名工程师同时提交大量AI生成代码时，根本没人有能力逐行检查其中的安全和质量问题。

那么，老板不看token消耗量了，以后看什么？答案是：看工作成果。比如Meta，从今年开始将「AI驱动的影响」列为员工的核心工作要求。它不再强调消耗了多少token，而是看员工能否利用AI产生实际影响。当然，这套指标同样可能被形式化甚至被滥用。但与token排行榜相比，它至少试图回答一个更接近工作的基本问题：你到底做成了什么？

在这波行业转向中，微软甚至算得上最后一批跟进者。

话说回来，硅谷想搞Tokenmaxxing，直接用DeepSeek就好了。用什么GPT-5.6、Fable 5，贵得离谱，也难怪Uber 4个月就能烧完全年所有预算。诚挚安利老美程序员：直接上DeepSeek V4 Flash，你蹬，你就只管蹬，公司破不了产。