标签
文章认为，许多AI智能体工作流将每个任务都路由到前沿模型，浪费了资金，并建议对简单、结构化的任务使用更便宜的模型层级，同时将更困难的任务升级。文章提供了一个成本比较，显示分层方法可节省高达75%的费用。
由于提供AI功能的成本意外高昂，Canva将其预期营收增长率削减了三分之一，降至20%，凸显了AI推理成本如何削弱传统SaaS经济模式。Figma也出现了利润率压缩，标志着整个行业面临的更广泛挑战。
ARK Invest分享了关于特斯拉可能减少对中国依赖的要点，涵盖合并时机、AI成本、市场赢家以及AI硬件等视频分解内容。
文章讨论了 2026-07-28 更新日志中 MCP 规范对 Sampling 的弃用，将模型调用成本从客户端转移到服务器，并建议如何通过代码或日志检查服务器是否依赖 Sampling。
Atlassian CEO Mike Cannon-Brookes表示，随着Rovo使用量的增长，公司已成功控制AI成本，不过由于AI托管费用，利润率将略有下降。文章将Atlassian的做法与Canva和Uber面临的困境进行了对比。
一位开发者抱怨 OpenAI Codex CLI 在一个游戏项目上几分钟内消耗了 150 万 token，质疑如何负担得起地使用 AI 编码工具，并寻求建议。
随着成本不断上升，企业纷纷设法削减 AI 令牌支出。埃森哲（Accenture）透露，非工程师和 PDF 转 Markdown 是主要的令牌消耗来源。
微软正在限制工程师的AI令牌使用量，告诉员工“tokenmaxxing”并非目标，并将更便宜的GPT-5.6设为内部默认模型，这反映出整个行业遏制昂贵AI使用的趋势。
作者反思了 AI 模型每 token 的价格大幅下降，但实际成本保持平稳，因为更便宜的模型会被更频繁地重新运行。他们认为，重要的是每完成步骤的成本，而不是每百万 token 的成本。
亚马逊在一个Claude AI项目上花费了180万美元，该项目超预算860%，凸显了部署AI代理进行编码任务的成本风险。
Token价格大幅下降，但企业AI账单却在上升，原因是代理和后台推理消耗的Token数量增加，这体现了杰文斯悖论。
一位开发者分享了多智能体AI系统意外高昂成本的个人经历，引发了关于智能体框架中成本追踪和可观测性的讨论。
Meta的Adam Mosseri预测，由于成本飙升，工程师的AI代币预算可能很快会设上限，并将其比作管理薪资或运营支出。Uber和微软等其他公司也在重新思考AI支出。
微软正在减少对OpenAI和Anthropic的依赖，在Word和Excel中部署自己的MAI模型以降低成本，这是更广泛的行业趋势的一部分，各公司都试图控制AI支出。
一位评论员指出，AI正处于一个混乱的中间阶段，使用起来看似富有成效，但成本高昂。他引用《福布斯》的一篇文章称，AI的成本超过了它所取代的工人，并以优步和微软为例。
本文探讨了平台工程团队如何通过管理成本和风险来适应AI工作负载，而无需彻底改造现有基础设施，强调了从传统DevOps向新范式的转变。
Chamath 认为，人工智能正经历与智能手机类似的成本暴跌和普及路径，打破了历史上稀缺专业知识的瓶颈。
在2026年员工使用成本接近数十亿后，Meta正在限制内部AI代币支出，实施集中监控和正式代币预算以遏制“tokenmaxxing”行为。
公司正在采用一款名为“Caveman”的插件，强制Claude和Codex等AI模型使用简短的穴居人式语言，以减少令牌消耗并遏制不断飙升的AI成本。该工具可将输出令牌削减高达75%，目前已被OpenAI、Nvidia、GitHub和Legrand的员工使用。
Matt Pocock 评论了'代币焦虑'现象：开发者过度担心AI代币的成本，而不关注每个代币所交付的价值，并将当前定价比作低于最低工资的开发费率。