ai-costs

OmniRoute 是 GitHub 上一个热门的工具，它通过压缩 AI 提示词，将代币使用量减少高达 95%，并通过无缝路由请求到多个提供商（如 Claude Code、Codex、Cursor、Cline 和 Copilot），每月提供 16 亿免费代币。

Gary Marcus指出，由于成本高昂，公司们正在转向更便宜的开源AI模型，这威胁到了Anthropic和OpenAI的市场地位。

此前鼓励大量使用AI的企业现在正实施削减措施，以防止员工将预算浪费在琐碎任务上，因为AI代币的高昂成本引发了对投资回报的质疑。

分析在不同AI和加密平台上10万美元能购买多少tokens，并探讨其真实价值和定价模型。

公司正在削减AI使用，因为高昂的成本给预算带来压力，一些人称这种情况是他们制造的“怪物”。

一篇探讨AI开发与部署成本日益增长的文章，并提出了应对这些成本的潜在策略。

美国一项出口管制指令迫使Anthropic切断其Fable 5和Mythos 5模型的外国访问权限，引发了对主权AI以及训练前沿模型高昂成本的讨论。本文认为，真正的教训是多个供应商的弹性，而非建立国家级的ChatGPT。

NEA合伙人Tiffany Luck在TechCrunch的Equity播客中谈到，企业仍在应对AI投资回报率问题，并提到了tokenmaxxing以及Uber和Meta等公司成本超支的趋势。

一份Citadel Securities的报告指出，前沿人工智能因算力和推理成本正面临真正的经济限制，导致向成本纪律和模型替代的转变。该报告验证了近期高额令牌费用体验，并预测了AI使用将出现分化。

TechCrunch 探讨了微软基于代币的计费变更对 GitHub Copilot 的影响，并提出了“代币末日”（Tokenpocalypse）这一术语，分析了 AI 公司在临近 IPO 时如何应对成本压力。

一位用户报告称，使用GPT模型（可能是GPT-5.5）完成一项电子表格任务花费了10美元的严重补贴代币成本，实际计算成本估计为100美元，认为当前AI定价不可持续。

本文探讨了企业因代币消耗增加而面临AI成本飙升的困境，导致预算超支，并成立新的标准机构Tokenomics Foundation，以对AI代币进行成本管控。

一位开发者认为，语音通话日志必须包含成本和Token数据，而不仅仅是时长和状态，才能正确评估语音代理的经济性。他分享了压力测试中的一个教训：成本字段最初为空。

文章认为，AI智能体目前比人类劳动力更昂贵，导致了AI驱动的岗位替代存在经济上限，因为无论是AI公司还是客户都没有从当前的部署中获利。

Sam Altman 承认，AI成本已成为客户的“一个巨大的问题”，并指出自2026年初以来，情况迅速转变——当时客户几乎没有支出方面的担忧。他强调，OpenAI的用户突然开始关注成本问题。

本文分析了 Bai 等人 2026 年的论文，该论文表明，子代理和上下文膨胀导致长代理运行中的Token成本比普通聊天高出约1000倍，并提出了三种实用的修复方法（PLAN.md、读取预算、带外备注），可将Token使用量减少70-90%。

GitHub Copilot的新按用量定价模式让用户感到震惊，有些人在一天之内就用完了一个月的额度。这一变化结束了此前对重度用户的补贴模式，该模式曾让成本保持较低水平。

本文重点介绍了AI团队浪费推理预算的五种常见方式，并提供了提高效率的工程杠杆，针对的是正在扩展AI模型的初创公司。

成本上升导致美国公司限制AI使用，标志着企业AI采用策略的转变。

Scott Galloway与Ed Nelson探讨了AI采用成本不断上升的问题，Uber、Microsoft和Salesforce等公司报告称AI支出超出预算且尚未带来明确的ROI，暗示可能出现市场修正。