ai-tokens

来自@rauchg的一条推文，强调科技或AI开发中涉及的努力和代币，使用了隐喻性陈述。

一位用户分享了使用 Fable tokens 的早期结果，指出由于 token 限制，改进速度比 Opus 慢，并发布了初步的静态图。

Matt Shumer预览了一款早期阶段的GTA风格开放世界多人游戏，设定在NYC，使用Fable 5.1 AI代币构建，并计划持续改进。

作者探讨了AI代币被锁定在单个应用中的问题，这使得用户无法在不同服务间共享代币，并可能导致重复购买。

作者批评了在AI模型讨论中将缓存输入tokens计入总使用量的常见做法。

用户向AI专业人士咨询，如何在日常工作中高效管理提示词，以减少token消耗和订阅成本。

Rippling推出AI Spend Console，这是一款企业级工具，用于跟踪和控制每位员工及团队的AI支出。该工具是在公司发现失控的AI令牌成本消耗了其研发人员预算的40%之后开发的。

Aaron Levie 认为，99% 的 AI token 将在具有高经济价值的企业场景中被消耗，而面向消费者的 AI 将被嵌入到服务中；他预计，由于工作流程需要重新设计，AI 的普及将需要数年时间。

美国陆军在一个月内消耗了全年的AI令牌预算，迫使重新实施使用上限，并凸显出令牌经济学——而不仅仅是GPU可用性——正成为大规模企业AI部署的关键瓶颈。

美国陆军在鼓励广泛使用后，一个月内用完了Ask Sage分配的年度AI令牌配额，被迫重新实施限制，这引发了关于国防部采用生成式AI可持续性的质疑。

高通CEO克里斯蒂亚诺·安蒙预计，到2030年全球代币需求将增长40倍，这由AI智能体从人类节奏转向持续后台操作驱动，需要大量基础设施来支持上下文、记忆和错误处理。

文章分析了向基于代币的AI定价模式的转变，这种模式比固定费用模式昂贵得多，并且给企业带来了成本不可预测性，与早期云定价的挑战相类似。

Tokenmaxing（无限AI令牌使用）的时代正在结束，因为企业面临高昂成本和生态破坏，取而代之的是tokenminimizing——注重效率并为任务选择合适的AI模型。

一位开发者制作了Token Badge，这是一款轻量级工具，可读取Codex或Claude Code的本地token使用量，并将其映射为足球风格的分级徽章，将AI使用数据转化为有趣的游戏化体验。

微软将于6月30日前取消其体验与设备部门（Windows、M365、Teams、Surface工程师）中的大部分Claude Code许可证，转而使用GitHub Copilot CLI，以实现财年成本管控和工具统一。