ARTICLE · 商业科技
微软叫停 Tokenmaxxing！预算卡死，超限自负
一语总结微软内部叫停 Tokenmaxxing 文化，为各业务部门设置 AI Token 预算并切换至更便宜的 GPT-5.6 模型，标志着硅谷大厂从激励 AI 用量转向关注实际工作成果。
文章报道了微软从 2026 年 7 月起实施的新 AI 使用政策：为各业务部门设置 AI Token 预算目标，将内部默认模型切换为更便宜的 GPT-5.6，并要求员工关注 token 消耗。执行副总裁 Jay Parikh 明确表示「Tokenmaxxing 不是我们优化的目标」。文章追溯了 Tokenmaxxing 文化在硅谷的兴起——从 Meta、OpenAI 的内部排行榜到亚马逊的 KiroRank 关停，再到 Uber 四个月烧光全年 AI 预算的极端案例。随着成本失控，Atlassian、Adobe、Citi 等公司纷纷收紧 AI 使用，要求按任务难度选择模型。文章还提及长期依赖 AI 可能导致编程能力退化的隐忧，并指出行业正从「看 token 消耗量」转向「看 AI 驱动的实际影响」。
- 微软为各业务部门设置 AI Token 预算，并切换默认模型为更便宜的 GPT-5.6。
从 2026 年 7 月起，微软内部开始像管理其他关键资源一样管理 token 花费，员工可查看个人 AI 支出，后续可能施加进一步限制。
- Tokenmaxxing 文化在硅谷兴起后导致成本失控。
从 Meta、OpenAI 的内部排行榜到亚马逊的 KiroRank，激励 token 用量催生了「刷榜」行为，Uber 四个月烧光全年 AI 预算，Atlassian 月度 AI 支出增长三倍。
- 行业正从激励用量转向关注实际工作成果。
Meta 将「AI 驱动的影响」列为员工核心要求，不再强调 token 消耗量；多家公司要求按任务难度选择模型，简单任务不再默认调用最强模型。
- 长期依赖 AI 可能导致编程能力退化。
多名开发者反映，依赖 AI 后越来越难判断代码质量，大量 AI 生成代码的安全与质量审查也面临挑战。
微软叫停 Tokenmaxxing！预算卡死，超限自负
文章报道了微软从 2026 年 7 月起实施的新 AI 使用政策：为各业务部门设置 AI Token 预算目标，将内部默认模型切换为更便宜的 GPT-5.6，并要求员工关注 token 消耗。执行副总裁 Jay Parikh 明确表示「Tokenmaxxing 不是我们优化的目标」。文章追溯了 Tokenmaxxing 文化在硅谷的兴起——从 Meta、OpenAI 的内部排行榜到亚马逊的 KiroRank 关停，再到 Uber 四个月烧光全年 AI 预算的极端案例。随着成本失控，Atlassian、Adobe、Citi 等公司纷纷收紧 AI 使用，要求按任务难度选择模型。文章还提及长期依赖 AI 可能导致编程能力退化的隐忧，并指出行业正从「看 token 消耗量」转向「看 AI 驱动的实际影响」。
文章金句
"Tokenmaxxing 不是我们优化的目标。
"生产率提升的边际收益，必须匹配 token 的边际成本。
"激励什么就得到什么。激励 token 用量，收获的是 token 泡沫。
"你到底做成了什么？