别再数 token 了，该数的是交付了多少软件
按 token 计费衡量的是消耗而非产出；文章主张改用“每个已合并 PR 的成本”来衡量 AI 编码，并用模型分流与自建算力降本。
AI 编码 agent（能自主规划、写码、跑测试并反复纠错的智能体）完成一个任务消耗的 token 是普通对话的 10 到 50 倍，按 token 计费意味着最有价值的工作流也最贵。Uber 据称到 4 月就花完了 2026 年全年 AI 预算，Gartner 预测到 2028 年 AI 编码的 token 成本将超过开发者平均薪资。
正文摘录
别再数 token 了，开始数交付了什么 当一个开发者把编码任务交给 AI agent 时，agent 不只是回答一次。它会规划、生成代码、运行测试，并反复迭代来修正错误。单个任务消耗的 token 可能是一句普通聊天提示的 10 到 50 倍。agent 越好用，它发起的调用就越多。在按 token 计价的模式下，创造价值最多的工作流，也可能变成最贵的那一个。 财务压力已经显现。据报道，Uber 在扩大 Claude Code 的使用范围后，到 4 月就花光了整个 2026 年的 AI 预算。GitHub Copilot 从固定订阅价转向按量计费的 credits。[Gartner 预测](https://www.gartner.com/en/newsroom/press-releases/2026-06-24-gartner-predicts-ai-coding-costs-will-surpass-average-developer-salary-by-2028-as-token-consumption-surges)，随着 token 消耗激增，到 2028 年 AI 编码的 token 成本将超过开发者的平均薪资。  最自然的反应是限量：用量上限、席位限制、开发者启动 agent 前先审批。但一刀切的上限会限制真正在创造价值的工作流，而且它们优化的是错误的指标。每 token 成本衡量的是消耗，不是成果。有些支出确实是浪费，比如重试和失控的循环；有些支出则是交付软件所必需的工作。计量表分辨不出这两者，支出上限同样分辨不出。