微软叫停Tokenmaxxing 为AI用量设预算上限
微软内部叫停无节制的AI Token消耗，为各业务设预算上限——AI成本压力下，企业开始从鼓励‘多用’转向‘够用’。
微软宣布从7月起为各业务部门设定AI Token（AI调用的计费单位）预算，并将内部默认模型切换为更便宜的GPT-5.6，要求员工控制Token消耗。CEO纳德拉承认“Tokenmaxxing”成瘾，但强调生产率提升的边际收益必须匹配Token边际成本。
正文摘录
- title: 微软叫停 Tokenmaxxing！预算卡死，超限自负 - sourcecompany: 量子位 - bodymarkdown: 根据内部邮件，自今年 7 月起，微软已为各业务部门设定了「AI Token 预算目标」。 根据 Parikh 的内部邮件和更新后的 Copilot 使用指南，微软的新政可以拆分成几条： 第一，设定预算。从 2026 年 7 月起，微软各业务部门均有「AI token 预算目标」。 第三，更换默认模型。内部默认模型从原有选项切换为 GPT-5.6，原因是其成本更低。 他要求员工在借助 GitHub Copilot 加速业务的同时，「每个人都应该意识到自己是如何消耗 token 的」。 其实这件事并非空穴来风。纳德拉在 6 月份的一期播客中曾表示，微软内部存在大量 Tokenmaxxing 现象。 他甚至坦言，自己也是个 Tokenmaxxer，疯狂刷 token，看着用量不断攀升的数字，确实很容易上瘾。 但身为管理者，终究还是要算账。于是他又清醒过来：生产率提升的边际收益，必须匹配 token 的边际成本。 并非每个问题都值得调用最强、最贵的前沿模型。模型运行时间更长、上下文塞得更满、Agent 开得更多，这些也并不等同于最终成果更好。 这位员工的质疑相当尖锐：如果连托管 AI 基础设施的公司，都需要担心自己能否负担得起内部 AI 产品，那么购买这些服务的普通企业，又该何去何从？ tokenmaxxing（把 token 刷到极致），和 gymmaxxing（猛练健身）、looksmaxxing（极致改造外貌）属于同一套互联网造词逻辑。 不过，它并不形容某种自我提升，而是一种扭曲的激励——把 AI 用量当成了企业内部的 KPI。 今年 3 月，Meta、OpenAI 等公司的员工已经开始在内部排行榜上比拼 token 消耗量。