新闻详情

新闻详情

首页 / 资讯中心 / 详情

“连卖AI的微软也扛不住了”……一人每月烧掉数千美元Token,工程师被提醒别「狂刷Token」,并开始对AI消耗“限额”

发布时间:2026/11/10 8:47:22来源:尧图网络
“连卖AI的微软也扛不住了”……一人每月烧掉数千美元Token,工程师被提醒别「狂刷Token」,并开始对AI消耗“限额”
整理 | 郑丽媛出品 | CSDNIDCSDNnews过去几年科技公司一直在鼓励员工“多用 AI”● 写代码交给 Copilot。● 整理文档让大模型处理。● 分析数据先丢给 AI 试试。但如今一些公司开始悄悄改变方向AI 不是用得越多越好尤其当每一次调用都意味着真金白银的计算成本——而最新加入这一行列的是微软。近日微软开始调整内部 AI 使用政策要求工程师关注 AI 工具的使用成本并为内部 AI 调用设置预算限制。为此一位微软高管在邮件中直接提醒员工“Tokenmaxxing 不是我们追求的目标。”不过微软强调也这并不表示公司要放慢 AI 转型步伐而是希望员工能从“疯狂使用 AI”转向“更高效地使用 AI”。开始限制 AI 消耗GPT-5.6 成内部默认模型据外媒 404 Media 获得的一封微软内部邮件显示微软正在重新管理员工使用 AI 工具产生的 Token 成本。邮件由微软执行副总裁 Jay Parikh 发出他表示随着公司进一步扩大 GitHub Copilot 的使用规模所有员工都需要更加关注自己的 Token 消耗方式。“随着我们加速使用 GitHub Copilot 来实现目标我们都需要意识到自己消耗 Token 的方式。Tokenmaxxing 不是我们追求的目标我希望大家关注的是如何最大化那些真正推动客户和业务发展的成果。”所谓“Tokenmaxxing”简单理解就是为了让 AI 发挥最大能力不断增加模型调用次数、输入更长上下文、要求模型生成更多内容。这种做法在 AI 早期推广阶段非常常见不少公司都曾鼓励员工“尽可能使用 AI”甚至认为 AI 使用频率越高代表其数字化转型越深入。但与此同时一个现实问题逐渐暴露大量调用 AI并不一定等于生产力的大幅提升。如果员工频繁调用昂贵模型处理低价值任务公司最终面对的可能不是效率提升而是一张越来越高的 AI 账单。所以为了降低成本微软正在采取更精细化的管理方式。Jay Parikh 透露为了“从Token 投资中获得更大价值”微软把成本更低的 OpenAI GPT-5.6 设为内部默认模型。此外更新后的内部 Copilot 使用指南也显示从 2026 年 7 月开始公司各业务部门将拥有自己的“AI Token 预算目标AI token budget target”。员工也可以查看自己的 AI 使用情况并追踪个人 Token 消耗。不过微软并没有公布具体预算额度“目前不会公布目标支出数值。但数据显示许多工程师每月 Token 消耗成本在数百美元到数千美元之间。”微软表示未来可能会根据实际使用情况进一步增加限制措施。“连卖 AI 的公司都开始控制成本了”值得注意的是微软此次控制 AI 开销其实并不是因为公司缺钱。根据其最新财报微软全年营收、运营利润以及净利润均实现增长。所以说这并不是一次“削减预算求生”只是微软在重新评估投入大量资金使用 AI到底换来了多少实际价值不止微软此前包括亚马逊、Adobe、Atlassian 以及花旗集团等公司都已经开始限制员工过度消耗 Token。他们面临的问题非常类似员工确实因为 AI 获得了效率提升但模型的调用成本也在快速增长。尤其是在代码开发场景中很多 AI Agent 会自动读取大量项目文件、生成多轮代码、反复修改调试这些操作都会消耗大量 Token。当这种行为从几十名员工扩大到数万名员工时成本很可能会迅速失控。一名微软内部员工在匿名接受 404 Media 采访时表示一家投入如此巨大、同时又大量补贴 AI 推理成本的公司现在正让自己的员工减少 AI 支出这一点“非常值得关注”。在他看来这暴露了一个严重的行业问题“如果作为 AI 基础设施提供方的公司都无法承担自己 的AI 产品成本那么其他购买你家 AI 服务的公司又该怎么办呢”而这也是当前整个 AI 行业正在面对的现实大模型公司不断追求更强能力、更长上下文、更复杂 Agent但这些能力背后都意味着更高的计算成本。AI 能力越强运行成本可能就越高如何找到能力、成本和收益之间的平衡成为关键。基于此两个月前微软宣布 GitHub Copilot 开始转向基于使用量的计费模式为此不少用户都抱怨自己的 Token 限额根本不够用。与此同时微软还在探索让 Microsoft 365 中的部分 AI 请求优先调用自家的 MAI 模型而不是依赖成本更高的 Anthropic 和 OpenAI 模型。可见即使是微软这样的 AI 巨头也正在寻找减少外部模型调用、降低推理成本的方法。没有放弃 AI而是寻找“每个 Token 的最大价值”不过尽管开始限制 AI 预算微软并没有改变自己的AI战略。Jay Parikh 在邮件中强调公司仍会持续推进“AI-first”AI 优先方向并会随着模型和产品的发展不断调整内部政策。“我们的目标不是减少 Token而是提高每个 Token 带来的影响力。”这句话或许代表了 AI 行业正在进入的新阶段。在 AI 发展的早期阶段公司关注的是谁拥有更多模型谁部署更多 AI 工具而现在企业开始追问“这些 AI 调用到底创造了多少价值”毕竟AI 时代拼的不只是模型能力也包括如何把每一个 Token 花在“刀刃”上。参考链接https://www.404media.co/microsoft-tells-engineers-tokenmaxxing-is-not-what-we-are-optimizing-for/FFmpeg 9.0 发布代号“Lei”纪念中国开发者雷霄骅产品经理的旧能力正在消亡张帆直指 AI 产品第一性要建棋盘、定方向、设围栏年薪340万也招不到人前OpenAI大牛成立35人“AI防火墙”最大问题是“缺人” GOSIM SHENZHEN 2026 全球开源 AI 大会10 月 16—17 日 · 深圳150 国内外讲师 · 2000 全球开发者 · Agentic AI开源大模型 / 开源机器人 / 边缘智能体 / 智能体操作系统Keynote Workshop Hackathon AI Vision Forum 早鸟限时抢购中 扫码购票锁定你的 AI 盛会席位
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉