五月，亚马逊关掉了一个内部排行榜。榜上比的是员工消耗了多少 Token。有人为了名次，让 AI Agent 去跑没有实际意义的任务——跑得越多，排名越高。36氪
十月，亚马逊工程管理层修订了软件工程师的岗位指导准则。副总裁、杰出工程师 Terk Terkowitz 在文件里写道：
我们最高产的工程师已经证明，无论是开发者的角色定位，还是他们创造的成果，都不应该由 AI 的使用情况来定义。36氪亚马逊
这不是一家公司的转向。八月，微软执行副总裁 Jay Parikh 给内部开发团队发邮件，“Tokenmaxxing 不是我们追求的目标”。
六月，AWS CEO Matt Garman 也建议按任务挑模型，日常任务不必都上旗舰。
大厂集体踩刹车，先是因为账单。
Gartner 分析师 Nitish Tyagi 提过一个案例。一家印度 IT 公司的开发者，一个月用掉折合两万美元的 AI 额度，惊动了管理层。知乎
他在做遗留系统改造，这笔钱被认定花得值。
同期，亚洲一家大银行给几千名开发者开了编码助手，三个月后账单远超预期。
原因很朴素：不管任务难易，所有人默认选了最贵的旗舰模型。埃森哲在报告里写，没人做错什么，只是预算流程根本看不到这件事。知乎
钱到底花在哪一步？康考迪亚大学的一项实验把多 Agent 开发系统的消耗拆开了。
按 Token 类型分，输入占 53.9%，模型输出占 24.4%，内部推理占 21.6%。
按研发阶段分更反直觉：写代码只占 8.6%，架构设计 2.4%，代码审查占 59.4%。知乎
审查加代码补全，吃掉超过 86% 的算力；后续验证、测试与修复，消耗可以是初次生成代码的 4 到 20 倍。
写代码便宜，改代码贵。贵在一个隐蔽的环节：每改一轮，系统都要把整个文件、接口定义、历史对话重新打包送进模型，再付一次钱。知乎
研究者管这叫"通信税"。斯坦福、密歇根等机构今年四月的实证研究指向同一处：
真实软件工程任务里，编码 Agent 的 Token 消耗约是普通代码问答的 1000 倍，大头是读进去的上下文，不是写出来的代码。
那多花钱，能不能换来更好的结果？
在 SWE-bench Verified 上，同一任务多次运行，Token 消耗最多相差 30 倍。
消耗量和准确率没有线性关系，很多任务在中等花费时解决率就到顶。再加思考轮数和重试，准确率反而趋平甚至回落。
研究者翻了花费最高的几次运行，发现 Agent 反复查看、反复修改同一个文件的次数明显更多。多烧的那部分，多半在原地打转。
模型自己也预判不了。最顶尖的模型事前预测 Token 消耗，相关系数最高只有 0.39，还普遍低估。
所以该盯的不是消耗量，是"单次成功结果成本"。
跑十次代码修复，每次十美元，账面一百；只有五次能合进主干，那每次成功的真实成本是二十美元，不是十。失败的尝试和重试，都要算进成功交付里。知乎
反过来，旗舰模型一次三美元解决，单位成本就是三美元；便宜模型单次五毛，却因理解不足反复报错重试八次，最后花掉四美元，还搭上等待时间。
按这个口径，OpenAI 的变化更能说明问题。Epoch AI 依据其九月公布的内部数据测算：
中位数研究员每天的编码 Agent 用量，从一月的不到一美元涨到八月中旬的 601 美元；前 10% 每天超过 7000 美元。
Gartner 的调研里，23% 的技术管理者每月为每位开发者花 200 到 500 美元。到 2028 年，AI 编码成本可能超过开发者平均薪资。而合理使用 AI 的效率提升，评估上限约 20%。
成本和收益这样错位，治理就不能靠喊口号。
收益最高的一步是管上下文，少交通信税。传代码差异和接口签名，别把几十个关联文件全塞进去。
固定的系统提示、长指令和代码库骨架开提示词缓存，命中时输入单价通常能到一折。
再往下是把选模收归网关，按任务分流。埃森哲调研里，65% 的企业给员工做过 AI 使用与成本培训，选错模型的问题依然存在。
靠个人自觉不可靠。
更细的一层，是改一处、验一处。知乎上有个叫 token-tab 的开源 skill，读编码 Agent 自己写下的会话日志，整理成逐项账单。
它指出反复出现的浪费，附上精确到日志行的证据。规矩很克制：一次只挑一处改动，前后各收集至少五个同类会话，看任务过没过。
文档里写着：REVERT 优先于任何节省，更便宜但失败更多的智能体，并不真的便宜。
它给的示例也标了「不是真实数据」：关掉两个从没用过的 MCP 服务器，开场 Token 从约 26000 降到 15000，成本中位数降 31%，通过率从 9/10 变成 10/10。知乎
架构层面还有更彻底的做法。Arize AI 的 Mikyo King 在 AI Engineer 大会上讲，他们把 Agent 从「工具调用」迁到「代码模式」。
不再塞现成工具，而是给一个可编程沙箱，让模型自己搜索、组合工具。结果 token 用量减少 43%，成本下降 31%，延迟稳定。哔哩哔哩
代价是沙箱的资源、网络出口、密钥和权限都要重新设计。
亚马逊那份文件里还有一句容易被忽略的话：如果你当前的工作无法从现有 AI 工具中获益，这是一项发现，而不是一次失败。36氪
账单涨了不可怕，怕的是把数字当成了成绩。
排行榜关掉了。账单还在。
