微软内部叫停Tokenmaxxing：为各部门设AI Token预算，默认切换至更便宜GPT-5.6
微软内部叫停Tokenmaxxing：为各部门设AI Token预算，默认切换至更便宜GPT-5.6
微软执行副总裁Jay Parikh向全公司发送内部邮件，正式叫停Tokenmaxxing行为，从7月起为各业务部门设置AI Token预算目标，将内部默认模型切换为更便宜的GPT-5.6，要求员工像管理其他关键资源一样管理Token消耗。
2026年8月5日消息，据量子位报道，微软执行副总裁Jay Parikh近日向全公司发送内部邮件，正式叫停被称为"Tokenmaxxing"的AI使用刷量行为。从2026年7月起，微软各业务部门都有了"AI Token预算目标"，内部默认模型也从原选项切换为更便宜的GPT-5.6。
Tokenmaxxing的兴起与反思：
Tokenmaxxing一词源自互联网造词文化（类似gymmaxxing健身刷脂、looksmaxxing颜值改造），指将AI Token消耗量当作企业内部KPI来刷的扭曲激励行为。
今年早些时候，Tokenmaxxing在硅谷科技公司风靡一时：
- 3月起Meta、OpenAI员工开始在内部排行榜比拼Token消耗量
- 亚马逊推出KiroRank排行榜按AI使用量给员工打分，后因刷榜严重被关停
- OpenAI一名员工曾一周处理2100亿Token，足以填满维基百科33遍
- Meta内部出现Claudeonomics员工自建排行榜，颁发"Token Legend""Cache Wizard"等虚拟称号
- 黄仁勋在GTC 2026上公开表示"愿意为年薪50万美元的工程师提供25万美元Token预算"
但大厂很快发现"激励什么就得到什么"——激励Token用量，收获的是Token泡沫。
微软新政要点：
Parikh在内部邮件中明确表示"Tokenmaxxing不是我们优化的目标"，具体措施包括：
- 设置预算：各业务部门均有AI Token预算目标，具体数值未公开
- 透明花费：员工可查看个人AI Token支出，许多工程师每月花费在几百到几千美元
- 切换默认模型：内部默认模型切换为GPT-5.6，原因是"比其他模型更便宜"
- 后续限制：可能根据监控情况施加进一步限制
- 理念转变：纳德拉此前在播客中承认自己也是Tokenmaxxer，但强调"生产率提升的边际收益必须匹配Token的边际成本"
全行业收紧AI支出：
微软并非孤例，硅谷科技公司普遍开始收紧近乎无限的AI使用：
- Uber：到4月就烧光了2026全年AI编程预算，Cursor报价上涨至4-5倍，随后规定每名员工每种Agent工具每月不超过1500美元
- Atlassian：月度AI支出不到一年增长至3倍超1500万美元，随后设置支出限制
- Adobe：取消员工对Claude的无限使用
- Citi：要求按任务难度选模型，部分高成本模型一度被暂停访问
- Meta：从今年起将"AI驱动的影响"列为核心工作要求，不再看Token消耗量，而是看实际工作成果
更深远的影响在于，有开发者反映长期依赖AI后编程能力出现退化——越来越难判断代码是否正确，大量AI生成代码无人逐行检查安全和质量问题。
从"鼓励猛刷Token"到"预算卡死、超限自负"，企业级AI使用正在从狂热试水期进入理性成本管控阶段。正如微软邮件所言："不是每个问题都值得调用最强、最贵的前沿模型。"
值得一提的是，文章结尾也幽默地向硅谷程序员推荐了DeepSeek V4 Flash作为高性价比替代方案。