Tokenmaxxing 終結：企業 AI 燒錢潮如何釀出 861% 程式碼翻修率

對於這波企業 AI 預算收縮，我有一個具體預測：OpenAI 和 Anthropic 的 IPO 定價，會在 Q3 2026 財報顯示 token 消費成長低於 15% 之後承壓，幅度不會小。如果你在企業 IT 採購或工程管理端，你公司今年的 AI 工具預算有沒有出現類似的壓縮訊號？把你手上的量級數字帶過來，比文章裡的估算更有說服力。

---

數字先說

過去九個月，每位開發者消耗的 AI token 數量漲了 18.6 倍。Meta 在今年四月關閉「Claudeonomics」消費排行榜前，單一用戶的月度 token 消耗量達到 2810 億個，折算 Anthropic Opus 4.8 的定價，一個人的月費逼近 140 萬美元。Salesforce 全公司每年付給 Anthropic 的帳單約 3 億美元。

結果呢？高度採用 AI 的開發環境裡，bug 數量上升了 54%，程式碼翻修率暴衝 861%。多燒 token，換來更多修改工作。

這個現象有個名字：tokenmaxxing，把 token 消費量當成生產力指標。

為什麼會走到這一步

Goodhart’s Law 的教科書案例。當「用了多少 AI」成為績效指標，員工就開始最大化 AI 使用量，管它產出什麼。亞馬遜的 AI 領導委員會今年五月解散，起因是成員為了美化消費數字，在生成對業務毫無意義的工作負載。Meta 的排行榜同樣如此：拿下消費冠軍的工程師，並沒有因此產出最多業務價值。

這波修正來得很快，幾個月內幾乎同時發生：

• Uber 四月就把 2026 年全年 AI 預算燒完，隨後把每位員工每月的 AI 工具支出上限壓在 1,500 美元
• 微軟 6 月 1 日取消跨部門 Claude Code 授權，切回 GitHub Copilot 的用量計費模式
• Meta 四月關閉 token 消費排行榜
• 亞馬遜五月解散 AI 領導委員會

AI 初創公司 Lindy 的 CEO 更直接：把 100% 流量從 Claude 切到 DeepSeek，理由只有成本。

數字背後的真相

微軟的決定裡藏著最重要的訊號。Claude Code Enterprise 的定價約每用戶每月 75 到 100 美元，如果微軟有 10 萬名工程師，這一項年費就在 7.5 到 10 億美元之間。改回 Copilot 用量計費，省下的是真實且立即的支出。

更關鍵的是，微軟本身就是 GitHub Copilot 的開發商。選擇換回自家產品，等於在企業採購決策裡留下了一份產品力評估記錄。這個決定的信號強度，遠超過任何分析師報告。

再看 Lindy 切去 DeepSeek 的邏輯。市場上頂尖模型之間存在 25 倍的定價差距，Anthropic Opus 4.8 約每百萬 token 5 美元，GPT-5.4-nano 則在 0.20 美元左右。在大量工作流中，DeepSeek 等低成本替代方案的品質差距遠小於這個定價差距。

技術上的解法早就存在：context engineering，把塞進 prompt 的資訊量最佳化。Anthropic 自己的測試結果顯示，這樣做能把 token 消費量壓低 84%，品質不變。路由工具 RouteLLM 則能在保留 95% 品質的前提下，把成本砍掉 85% 以上。大多數公司根本沒有動機去最佳化，因為成本一直被視為必要支出，沒有人被要求把它當管理變數看待。

接下來值得觀察的指標

OpenAI 和 Anthropic 都在 6 月初提交 IPO 申請。上市之後，Q3 2026 財報就是第一個公開的驗證點：頂尖模型的 token 消費量環比成長有沒有出現結構性放緩？跌破 15%，估值模型就要動。

定價模式轉型是更長期的結構訊號。Futurum 的企業調查顯示，結果計費的採用率在過去一年幾乎翻倍：Intercom 每次解決 0.99 美元，HubSpot 0.50 美元，Zendesk 約 1.50 美元。當應用層把成本風險收進自己的定價模式，壓縮 token 使用量就成了商業動機，而不是工程選項。這對 OpenAI 和 Anthropic 按 token 收費的收入模型，是一個持續加壓的長期力量。

Gary Marcus 說的那句話值得記下來：「大多數重押了 LLM 的公司，都很難從投資裡回本。」這是可以驗證的假設，六個月後見真章。

參考來源：CNBC tokenmaxxing 分析、Corti Token Discipline 報告

如果這篇對你有幫助，訂閱電子報 可以第一時間收到 AI PM 實戰洞察與 GenAI 落地案例。