微软把"最大化使用 AI"换成"最大化每次 token 的产出"

8月4日,微软执行副总裁、CoreAI 工程负责人 Jay Parikh 给员工发了一封内部邮件,核心一句话:"Tokenmaxxing is not what we are optimizing for."翻译过来就是——别再把 token 烧得越多当 KPI 了。

这是一个明确的姿态切换。配合这封邮件,微软同时做了两件具体的事:

  • GitHub Copilot 内部默认模型从 Anthropic Claude 切到 OpenAI GPT-5.6 Sol(2026年7月发布,定位是性价比导向的旗舰版),原因是 OpenAI 拿的是微软早年的投资,在知识产权定价上有优势
  • 从 2026 年 7 月起,微软各部门设"AI token 预算目标"(AI token budget target),员工可以追踪个人 token 支出,各业务线按月汇报

CNBC 报道(8月5日)引用 Parikh 的原文:"As we accelerate our use of GitHub Copilot to deliver on our goals, we all need to be aware of how we consume tokens."印度快报同日跟进,披露数字范围:"许多工程师每月 token 支出在数百到数千美元之间",目前没有公开的硬性美元上限,但"未来可能进一步收紧"。

微软不是孤例——tokenmaxxing 时代在退潮

把视角拉远一点,这其实是 2026 年下半年整个企业 AI 采购转向的标志性事件。Indian Express(8月5日)在综合 404 Media 原始报道的同时,梳理了同行清单:

  • Meta——已经下架了内部的"Claudeonomics"排行榜(原本鼓励员工比赛烧 token)
  • Google——5月I/O上 Pichai 公开承认"很多公司已经把年 token 预算烧光了",并把 Gemini 3.5 Flash 定位为 off-ramp
  • Amazon / Adobe / Atlassian / Citi——均在重新收紧内部 AI 支出
  • Uber——COO Andrew Macdonald 5月明确表示,公司花了 4 个月烧完 2026 年 AI 预算,"高 token 用量没有带来成比例的消费者功能增长"

IBM 在 6月就提前喊出了"valuemaxxing"这个词,提倡把指标从"用了多少 token"换到"完成了多少任务 / 节省了多少时间 / 修复了多少漏洞"。404 Media 8月4日的报道总结得很直接:"This makes Microsoft one of the last major companies to rein in its employees' expensive AI use."

为什么会发生——三股力量同时转向

第一,AI 使用率被错误等同于生产力。 多家公司的内部 leaderboard 直接造成"烧 token = 努力工作"的扭曲信号,工具被过度用于"本来不需要 frontier 模型"的简单任务。Parikh 写的话很直白:"shifting more workloads to OpenAI models helps us get greater value from our token investment."这是承认:对相当一部分 GitHub Copilot 任务来说,Anthropic Claude 的旗舰价是过度的。

第二,GPT-5.6 Sol 这类"次旗舰"模型已经够用。 微软从 Anthropic 默认切到 OpenAI,不是站队,是采购成本优化。GPT-5.6 Sol 在 Artificial Analysis Intelligence Index 上仍能拿到 50 分上下,而单任务成本只有 Claude 旗舰的约三分之一(华泰证券 8月4日研报数据)。当模型能力梯度被价格梯度拉开后,默认模型的选型就回到了一个古老命题——什么任务用多少钱的算力最划算。

第三,token 经济学的二阶效应。 印度快报引述了 tech newsletter Sources 的关键背景:GitHub Copilot 在转为按 token 计费之前,毛利率长期为负。也就是说,微软自家卖 Copilot 给别人时已经发现 token 经济学撑不住内部规模化使用。这是把"产品定价学到的东西"反哺到"内部消费"的典型例子。

这次切换给行业留下的 3 个开放问题

  1. 模型厂商的客户结构会重新洗牌。 OpenAI 在微软这种深度绑定客户里被"钦点为默认",是因为它有 IP 定价让步;对于没有这种关系的厂商,默认设置变化意味着销量直接下降。Anthropic、xAI、Mistral 在其他大客户里会不会也吃到同样的挤压?值得观察 8月内的财报口径。

  2. FinOps 工具链会从"成本中心"变成"生产力基础设施"。 AI 时代之前的 FinOps(云成本管理)主要是给 CFO 看的,这一波 token 预算从财务口径被翻译成工程师个人 KPI,意味着计费面板、用量提示、prompt 优化建议都会被前移进 IDE。IBM 把这条线包装成"agentic development platform"(IBM Bob),核心卖点是"intelligent model routing"。

  3. "valuemaxxing"的指标体系还没人做出标准答案。 IBM 提了一组候选指标(完成任务数 / 节省时间 / 修复漏洞数 / 避免返工),但缺少跨公司的可比基线。IDC 预测 2028 年 70% 的领先 AI 驱动企业会"动态管理多模型路由"——前提是先有可比的 outcome 指标,这件事目前各家还在自家实验。

参考资料:

  • CNBC(8月5日):Microsoft AI exec tells developers to default to OpenAI top model
  • 404 Media(8月4日):Microsoft Tells Engineers Tokenmaxxing Is Not What We Are Optimizing For
  • Indian Express(8月5日):Why Microsoft is cracking down on tokenmaxxing despite strong earnings
  • IBM Think(6月25日):Tokenmaxxing is dead, long live valuemaxxing
  • AI Weekly(8月5日):Microsoft caps engineer AI token spend, names GPT-5.6 default