Token不经济：AI应用成本失控的结构性困局

事件概述

微软近期收回内部Claude Code许可，该工具在内部开放6个月后token消耗剧增、成本暴涨但产出质量不佳；Uber仅4个月耗尽2026全年AI编程工具预算；Meta撤下内部Tokenmaxxing排行榜。这些案例集中反映出token消耗与实际产出不成比例的“token不经济”现象，其背后是市场定价、智能体架构、应用场景等多重因素叠加。

核心信息

1. token市场价格整体上行，推高使用成本

• 高端市场：Anthropic凭借编程能力优势率先建立旗舰-中端-轻量分层定价，Opus系列以$15/$75（输入/输出百万token价格）锚定高端，并通过Opus 4.5降价、Mythos Preview超高端分层等操作巩固定价权。其ARR从2024年底约10亿美元飙升至2026年5月约450亿美元。
• 追赶者：OpenAI重聚焦编码，GPT 5.5定价（$5/$30）与Opus看齐，次级模型GPT 5.4 mini（$0.75/$4.50）低于同级Haiku，以价换量。Google Gemini 3.1 Pro输出价$12，低于竞品，并推出超轻量Flash-Lite压价。
• 经济型市场：过去两年定价中枢悄然上移。Haiku 4.5较Haiku 3.5上浮20%，Gemini 2.5 Flash输出价较2.0 Flash翻6倍以上，开源模型GLM-5较GLM-4.7提价67%-100%。根本原因是经济型token消费量爆炸式增长，竞争逻辑从比价格转向比性价比。

2. 智能体架构存在多重结构性浪费

• 上下文陷阱：Agent反复携带历史信息导致token指数增长。ChatDev框架分析显示，代码审查阶段消耗占平均39.5%，近四成token花在传递已有信息而非生成新内容。
• 分词器黑箱：Anthropic Opus 4.7更换分词器后，技术文档token膨胀47%，高分辨率图片膨胀201%。闭源模型分词器调整因缺乏公开论证，可能加重成本。
• 技能冗余：对55,315个公开技能的研究发现，26.4%技能无路由描述，超过60%内容为背景说明而非操作规则。SWE-Skills-Bench测试中79.6%技能未提升通过率，最高增加451% token开销，平均仅提升1.2个百分点。
• 多Agent沟通税与长任务熵税：系统越复杂，内部协调与自我纠偏消耗超过一半token。

3. token有效应用场景局限

• 编程是特例，因具备自动反馈闭环可快速迭代。法律AI仅能初审，资深律师复核时间几乎等于从头审阅，反馈成本远高于编程。
• 向物理世界拓展（如人形机器人）面临验证成本不对称，OpenAI灵巧手项目仿真训练落地后鲁棒性不足，真实环境验证成本高出几个数量级。

4. 风险溢出与破局路径

• 风险聚集：上游硬件利润丰厚，中游模型厂商亏损，下游用户控本。部分中游与上游形成循环融资，风险藏于私人信贷市场；算力扩张推高部分节点居民用电成本。
• 供给侧优化：语义上下文压缩、技能精简、自适应模型路由、带预算约束的主持人架构等精细化技术可降低单位token成本。
• 需求侧治理：强化企业AI成本治理，在传统行业寻找验证成本适中的中间场景（如编程之外的半结构化任务），让token从数字沙盒走向真实世界。

值得关注

行业需从“炫技”转向“精实”，以最少token完成任务、实现净收益转正。未来若token有效射程无法拓展至广泛产业场景，token不经济可能持续很长时间。