Tokenmaxxing 热潮三个月内宣告失败
今年3月,硅谷前沿模型公司工程师掀起“Tokenmaxxing”风潮,比拼AI token消耗量,以此标榜自身为“AI超级个体”。黄仁勋、YC CEO等为之背书,亚马逊、Uber、Meta及国内阿里、腾讯等大厂纷纷跟进。然而不到两个月,亚马逊因员工刷数据而关停内部排行榜,微软则收缩Claude授权。至6月,所有公司均调整方案,认输收场。失败直接原因在于成本过高:前沿模型公司IPO压力下账本难看,订阅制被重度用户打穿导致实际token价格飙升,而Agent工作流中的token消耗极为低效——一次agentic coding任务的token用量是普通问答的千倍,且大部分耗费在反复读取上下文上。 #Tokenmaxxing #AI泡沫 #硅谷 #编程效率 #大模型 #企业AI #成本失控 #行业反思
今年3月,硅谷前沿模型公司工程师掀起“Tokenmaxxing”风潮,比拼AI token消耗量,以此标榜自身为“AI超级个体”。黄仁勋、YC CEO等为之背书,亚马逊、Uber、Meta及国内阿里、腾讯等大厂纷纷跟进。然而不到两个月,亚马逊因员工刷数据而关停内部排行榜,微软则收缩Claude授权。至6月,所有公司均调整方案,认输收场。失败直接原因在于成本过高:前沿模型公司IPO压力下账本难看,订阅制被重度用户打穿导致实际token价格飙升,而Agent工作流中的token消耗极为低效——一次agentic coding任务的token用量是普通问答的千倍,且大部分耗费在反复读取上下文上。 #Tokenmaxxing #AI泡沫 #硅谷 #编程效率 #大模型 #企业AI #成本失控 #行业反思