AI 每日简报｜你需要了解的有关 AI 令牌的一切｜2026.08.02

明智地使用令牌，而不是一味节省令牌；衡量每个被接受任务的成本，而不是每个令牌的成本。

经历了不限量、令牌最大化以及如今对令牌焦虑的时代之后，我们的目标是进入令牌智慧时代。理解令牌究竟是什么，认识到不同实验室和不同层级的令牌并非生而平等，别再用令牌来读账单，因为令牌是无法统一计量且不断变化的目标；现在应该改用每个被接受任务的美元成本来读账单。消灭空转的令牌，调优能产出成果的令牌，并毫无畏惧地捍卫能带来学习的令牌。

---

数据速览

• 74万亿 —— 据报道，Meta 在排行榜时代单月消耗的令牌数
• 2800亿 —— Meta 个人最高用户使用的令牌数（约合 230 万本书的文字量）
• 5亿美元 —— 一家未具名公司在没有使用限制的情况下累积的 Claude 账单
• 400万 —— 一个是非题因意外触发深度研究后产生的令牌成本
• 1500美元 —— Nufar 的空转代理在两周内产生的账单：输入约 4 亿令牌，输出接近于零
• +30% —— Opus 4.7 的新分词器在标价不变的情况下额外产生的令牌
• 5 至 30 倍 —— 代理式工作相对于简单聊天的令牌倍数
• 60% —— 代理式任务成本中用于检查、优化和重新生成的比例（麦肯锡）
• 2 倍 —— 一项涵盖 2 万名开发者的研究中，AI 使用量最高者的生产力

主要内容

每个圈子都在讨论同一个令牌问题

使用昂贵模型的实践者觉得自己正在被监视，普通用户担心一个雄心勃勃的提示词就会吃掉自己一周的额度，而管理层看到的账单增速超出预期。Nufar 的目标，是把这种焦虑转化为认知：先理解账单意味着什么，再明智而非吝啬地花费。

OpenAI CFO 希望建立“每美元有效智能”记分卡

这一指标围绕一个问题展开：每个成功完成的任务究竟需要多少成本？这会把令牌从一个纯粹的财务数字，重新定义为衡量使用在哪里创造价值、又在哪里悄悄泄漏价值的指标。

令牌消耗的四个时代

在不限量时代，我们对令牌毫无感觉，固定订阅费掩盖了计量表。随后进入令牌最大化时代，把用量当作 AI 成熟度的徽章；接着是当下对令牌焦虑的反弹，而现在的目标是进入令牌智慧时代。

排行榜时代：“Claude 经济学”和 5 亿美元账单

Meta 曾在内部排行榜上追踪员工的 AI 使用情况，单月消耗 60 万亿至 74 万亿个令牌，最高用户达到 2800 亿个（约合 230 万本书）。Uber 在四个月内耗尽了整个 2026 年 AI 编程预算；还有一家未具名公司在没有设置任何限制的情况下，累积了 5 亿美元的 Claude 账单。

以一年为周期看，超支胜过少支

— Nathaniel Whittemore NLW 认为，对排行榜被刷的过度担忧没有必要：有真实利益的系统当然会被人钻空子。他愿意下注任意金额：一家通过令牌排行榜严重超支的公司，一年后会比另一家因为害怕证明 ROI 而不敢花钱的公司走得更远。

就连令牌最大化者也开始尽量减少令牌

Meta 从排行榜转向了一份限制 AI 使用的备忘录，媒体现在称之为令牌最小化；Uber 则将员工用量限制在 1500 个令牌。当员工开始自我审查时，每个提示词都会变成一场 ROI 对话，而这恰恰是最不应该停留的时代。

最昂贵的令牌，是你最优秀的人不敢使用的令牌。

— Nufar Gaspar Nufar 用这句话解释令牌焦虑为何危险：自我审查会把最有能力的人推回低风险工作，而不是投入真正能产生重大影响的高价值工作流。

令牌究竟是什么

令牌是一段文本：比字符更大，通常又比单词更小，是模型读取和生成文本的基本单位。英语中，一个令牌大约对应四分之三的单词，因此一页文字约有 1,000 个令牌。OpenAI 的公开分词器页面可以让你查看自己的文本会如何被切分。

非英语提示词的“语言税”

由于按令牌计费，印地语、泰语和希腊语等语言在表达相同内容时，可能生成多出 2 至 5 倍的令牌，因此同一个问题换成另一种语言后，成本会高得多。代码也有自己的特殊性：缩进、括号和空白字符都会成为令牌。

草莓测试是分词器的特征，而不是模型失败

模型数不清“strawberry”中有几个字母 R，是因为它们从未见过其中的单个字母，只见过作为令牌的“straw”和“berry”。许多“AI 怎么这么蠢”的梗，从字面上说只是分词造成的结果。

日常工作实际需要多少令牌

一封电子邮件约有 500 至 700 个令牌（约半美分，没人应该配给这些令牌），一页文字约有 1,000 个令牌，图片略高于 1,000 个令牌，而深度研究可能达到数万甚至数十万个令牌。一名学习者曾意外地把一个是非题发送给深度研究工具，结果触发了约 100 个子代理，成本超过 400 万个令牌。

每轮对话都会累积成本

模型不会记住之前的消息，因此每轮都会重新发送整个会话。到了第十轮，它可能已经重新处理了大量早期上下文，令牌总量的增长速度远超轮数所暗示的程度；不会结束的会话会悄悄推高账单。

更高价值的用例天然会消耗更多令牌

— Nathaniel Whittemore NLW 表示，发展方向非常明确：更先进、更有用的工作需要更多智能，也就需要更多令牌。如果不解决令牌焦虑，人们就会被激励着继续埋头处理日常邮件，而不是开展领导者真正想要的深度研究和代理式工作。

代理式工作消耗的令牌是简单聊天的 5 至 30 倍

代理会在循环中自主工作，而一个典型任务通常涉及 10 至 20 次模型调用，每次都携带指令、历史记录、工具定义和之前的结果。麦肯锡估计，代理式任务约 60% 的成本与检查、优化和重新生成答案有关；从得到答案到获得被接受的结果，这一过程才是昂贵的部分。

不同实验室的令牌并非生而平等

每个实验室都有自己的分词器：OpenAI 的词汇表约为 20 万个，Gemini 约为 25.6 万个，Llama 约为其一半，Claude 则未公开。由于每百万令牌的价格是以各实验室自己的令牌为单位计算的，同一份文档在不同供应商处的成本可能相差 10% 至 20%，因此表面价格没有比较意义。

Opus 4.7 的“缩水”：价格不变，令牌增加 30%

Opus 4.7 于 4 月发布时，每百万令牌的价格表完全相同，但新的分词器让同样的文本产生了约 30% 更多的令牌。一项对超过 100 万次请求的独立分析发现，原生令牌数量增加了 32% 至 45%；计入缓存后，实际账单仍上涨了 12% 至 27%。标价相同，实际得到的“糖果条”却变小了。

每次请求都有三层令牌，价格差异很大

输入令牌包括提示词、历史记录、文件和工具定义，价格最低但增长很快；推理令牌是模型不可见的内部思考，按较高的输出价格计费，并会增加 4 至 20 倍成本；输出令牌是你实际看到的内容，价格通常是输入令牌的 3 至 5 倍。推理层就像餐厅账单上的“厨房时间”，总会让人措手不及。

更高的推理强度并不总能带来更好的答案

较高的推理强度可能让令牌数量增加 10 至 12 倍，但对于简单问题，较低的推理强度通常能通过避免模型过度思考，带来更低的单任务成本和更好的质量。GPT-5 级别模型的差距也在扩大：每百万输入令牌 10 美元，而输出令牌为 50 美元。

更便宜的模型可能更贵

Databricks 在自己的代码库上测试了编程代理：Sonnet 5 的单令牌成本比 Opus 4.8 低 1.7 倍，但每项任务的成本约为 2.09 美元，而 Opus 为 1.94 美元，因为 Sonnet 5 需要更多轮迭代。经验是：选择合适的模型，而不是最便宜的模型。在质量相同的情况下，不同代理框架的单任务成本差异也超过 2 倍。

能够进行比较的唯一指标是每个被接受任务的成本

把重试、审核和每一次修正都算进去，然后除以被接受的结果，这就是每个被接受任务的成本。实际审计方法是：让模型和工具选项分别执行 5 至 10 个有代表性的任务，保持输入和质量不变，然后比较首次成功率、人工修正量、耗时和总成本。

三类令牌：学习、产出和空转

用于学习的令牌包括实验、失败的工作流、身份文件和记忆，它们是学费，应该毫无畏惧地投入。用于产出的令牌会交付真正的工作。空转令牌则包括机器自说自话、闲置代理、臃肿上下文和错误的模型选择，它们只有活动没有产出。令牌智慧的做法是：按顺序消灭空转、调优产出、保护学习。

Nufar 那台自说自话、产生 1500 美元账单的机器

她禁用的“Chloe”幕僚长代理运行在 Anthropic API 上，账单发送到一个备用收件箱。她外出旅行期间没有使用它，却仍然收到账单：两周内产生 1500 美元费用，输入约 4 亿个令牌，输出接近于零，输入输出比例约为 2600:1。原因是 cron 作业每 30 分钟压缩一次空会话。如果 AI 专家都可能遇到这种情况，那么任何由公司持有付款卡的人也都可能遇到。

空转不只是错误，也包括那些悄悄变得不值得的事情

— Nathaniel Whittemore NLW 运行过一个 OpenClaw 代理，让它持续研究新的 AI 采用数据源。它完全按照指令执行，却不值得为此付出相应成本。审计空转，意味着要发现那些意外变成空转的流程，而不只是查找明显错误，例如每小时挖掘 Slack 信息，或一份没人阅读的晨报。

悄悄消耗令牌的常见嫌疑对象

需要关注闲置或运行过于频繁的代理、未使用的自动化、始终开启的规则和工具定义带来的“预提示词税”、不会结束的对话、未经筛选的数据检索（需要 20 行却取回 500 行）、分散的上下文，以及反复返工的循环。诊断方法包括周末测试、极端的输入输出比例，以及支出不断上升但价值保持不变的情况。

任何人都能养成的六个令牌管理习惯

开启新任务就建立新会话；有意识地选择模型；调整上下文规模，达到恰到好处的程度，不要过多或过少；构建可复用的技能和自动化，而不是临时反复提问；尽可能过滤数据；当模型的推理显示方向不对时尽早终止任务，而不是任由它继续空转。

使用 /doctor 审计自己的设置

Anthropic 的 Claude Code /doctor 命令会审计令牌分布、过时技能、重复的工具配置，以及过长或相互重叠的指令，并给出具体的删除或精简建议。非 Claude 用户也可以让自己的 AI 重现同样的审计，这并不复杂。

模型路由仍处于早期阶段，而偏好依然重要

— Nathaniel Whittemore NLW 预计，路由规范会先在确定性较强的软件工程领域得到解决；而在知识工作中，情况会混乱得多，因为偏好取决于回答的性质，而不是基准测试分数。GPT-5 的自动路由器曾让超级用户感到沮丧，这证明人们希望保留控制权；因此，理解模型能力仍然是一项高杠杆技能。

捍卫学习预算，而不只是削减账单

目标不只是降低账单，还要提高回报，而这往往意味着要在能带来学习的令牌上花更多钱：用三种方式执行同一任务，试验工具和技能，并构建上下文，让模型给出个性化且了解组织背景的结果。一项涵盖 2 万名开发者的研究发现，AI 使用量最高的人生产力约为其他人的两倍。

对组织而言：让使用量可见，然后分层管理预算

让消耗情况可见，并教会员工聪明地使用，而不是一味节省。根据工作负载和个人分配预算：为整个团队构建可复用技能的人，应该比把 AI 当成加强版 Google 使用的人获得更多预算；同时定期审计过时的自动化和指令。