补贴盛宴散场之后，每一个token都要有人买单。问题是——谁？

2026年6月1日，一位Reddit用户晒出了自己的GitHub Copilot账单截图：上个月，10。这个月，**847**。

使用习惯没变。工具没变。变的只有一件事：GitHub把计费模式从"按月订阅"切换成了"按token计量"。

这张截图在程序员社区炸开的那一刻，很多人才后知后觉地意识到：过去三年，我们享受的从来不是"AI编程很便宜"，而是"有人在替我们付钱"。

现在，付钱的人不想付了。

一、三脚刹车：自助餐厅同时打烊

把2026年上半年AI编程工具厂商的动作排成时间线，你会看到一场协调得近乎默契的集体转身。

GitHub先动手。4月28日，GitHub宣布从6月1日起，Copilot告别"无限畅饮"，全面转向按使用量计费。新体系引入虚拟货币"GitHub AI Credits"，1个Credit价值0.01美元。订阅价格表面没变——Pro还是每月10美元，含1000个Credits——但每一次交互的输入token、输出token、缓存token都要分别计价扣减。高端模型的"倍率"同步暴涨：Claude Opus 4.7从7.5倍拉到27倍，GPT-5.4从1倍涨到6倍。

GitHub首席产品官Mario Rodriguez的解释罕见地坦诚："GitHub已经吸收了太多推理成本，当前模式不可持续。"翻译一下：我们一直在亏本请你们吃饭，现在饭钱要AA了。

更早一周，GitHub做了一件更能说明问题的事——直接暂停了Copilot Pro、Pro+和学生套餐的新用户注册。一家平台宁可不要新增用户，也要先止血。这在"用户增长压倒一切"的互联网叙事里，几乎是自残行为。

Anthropic同步收网。几乎在同一时间，Claude Code限制了Pro用户对Opus模型的访问——每月20美元想继续用旗舰模型？请额外付费。负责人Boris Cherny的说法同样直白："订阅模式本就不是为这种使用强度设计的。"5月，Anthropic开始把部分客户从订阅制强制切换为按token计费，有小型公司客户的支出首日暴涨7倍。一位客户CEO的评论堪称年度金句："我们创造了一个怪物。大模型公司之前一直在补贴我们的所有使用，现在他们不再补贴了。"

国内厂商跟进得更狼狈。6月1日，MiniMax发布新旗舰M3，同步把"按次计费、不限token"的Coding Plan悄悄替换成"限量不限速"的Token Plan。49元的Plus档，从"每月随便用"变成"每月6亿token封顶"。有重度用户算了笔账：过去每月消耗30-50亿token只要49元，新规则下同等用量实际成本约175元——涨幅257%。投诉海啸之下，MiniMax公开致歉，紧急推出三条补偿措施。而在这之前不久，Kimi刚刚因为同样的计费调整挨过一轮骂。

三条战线，同一个方向：把过去被平均掉、被平台吸收掉的成本，按token逐笔拆回到每一次真实使用上。

自助餐时代结束了。现在是按粒收米。

二、凶手是Agent：订阅制是怎么被吃垮的

为什么订阅制突然撑不住了？答案藏在一个词里：Agent。

订阅制的本质是"平均成本"游戏。不管你一天跑十个任务还是一周问两个问题，平台都按同一档月费收钱。高频用户多出来的成本，被低频用户摊掉，被平台自己吸收。这个模型在"聊天问答"时代运转良好——因为一个人再能问，一天也就问几十轮。

Agent把这个前提炸了。

你输入一句50个token的指令，Agent在后台开始工作：推演不同路径、启动子Agent分解任务、调用工具、读取返回结果、验证、重试。思考→调工具→读结果→再思考，一轮循环可能跑6到15遍。等任务完成，这个50 token的问题，实际消耗可能超过10万token。

而且这些token里，藏着大量普通用户根本看不见的"结构性开销"：

• 推理token：带深度思考的模型不直接给答案，先在内部生成成千上万token的推理链。最终答案可能只输出一个"42"，但你的账单是"推理+输出"的总和。

• 工具调用token：给模型接入工具，必须把工具的JSON schema随请求一起发过去。10个工具带完整描述，每次调用就多出3000-4000个token——无论这次有没有用到。

• 无效token：Agent走错路退回来、反复检查却不改任何东西、甚至停下来"给自己写首诗"。整个行业都在努力减少这种浪费，但短期内没戏。

• 输出溢价：输出token通常比输入贵2到6倍——生成是串行的，读取可以并行，这是物理层面的差异，不是定价策略。

OpenClaw这类爆火的自主Agent工具，7×24小时连续跑任务，等于把"一个用户"变成了"一支永不下班的施工队"。Anthropic严格限制OpenClaw用户，微软自2026年1月以来Copilot周运行成本几乎翻倍——订阅制不是被涨价杀死的，是被Agent吃死的。

最有说服力的旁证来自微软自己：6月30日起，微软取消了体验和设备部门大部分员工的Claude Code访问权限，转向自家GitHub Copilot CLI。理由只有一个——控制AI编码成本。

连给别人卖铲子的人，都开始省着用铲子了。

三、Tokenmaxxing：一场自愿的烧钱表演

如果说技术层面的浪费是无奈，那么接下来这件事就是纯粹的荒诞。

2026年，硅谷流行起一个新词：tokenmaxxing——员工拼命消耗更多token，以此证明自己"深度拥抱AI"。

Visa自豪地对外宣布，公司token使用量从2月的1万亿翻到了3月的2万亿。摩根大通和迪士尼内部设有专门的仪表盘，追踪每个员工用了多少AI额度。谁消耗得多，谁就显得更"前沿"。token用量，这个本该出现在成本控制报表里的数字，摇身一变成了绩效考核里的"AI拥抱度指标"。

登峰造极的是Meta。4月，Meta内部出现了一个叫Claudeonomics的排行榜，追踪全公司8.5万人的token消耗量，只展示前250名。

然后事情朝着所有懂KPI的人都能预测的方向狂奔：有人让Agent空跑几个小时刷量，有人一次性并发几十个用例，还有人直接写了无限循环脚本——让AI不断调用自己，一晚上刷出几十亿token。

30天内，Meta全公司烧掉60万亿token，按公开定价估算相当于9亿美元。排名第一的个人，一个月账单接近200万美元——这笔钱可以雇8个资深工程师干一整年。

这一幕似曾相识。上一次企业用"消耗量"证明先进性，还是大跃进时代的亩产卫星。当一个指标变成目标，它就不再是一个好指标——古德哈特定律在AI时代的应验速度，比任何时代都快。

而所有这些表演消耗的token，最终都会变成两张账单：一张寄给公司的CFO，一张寄给整个行业的资产负债表。

四、算不平的大账：一道让Gartner沉默的数学题

现在把镜头从个体账单拉到行业全景，你会看到这场清算真正的驱动力。

Gartner分析师估算：2024到2029年，全球AI数据中心的资本投入将达到6.3万亿美元——差不多是美国一年GDP的四分之一。为了避免资产减值，厂商需要约25%的投资回报率；如果回报低于7%，就是"对所有投资者的灾难"。

要够到7%这条最低红线，大型AI公司到2029年需要累计赚出接近7万亿美元的AI收入——平均每年2万亿。

这些钱从哪来？只能靠卖token。

问题来了。谷歌透露它每月处理约1.3千万亿个token，全行业加起来每年大概处理100到200千万亿个。而Gartner算了一下：要实现年入2万亿美元，按每token约10%的利润率，token消耗量需要在未来几年增长5万到10万倍。

5万倍。不是50%，不是5倍，是5万倍。

这已经不是"激进的增长预期"，这是物理学意义上的不可能——现在的算力根本处理不了这个量级，而拼命扩建算力本身又在推高那6.3万亿的分母。更糟的是，把训练下一代模型的"天文级"间接成本算进去，每个token那10%的利润几乎被完全吞噬。

Gartner的结论冷静得可怕：市场整合几乎不可避免，每个区域最终可能只剩不超过两家大模型厂商。

这就是补贴退潮的真正原因。不是厂商变贪心了，而是投资人的耐心和数学规律同时到期了。2010年代的网约车大战至少还能靠涨价实现盈利闭环，而AI行业面对的是一个烧钱速度史无前例、回本路径依赖"5万倍增长"的赌局。

慷慨的免费额度时代必须结束——对AI实验室来说，问题从来不是"要不要变现"，而是"什么时候开始、下手多重"。

五、致命一问：AI账单什么时候超过程序员的工资？

于是我们终于抵达了这场清算最锋利的那个问题。

过去大家默认"AI比人便宜"，是因为真实成本被补贴和平均掉了。Copilot每月十几美元、Claude Code每月几十美元，看起来当然比一个工程师便宜。现在token逐笔计价，这笔账要重算了。

算法很简单：假设一个工程师年综合成本25万美元，折合每月约2万美元。如果一个AI工具每月花1000美元，能稳定替代5%以上的工程产出，那就是划算的。但如果一个团队每月token账单烧到几万、几十万美元，换来的却是重复尝试和无效产出——AI就比人贵了。

这不是思想实验。证据已经排着队出现：

• Uber在2026年4月就用完了全年的AI编码预算。TechCrunch以《Token账单到期了》为题报道了企业"集体变脸"的现象。

• 硅谷投资人Chamath Palihapitiya透露，他的公司已经开始给开发者设定token预算——单个Agent通过Claude API跑起来，一天就可能花掉300美元，一年就是10万美元。团队必须至少提升2倍生产力，才能覆盖"工资+AI账单"的总成本。

• All-In Podcast主持人Jason Calacanis在2月的播客里直接点破："token成本超过员工工资的临界点，不是未来，是马上就会发生。"那些长时间跑Agent的重度开发者，其实早已越过了这个点。

• Nvidia应用深度学习副总裁Bryan Catanzaro公开承认：他的团队的算力成本已经高于员工成本。

• 2024年MIT的一项研究给出更扎心的基线：综合考虑成本和效果，77%的情况下人类完成任务比AI更优。

还有一道更宏观的算术题。如果乐观假设AI利润率10%、单位成本与人类持平，AI行业需要替代4680万个工作岗位，才能覆盖未来几年3万亿美元债务的年偿债需求。就算把雇主承担的社保、医保、办公场地全算进去，也仍需替代约3250万个岗位。

你花3万亿美元造了一台机器，结果它干每件事的成本比雇人还高——这笔账，无论从哪个方向算，都平不了。

六、成本工程：程序员的新必修课

那么，这场大清算之后，世界会变成什么样？

第一，token预算会成为新的组织制度。就像云计算时代催生了FinOps（云成本治理）岗位，Agent时代正在催生"AI成本工程"。Chamath的公司给开发者设token预算只是开始——可以预见，"这个月你的Agent烧了多少钱"会和"这个月你写了多少代码"一样，出现在越来越多的周会上。只不过这一次，指标的方向反过来了：从tokenmaxxing的"烧得多光荣"，变成"烧得少才专业"。

第二，降本会成为产品竞争力本身。开源项目OpenSquilla内置了智能路由：一个跑在本地的轻量分类器，根据任务难度自动判断该调用低成本模型还是高性能模型，官方数据显示综合token成本可降低60%到80%。当模型能力趋于同质化，"同样的活谁烧的token少"会取代"谁的模型更聪明"，成为下一轮竞争的主战场。

第三，"会算账"会成为程序员的核心技能。一次Agent会话会"想"多久、调用多少工具、读多少上下文，事前几乎不可预测——GitHub自己都只能提供"模糊的费用预览"。在这样的环境里，知道什么任务值得开Opus、什么任务用小模型就够、怎么设计上下文让Agent少走弯路，会直接决定一个团队的毛利率。提示词工程教你怎么让AI干活，成本工程教你怎么让AI干活时不把公司干破产。

第四，也是最微妙的一点：人的价格被重新发现了。当AI的真实成本浮出水面，"不如把程序员请回来"从一句玩笑变成了严肃的财务选项。这不是AI的失败——AI依然在该用的地方创造巨大价值——而是市场终于开始区分"AI创造的价值"和"补贴制造的幻觉"。

尾声：所有人都在等第一张真实的账单

回头看，2023到2025年的AI编程狂欢，本质上是一场由风险投资赞助的大型免费试吃活动。我们以为自己见证了"软件开发成本归零"的历史时刻，实际上只是恰好站在了补贴曲线的最高点。

现在，试吃结束，收银台亮灯。

GitHub的$847账单、Meta的200万美元月消耗、Uber提前八个月见底的预算、Gartner那道5万倍增长的数学题——它们说的是同一件事：token不是空气，是电力、芯片和数万亿美元资本开支的最终计价单位。过去它假装免费，是因为有人愿意替你付钱；未来它明码标价，是因为再也没人付得起了。

对程序员来说，这未必是坏消息。当AI的每一次调用都有价格，"人类的判断力"反而第一次有了清晰的比价对象。你的经验值多少钱？你的架构直觉值多少钱？你一眼看出Agent在瞎绕弯路、及时喊停的能力值多少钱？

在自助餐时代，这些问题没有答案，因为没人需要算账。

在按粒收米的时代，每一个问题都会有一个精确到小数点后两位的答案。

而历史反复证明：真正的价值，从来不怕被标价。怕被标价的，从来都是泡沫。