Token-maxxing：硅谷AI原生的新炫富与成本焦虑

在硅谷，一种新的炫富方式正在兴起，那就是攀比每天消耗了多少Token（Token: 大语言模型处理文本的基本单位）。这种现象被称为Token-maxxing（Token-maxxing: 把token用量拉到极限），意指将Token用量推向极限。它已成为公司内外衡量一个人“有多AI原生”的新指标，包括每天消耗的Token数量、同时调度的Agent（Agent: 能够自主规划、执行复杂任务的AI实体）数量以及Token吞吐量（Token Throughput）。

全球AI圈的巨头们正围绕Token的使用展开激烈辩论：公司是否应无限制地鼓励员工使用Token？例如，Meta内部就有一个名为“Claudeonomics”的排行榜，统计了超过85000名员工的AI使用数据，列出了Token消耗量最高的“超级用户”。在最近一个月，该排行榜上的总使用量突破了60万亿Token，若按Anthropic Opus 4.6的定价粗略估算，价值高达约9亿美元。其中，排名第一的员工消耗的Token价值高达数百万美元。

这一消息引发了硅谷的广泛讨论。AI创业公司Writer的CEO May Habib直言这是“生死存亡级别的问题”，她本人也密切关注公司内部的Token消耗排行榜，认为不全力拥抱AI就会被淘汰。Uber也表现出极强的进取心，其后端系统11%的新代码更新已由Agent完成，而三个月前这一比例还不到1%。Uber CTO的愿景是“把软件工程转型为Agent软件工程”。

然而，反对Token-maxxing的声音同样尖锐。HubSpot的CEO Yamini Rangan提出“Outcome maxxing大于Token maxxing”，强调产出结果的重要性而非单纯的Token消耗量。AI软件工程公司Jellyfish的CEO Andrew Lau也指出，盲目刷Token可能无法得到期望的结果。尽管存在争议，但多数中间派形成共识：不充分利用AI的公司将被竞争对手超越。在这种信念驱动下，即使排行榜和激励制度不完美，甚至一些AI使用被证明是浪费的，大厂高层仍认为必须这样做才能使公司转型为更AI-native（AI-native: AI原生）的企业。

自OpenClaw这类Agent工具爆火以来，Agent任务消耗的Token量直线上升。对于科技巨头而言，不计成本地烧Token尚可接受，但对于创业公司和个人开发者来说，Token成本带来了巨大的焦虑。例如，运行一个稍微复杂的OpenClaw任务，几千万的Token量非常常见，如果使用最贵的Claude模型，一个简单任务可能就要花费十几二十美元。Uber CTO透露，公司2026年的AI预算在年初几个月内就已耗尽，主要原因是工程师对Claude Code的使用量暴增。知名投资人Chamath Palihapitiya也抱怨，他投资的软件公司在使用AI编程工具后，运营成本在几个月内翻了三倍多，年化AI支出将达千万美元级别。

这表明，对于企业，特别是软件SaaS行业，AI时代的成本结构与过去截然不同。传统SaaS产品研发投入是一次性的，用户越多边际成本越低。而现在，每个用户的每一次操作背后都有Token账单，用户用得越深、功能越智能，产品方反而要向模型厂商支付更多费用，这种成本是随用量线性增长的。因此，Token正成为AI创业公司最核心的“弹药”，甚至有风投基金开始直接向被投企业提供Token额度作为投资的一部分，这进一步印证了Token正在演变为一种新的货币。

Token定价机制与“越贵越便宜”的悖论

Token的定价并非简单的“单价乘以数量”，它涉及多种不同价格的Token类型。以一次最简单的对话交互为例，账单上至少有三种Token在运转：

• Input token（输入token: 用户发送给模型的内容）
• Cached input token（被缓存的输入token: 之前已被模型系统缓存的prompt、上下文或文件内容，价格更便宜）
• Output token（输出token: 模型生成回答时产生的Token）

研究芯片与Token Efficiency（Token Efficiency: Token利用率）的专家肖志斌指出，在对话任务中，这三者的价格比大致为1:0.1:6。例如，OpenAI的GPT-5 API定价，Input token每百万1.25美元，Cached input token每百万0.125美元，Output token每百万10美元。而最新模型GPT-5.5则根据上下文长短分为两档，长上下文价格是短上下文的两倍，短上下文的Input token每百万5美元，Cached input token每百万0.5美元，Output token每百万30美元。

虽然表面上Token价格在上涨，但这里存在一个反直觉的悖论：越贵的模型，可能反而总体成本越低。因为强大的模型往往能一次性准确完成任务，而较弱的模型可能需要反复重试，甚至需要人工介入修正错误，这会增加综合成本。因此，尽管Token单价更高，但每个有效结论的成本实际上在下降。例如，最贵的GPT-5.5-pro和GPT-5.4-pro在复杂任务和场景中，由于其强大的能力和准确性，反而能降低开发者的总成本，尤其是在Agent场景下。

Agent任务并非简单的一问一答，它会反复调用模型，每一步可能调用不同的工具，工具又会产生新的日志和上下文，返回给Agent继续循环调用。因此，Agent循环（Agent loop）的Token成本非常复杂，除了单次模型调用的输入和输出成本，还包括持续产生的日志和调用工具的成本。一个高质量的模型可能一次Agent循环就能生成所需答案，而便宜模型可能需要多次迭代，甚至出错，导致总成本更高。

模型公司的定价策略，一方面取决于模型的推理成本和研发费用，但更关键的是基于模型质量和任务完成度。推理成本是基础，大模型研发费用也需摊平。然而，最重要的应是根据模型是否具备Reasoning（Reasoning: 推理）能力、上下文窗口（Context Window）大小以及完成任务的效率来定价。许多公司目前仍按推理成本定价，但这并非最优解，按模型质量和任务完成度定价才能体现更大价值。

此外，云厂商如微软Azure、亚马逊AWS、阿里云和火山引擎也是Token定价链条中的重要一环。企业通过云厂商调用模型时，Token账单会包含模型Token费用、云服务封装费以及企业级基础设施溢价。云厂商会根据模型在机器上每秒能跑多少Token来反向推算GPU成本，并加上溢价。但有时为了抢占市场或提供企业折扣，云厂商也会降低价格。

中国模型的崛起与Token套利新范式

在OpenClaw爆火、硅谷掀起Token-maxxing热潮后，高昂的账单促使开发者们寻找性价比更高的解决方案。来自中国的开源模型因此在国际开发者社区中大受欢迎。例如，Kimi的Input token价格不到55美分，Output token约2.6美分。MiniMax甚至受到了OpenClaw官方的推荐。虽然中国模型在顶级能力上可能略逊一筹，但在许多不需要极高推理能力的任务中，它们表现出色，指令遵循（Instruction following）好，速度快，最重要的是价格便宜。

在某些任务上，中美模型的价差可高达50到70倍。这解释了为何当OpenClaw这类Agent工具将Token消耗从万级推向百万级时，全球开发者几乎本能地转向了中国的便宜模型。OpenClaw的爆发式增长，也带动了中国模型厂商如智谱AI和MiniMax的股价上涨。与此同时，国内云厂商如腾讯云、阿里云和百度智能云在2026年3月掀起了一波集体涨价潮，AI算力产品价格在10天内上涨了约30%。

开源模型Token消耗量的上升，是因为其能力已跨越了某个门槛。例如，智谱和Kimi模型在编程（Coding）方面的提升显著，而编程正是大模型Token消耗最大的赛道之一。当程序员发现开源模型与几个月前的Anthropic模型一样好用，但价格极其便宜时，自然会切换。对于个人开发者和创业公司而言，处理不那么复杂的任务时，转向开源模型是明智之举。例如，MiniMax M2.5和Claude Opus 4.6在SWE-Bench Verified软件工程基准测试中得分分别为80.2%和80.8%，实际使用中差距微乎其微。但价格上，MiniMax M2.5的输入价格是每百万Token 0.3美元，而Claude Opus 4.6是5美元，前者仅为后者的1/17。对于每天消耗几千万Token的OpenClaw用户来说，这能将账单从几百美元直接降到几十美元。

中国模型之所以能做到如此便宜，主要有几方面原因：

• 技术层面：国内大模型广泛采用深度MoE（Mixture of Experts: 混合专家模型）架构，通过缩小专家规模和减少每次活跃的专家数量来节省成本。
• 生态问题：通过补贴用户抢占市场生态。
• 云厂商优势：部分中国公司本身就是云厂商（如阿里云），其内部成本定价可以低于外部计价，拥有更高的利润率（Margin）来压低模型价格。

不同的模型为开发者提供了混合使用的选择：复杂任务交给高性能模型，简单或重复性高的任务则交给便宜模型。这种混合使用成为了Agent时代新的Token模式。黄仁勋在2026年的GTC大会上提出了一个更宏观的Token定价框架，将Token分为免费层、中级层、高级层、高速层和超高速层，价格从每百万Token 3美元到150美元不等。他明确指出，Token不再是同质商品，其价格应由交互速度和使用场景决定，就像电力有峰谷电价一样。

Token效率与智能调度：套利空间的挖掘

然而，Token需求暴增的背后，也存在大量Token消耗未产生实际价值的问题。业内人士批评，当前全球企业AI应用中，近一半的Token可能被浪费。Agent不像人类那样懂得“适可而止”，它在执行任务时会反复读取对话历史、重新扫描已处理文件，并一遍又一遍地“喂”给模型早已过期的上下文，导致冗余信息像滚雪球一样越滚越大，而真正与当前任务相关的可能只占一小部分。如何让Agent少烧冤枉钱，正在成为新的技术和商业赛道，Token Efficiency（Token Efficiency: Token利用率）成为下一阶段的关键词。

OpenRouter这家公司就是其中一个值得关注的例子。它已成为观察全球模型使用趋势的一面镜子，许多关于中国模型调用和排名的数据图都出自该平台。OpenRouter的创始人Alex Atallah曾是全球最大NFT交易所OpenSea的联合创始人兼CTO。2023年，他创立OpenRouter，其商业逻辑很简单：市面上模型越来越多，开发者不希望为每家模型单独注册、充值和对接API格式，OpenRouter提供一个统一入口，所有模型一个接口搞定，平台从中抽取约5%的费用。A16z在2025年对OpenRouter领投了4000万美元，估值已接近13亿美元。

OpenClaw的爆发让OpenRouter的生意真正起飞。当全球开发者疯狂调用各种模型驱动Agent工作流时，他们需要一个能快速切换模型的中间层，OpenRouter恰好满足了这一需求。Atallah将OpenRouter与他上一次创业类比，都是将分散的供给整合到一个平台上，他认为供给越分散，中间商的价值越大。OpenRouter提供了一个与OpenAI API兼容的调用层，用户可以自动切换不同模型，统一API和定价，这对于AI初创公司快速上线、试错和找到匹配模型至关重要。此外，它还提供模型故障或延迟时的快速切换备用方案。

尽管OpenRouter的数据更像是创业公司和独立开发者群体的风向标，而非整个AI行业的全景图，但正是这个对价格最敏感、最愿意尝鲜新模型、迁移成本最低的群体，构成了中国模型出海的第一波“自来水”用户。

如果Token是AI时代的“电”，那么总得有人给这些电装电表。Metronome公司就是做这件事的，其客户名单包括OpenAI、NVIDIA、Anthropic、Databricks等巨头。Metronome的两位创始人来自Dropbox，亲身经历了SaaS行业“改定价”的痛点。在AI时代，收费单位从“人头月费”变为Token数、API调用次数、GPU时长等颗粒度极细的指标，且每个客户的合同条款、折扣结构和用量阶梯可能各不相同。SaaS成本相对稳定，而Token公司的计费则复杂得多，与卡、电、请求量以及峰值拥堵都有关。

Metronome的核心业务是清晰记录谁在何时调用了什么、消耗了多少Token。其设计理念是将“发生了什么”与“该如何收费”彻底分离。工程团队只负责上报用量数据，产品和销售团队自行配置价格和合同条款，中间的换算、出账、对账全部自动化。这种分层设计，从事件流记录、事件定价、到订阅制/API购买/限制加溢价等计费方式，再到折扣策略，都使得计费系统更加灵活和健壮。Metronome发展迅速，累计融资1.28亿美元，并于今年1月被Stripe收购，其估值甚至追上了许多模型公司，这说明在Token经济中，如何精确算钱变得越来越重要。

在这样的产业中，“套利”机会也随之出现，业内称之为Token Arbitrage（Token Arbitrage: Token套利）。开发者将不同模型混用，复杂任务用Claude、GPT等昂贵模型，简单任务用MiniMax、Kimi等性价比模型。本质上，只要用户感知不到便宜模型与昂贵模型在体感上的显著差异，中间商就有套利空间。这类似于税务审计师通过专业优化帮助客户节省税费，然后与客户分成。

更进阶的套利方式是搭建一个“智能路由器”。用户需求进来后，先用一个模型判断任务复杂程度，简单任务分配给便宜模型，只有真正复杂的任务才交给Claude或GPT。对用户而言是黑盒操作，但中间商不断优化成本结构。作为一个模型提供商，通常都会有自己的“路由模型”，用于判断任务难易度，并将其分配给合适的模型以最小化成本（Minimize cost）。此外，通过Agent产品（如Genspark或Manus），内部也会基于基准测试和经验，对不同任务进行灵活分发。

例如，嘉宾知县作为典型的“混合调度”用户，每天与AI互动数百次，将Opus视为产品经理，利用其发散性思维进行设计；将GPT视为技术负责人，用于把关和复盘；而中间的执行环节，则交给国产的便宜模型，因为执行需要智能、快速且便宜，且输出成本最高。Agent开发者王浩从工程化角度解释了如何实现：初期用简单模型检测用户意图，通过指标和阈值区分任务。后期可利用用户数据，通过强化学习（RL）或微调（Fine-tune）优化路由模型，使其更高效地区分复杂和便捷场景，最终让用户在支付高价值Token价格的同时，实际消耗的是低价值Token。

这种“套利”模式短期内具备可持续性。尽管大模型厂商如Anthropic已将类似能力内置到其Coding Agent的“Advisor（顾问）”模式中，但跨模型的调度空间远未被穷尽。因为每家大模型公司只优化自己的模型，而市场上的模型数量庞大，跨模型的智能调度并非短期机会，而是具备创业空间。这不仅关乎模型定价，更涉及任务与模型的精准匹配、模型的吞吐量（Throughput）、延迟（Latency）判断、模型质量和任务完成度的判断。目前OpenRouter主要做了API聚合和定价策略，但尚未深入到模型质量与任务、甚至模型与硬件的匹配。最终，最会调度Token的系统将胜出，但这种系统需要比OpenRouter更深入，例如整合Prompt压缩等功能。

Token出海：中国的新结构性产业机会

将视角拉大，当一个伦敦的程序员用MiniMax的API运行OpenClaw时，物理层面上，他的请求从英国穿过海底光缆，落在贵州的数据中心，GPU开始工作，几秒钟后结果原路返回。整个过程中，没有一度电离开中国的电网，但电的价值已通过API账单以Token的形式完成了跨境结算。这是一种全新形态的“出口”——中国过去出口日用品、衬衫、家电、电动车等实物商品，需要过海关。而Token出海无需集装箱，甚至无需任何实体商品离开国境，电力在本地消耗，算力在本地运转，但创造的价值通过互联网瞬间交付到全球任何一个开发者手上。有人称之为“电力出海”，即电的价值出去了。

那么，中国Token为何能卖得如此便宜，这种状态会持续下去吗？实际情况较为复杂。GMI Cloud创始人Alex在GTC现场指出，美国其实不缺电，缺的是运送能力（Distribution power）。高压电虽然充裕，但将其传输到数据中心需要漫长的审批和变电站建设过程。中美工业用电成本的绝对值差异并不大，中国工业用电约0.4到0.6元/度，美国约0.8到1.2元/度。真正拉开差距的是基础设施的响应速度：中国可以在西部沙漠铺设光伏板，通过特高压电网将电送到东部算力集群。因此，从电力角度看，美国的Token价格短期内很难大幅下降。

同时，Alex认为，从存储等供应链角度来看，Token价格短期内更难下降。DDR4（DRAM）价格是过去的10倍，CX7和电源供应（Power supply）也面临短缺。OpenClaw、Agent、多模态和编程的兴起，恰好形成了“三个完美的风暴”，导致所有供应链都跟不上节奏。最大的挑战是建设足够多的数据中心，这是物理上的限制。尽管云服务商会努力提升Token效率、降低延迟，但最终仍受限于数据中心数量、GPU卡数量和电力供应。当然，这还涉及数据跨境、网络延时、隐私安全等合规问题。

尽管存在挑战，但OpenRouter上的开发者平台出海、云平台出海以及开源模型出海的趋势正在迅速发生。这波出海红利已实实在在地反映在收入上：MiniMax海外收入占比超过七成；月之暗面在Kimi K2.5发布后数周内收入就超过了2025年全年；智谱的模型API收入也出现了爆发式增长。

Token需求的天花板目前根本还看不到。每一个事件（Event）都触发了Token消耗的指数型增长。目前，并非每个人都在使用OpenClaw，也并非生活中的每一个垂直领域（Vertical）都已完全AI化。因此，Token的消费（Consumption）仍将继续增长，潜力巨大。

Token的消耗正在从“人类主动发起”转变为“机器自动运转”。一个程序员手动使用AI编程助手一天可能消耗几十万Token，但一旦配置Agent全天候在后台运行，进行代码编写、资料查询、测试、部署等任务，消耗量可直接跳到千万级。当这种使用方式从少数极客扩散到普通开发者，再扩散到每一个知识工作者，Token的需求增长将是指数级别的。如果用一句话概括这个趋势，那就是：上一个时代中国出口的是衬衫和家电，这个时代是电动车，那么下一个时代可能就是Token了。

Token到底意味着什么？对Meta员工来说，它是排行榜上的勋章；对创业公司来说，它是每月最大的一笔开支；对OpenRouter来说，它是抽取5%佣金的流水；对中国的云厂商来说，它是把电力变成美元的管道；对黄仁勋来说，Token会变成大宗商品（Commodity），每一个输入和输出都与芯片挂钩。Token作为一种大宗商品，人类历史上所有销售大宗商品的方式，如期货、套利、批发零售、聚合平台、计量计费，都将在Token身上重新上演。

同时，Token的定价方式也可能发生巨大变化。业界正在尝试按“复杂度计费”的Effort-based Pricing模式，或按任务完成度计费的Task-based Pricing模式。这都使得Token Economy的定价方式在未来有着巨大的进化空间，就像原油到汽油再到续航里程的定价逻辑，将在Token到任务到业务结果这条进化路径上再现。从Token-maxxing到Token套利，从OpenRouter到Metronome，每一个概念和公司本质上都是古老商业逻辑的AI升级版本，唯一不同的是速度——这一切不是在几十年里慢慢展开，而是在几个月内迅速发生。这场游戏才刚刚开始。