1个月烧出5亿美元账单!
近日,科技圈曝出一桩惊天乌龙。据Axios报道,一家企业在短短1个月内,竟然在Claude上刷爆5亿美元!
原因令人哭笑不得:管理层在给员工开通Claude账号权限时,忘了设置使用额度上限。
其实,AI账单爆仓的远不止这一家。
今年4月,一名谷歌云用户因公开服务中遗留的API key被滥用,原本只有7美元预算的账户,一夜之间收到了1.8万美元的账单。
这个倒霉用户名叫Jesse Davies,是一名澳大利亚AI顾问、Agentic Labs创始人。他给自己的Google Cloud账户设了两道保险:一个10澳元(约7美元)的预算预警,一个1400美元的硬性消费上限。
据Tom's Hardware报道,攻击者发现了他几个月前从AI Studio发布的一个Cloud Run服务,发了6万多个请求,两道保险都没拦住:账单计算有延迟,等系统反应过来,金额已经飙到了1.8万美元。
5月中旬,开源项目OpenClaw的创始人Peter Steinberger在X上贴出一张截图:30天,OpenAI API账单130万美元。
他的团队只有三个人,但他们指挥的100个Codex智能体在并行跑:30天烧掉6030亿个Token、跑出760万次请求。还好,这130万美元并非他自掏腰包。
Steinberger今年2月加入了OpenAI,这130万美元被当作一次内部实验:
测试如果不考虑Token成本,AI编程能跑到什么极限。他补充道,这是Codex「Fast Mode」(高速档计费)的结果,关掉之后大约30万美元。
更早一些,Uber的CTO Praveen Neppalli Naga也曾向The Information承认,公司4月份就把全年的Claude Code预算烧光了,他们的COO也公开表示,AI成本越来越「难以自圆其说」。
5亿、130万、1.8万,金额虽然差出几个数量级,却指向同一个事实:
在智能体时代,失控的密钥、昼夜无休的智能体军团、忘了设上限的账号:任何一个,都能让你的Token账单一夜刷爆。
AI账单为什么会爆仓?
答案主要藏在计费方式的变化里。
从今年4月起,OpenAI的包月计费方式开始转向按Token用量计费。
4月2日,Codex计费从按消息估算改成按Token用量对齐:输入、缓存输入、输出三类Token分开算。4月23日,这套规则扩展到所有Enterprise、Edu、Health、Gov方案:月费里那笔看不见的折扣被抽掉了。
GitHub也紧随其后,刚刚官宣:所有Copilot套餐从2026年6月1日起,转向按用量计费。旧的高级请求逻辑作废,换成AI额度,按输入Token、输出Token、缓存Token的实际消耗,对照每个模型的API费率结算。
GitHub官方解释了这么做的原因:
现在一个快速的聊天提问,和一次跑好几小时的自主编码任务,用户花的钱一样多。GitHub一直在替那些跑重度任务的用户买单,但这套模式已经不可持续。
AI智能体崛起之前,聊天和补全成本差不多,月费兜得住。
智能体崛起之后,一次任务能连续跑几小时、改动整个代码库,重度用户和轻度用户的成本差可以拉到几个数量级。月费制在这种差距面前,直接崩了。
消息一出,Reddit和X上一片哗然。
一位ID为JBusu的开发者晒出了账单截图,直言新定价「就是个笑话」。原本28.12美元/月的开销,按新制要付746.01美元,他已决定退订,「这个价格,我自己租云服务器都还便宜」。
另一名用户截图更夸张,费用从50美元一路狂飙到3000美元,他说没想到定价这样离谱,「还有人继续订阅吗?」
不过也有Copilot老用户出来反驳:这些极端账单多半是vibe-coder(凭感觉编码者)们不把烧Token当回事给烧出来的,未必能代表正常使用。
一位老用户在评论区留言:「我整天都在用,月底基本不超额,很难相信这是工作复杂度的差异。」另一位则更直接:「就是有人要全自动的YOLO模式开发,让AI随便跑。这种浪费被剔除,对其他人反而是好事。」
有一点必须清楚:GitHub没有废除月费,基础订阅价格并没有变。真正变的是额外用量、智能体任务、更贵的模型调用,从此进入用量计费。
被冲击最大的,是那些靠Copilot跑长链任务的重度智能体用户。
被自己人玩坏的排行榜
月费失守,一面是平台改了计费规则,另一面是用AI的人,自己也在拼命烧。
5月,Business Insider报道,Amazon下线了一个名叫KiroRank的内部AI使用排行榜。
该报道援引知情人士的话称,这个榜单悄悄催生了一种奇怪的工作方式:部分员工为了在榜单上多爬几位,会去刷一些并不解决实际问题的Token消耗,纯粹为了排名。
事情曝出之后,Amazon高级副总裁Dave Treadwell直接向全员喊话:「别为了用AI而用AI。用它去解决客户问题,解决业务问题,去创新。」
这事虽然有点荒唐,但毫不意外。当「烧Token」能上榜,员工自然就会去烧Token。
硅谷给这种现象起了个专门的名字:Tokenmaxxing(极限烧Token),把消耗量当生产力。
Axios的报道里也提到,有CTO发现员工拿AI模型查天气、写日常邮件,简单到不行的事,套上最贵的前沿模型,账单就能悄无声息地飞涨。
KiroRank并非Amazon官方考核体系,而是员工自发搭的非正式工具。但它清楚地暴露了一个经典的管理学规律:当KPI设错的时候,人就会用最聪明的方式钻空子。
把「用了多少」等同于「干得好不好」——这正是这一轮AI浪费的制度性根源。
算Token账的人,已经在赚钱
Token账单焦虑的另一面,有人悄悄把它做成了生意。
第一条路:用上下文喂饱AI。
Glean正是Arvind自家公司。它做的就是企业AI工作助手:把分散在公司各处的知识统一打通,让员工的AI直接拿到上下文,不必再四处翻箱倒柜。AI少绕路,烧的Token自然就少。
这套机制让Glean的年度营收15个月翻三倍,跨过3亿美元,客户包括Databricks、Reddit、Samsung。
第二条路:把活分给对的模型。
模型路由初创公司Factory AI干的就是这件事:自动把每个任务派给最合适的模型,简单任务走便宜档,复杂任务走顶配。Arvind也讲过:路由做对了,能省10倍。
这两条路殊途同归:让AI干活,但别让它乱烧。
学术圈的研究,也在为这种转向奠基。
https://arxiv.org/pdf/2604.22750
2026年4月的一篇arXiv论文,第一次系统拆解了智能体编码任务到底怎么烧钱。
结论一:智能体任务的Token消耗,可达普通代码推理和代码对话的上千倍,推高成本的主因是输入Token。
结论二:同一个任务跑多次,Token消耗能差出30倍。
结论三:更高的Token消耗,并不必然带来更高准确率。精度往往在中等成本处见顶——再往上烧,钱花了,效果反而饱和。
论文还发现,前沿模型连预测自己要烧多少Token都做不到,普遍低估真实成本。
你以为多花钱就能多办事。实际是钱花了,活不一定更好,预算还算不准。
当AI账单开始赶超人力成本
「这是我记忆中第一次,技术成本开始和人力成本持平。」
5月29日,Glean CEO Arvind Jain在接受CNBC记者Deirdre Bosa采访时这样讲道。
英伟达应用深度学习副总裁Bryan Catanzaro的观察也印证了这一点。
他在Axios访谈里提到:对于他的团队来说,算力成本已经远远超过员工薪资。
类似的现象正在多家公司浮现:从做企业AI的Glean,到卖AI算力的英伟达,再到用AI的Uber,都在重新审视这笔账。
在Arvind看来,历史上技术只是企业整体成本里很小的一块,但现在AI成本已经能追平工资单了,很多企业的年度AI预算通常都是一到两个月就烧光。
过去一年,AI使用率是被崇拜的指标:多用就是先进,烧Token就是拥抱未来。现在,许多企业开始反思那句朴素的话:这些烧掉的Token,到底换来了什么?
免费包月畅用的窗口期,恰恰正在此时关上。
接下来,摆在所有开发者面前的是这样一个问题:如何精打细算,让每一个Token发挥出最大价值。
未来真正的赢家,毫无疑问将是最先学会算Token账的那个。
参考资料:
https://x.com/dee_bosa/status/2060791500049613306%20
https://www.cnbc.com/2026/05/29/-tokens-or-humans-the-new-corporate-trade-off.html%20
https://www.axios.com/2026/05/28/ai-spending-roi-enterprise-costs%20
https://www.businessinsider.com/amazon-ai-leaderboard-tokenmaxxing-2026-5
本文来自微信公众号“新智元”,作者:ASI启示录
