บิลโทเค็น AI ระเบิด: 500 ล้าน, 1.3 ล้าน และ 18 พันในหนึ่งคืน

ใช้เงิน 5 พันล้านดอลลาร์สหรัฐในเวลา 1 เดือน!

เมื่อไม่นานมานี้ วงการเทคโนโลยีได้เปิดเผยเรื่องผิดพลาดครั้งใหญ่ ตามรายงานของ Axios บริษัทหนึ่งได้ใช้จ่ายไปถึง 5 พันล้านดอลลาร์สหรัฐบน Claude ภายในเวลาเพียง 1 เดือน!

เหตุผลน่าทั้งหัวเราะและน้ำตาไหล: ผู้บริหารลืมตั้งขีดจำกัดปริมาณการใช้งานเมื่อเปิดสิทธิ์บัญชี Claude ให้พนักงาน

ที่จริงแล้ว บริษัทที่ล้มละลายจากบิล AI มีมากกว่านี้หลายแห่ง

ในเดือนเมษายนปีนี้ ผู้ใช้ Google Cloud คนหนึ่งได้รับใบแจ้งหนี้ 18,000 ดอลลาร์สหรัฐในหนึ่งคืน เนื่องจากคีย์ API ที่เหลืออยู่ในบริการสาธารณะถูกใช้ในทางที่ผิด โดยบัญชีนี้มีงบประมาณเดิมเพียง 7 ดอลลาร์สหรัฐ

ชื่อผู้ใช้ที่โชคร้ายนี้คือ Jesse Davies ผู้เชี่ยวชาญด้าน AI จากออสเตรเลีย และผู้ก่อตั้ง Agentic Labs เขาได้ตั้งการป้องกันสองชั้นสำหรับบัญชี Google Cloud ของตนเอง: การแจ้งเตือนงบประมาณที่ 10 ดอลลาร์ออสเตรเลีย (ประมาณ 7 ดอลลาร์สหรัฐ) และขีดจำกัดการใช้จ่ายแบบคงที่ที่ 1,400 ดอลลาร์สหรัฐ

ตามรายงานของ Tom's Hardware ผู้โจมตีค้นพบบริการ Cloud Run ที่เขาเผยแพร่เมื่อหลายเดือนก่อนจาก AI Studio และส่งคำขอมากกว่า 60,000 ครั้ง ระบบป้องกันสองชั้นไม่สามารถขัดขวางได้: การคำนวณใบแจ้งหนี้มีความล่าช้า และเมื่อระบบตอบสนองได้ ยอดเงินได้พุ่งขึ้นเป็น 18,000 ดอลลาร์สหรัฐ

กลางเดือนพฤษภาคม ผู้ก่อตั้งโครงการโอเพนซอร์ส OpenClaw ปีเตอร์ สไตน์เบอร์เกอร์ โพสต์ภาพหน้าจอบน X: บิล API ของ OpenAI ภายใน 30 วัน อยู่ที่ 1.3 ล้านดอลลาร์สหรัฐ

ทีมของเขามีเพียงสามคน แต่พวกเขาควบคุมตัวแทน Codex 100 ตัวที่ทำงานพร้อมกัน: ใช้โทเค็นไป 60.3 หมื่นล้านโทเค็นใน 30 วัน และส่งคำขอไป 7.6 ล้านครั้ง โชคดีที่ 1.3 ล้านดอลลาร์สหรัฐนี้ไม่ได้เป็นเงินของเขาเอง

สไตเนอร์เบอร์เกอร์เข้าร่วม OpenAI เมื่อเดือนกุมภาพันธ์ปีนี้ จำนวน 1.3 ล้านดอลลาร์สหรัฐถูกใช้เป็นการทดลองภายใน:

ทดสอบหากไม่คำนึงถึงต้นทุนโทเค็น การเขียนโปรแกรมด้วย AI จะบรรลุขีดจำกัดใดได้บ้าง เขาเสริมว่า นี่คือผลลัพธ์จากโหมด「Fast Mode」ของ Codex เมื่อปิดแล้วจะอยู่ที่ประมาณ 300,000 ดอลลาร์สหรัฐ

ก่อนหน้านี้ หัวหน้าเทคโนโลยีของ Uber อย่าง Praveen Neppalli Naga ยังเคยยอมรับกับ The Information ว่า บริษัทได้ใช้จ่ายงบประมาณทั้งปีสำหรับ Claude Code ไปแล้วในเดือนเมษายน และหัวหน้าฝ่ายปฏิบัติการของพวกเขาได้แสดงความเห็นอย่างเปิดเผยว่า ต้นทุนด้าน AI กำลังกลายเป็นเรื่องที่ “ยากจะอธิบายได้” มากขึ้น

500 ล้าน 1.3 ล้าน 18,000 แม้จำนวนเงินจะต่างกันหลายระดับ แต่ล้วนชี้ไปที่ข้อเท็จจริงเดียวกัน:

ในยุคของเอเจนต์ กุญแจที่สูญหาย เอเจนต์กองทัพที่ทำงานตลอด 24 ชั่วโมง และบัญชีที่ลืมตั้งขีดจำกัด: หนึ่งในนั้นก็เพียงพอที่จะทำให้บัญชีโทเค็นของคุณพุ่งสูงขึ้นในคืนเดียว

คำตอบส่วนใหญ่ซ่อนอยู่ในการเปลี่ยนแปลงวิธีการคิดค่าบริการ

ตั้งแต่เดือนเมษายนปีนี้ ระบบการคิดค่าบริการแบบรายเดือนของ OpenAI ได้เริ่มเปลี่ยนไปเป็นการคิดค่าบริการตามปริมาณ Token ที่ใช้

วันที่ 2 เมษายน ระบบการเรียกเก็บเงินของ Codex เปลี่ยนจากคำนวณตามจำนวนข้อความ เป็นการคำนวณตามการใช้งาน Token: แยกคำนวณ Token สามประเภท ได้แก่ อินพุต แคชอินพุต และเอาต์พุต วันที่ 23 เมษายน กฎนี้ถูกขยายไปยังแผนทั้งหมดของ Enterprise, Edu, Health และ Gov: ส่วนลดที่มองไม่เห็นในค่าบริการรายเดือนถูกตัดออก

GitHub ตามมาทันที โดยประกาศเมื่อไม่นานนี้: แพ็กเกจ Copilot ทั้งหมดจะเปลี่ยนเป็นระบบคิดค่าบริการตามการใช้งานตั้งแต่วันที่ 1 มิถุนายน 2026 ตรรกะการเรียกใช้งานแบบเดิมจะถูกยกเลิก และแทนที่ด้วยเครดิต AI ซึ่งจะคำนวณค่าใช้จ่ายตามการใช้งานจริงของ Token ขาเข้า, Token ขาออก และ Token แคช โดยอ้างอิงจากอัตราค่าบริการ API ของแต่ละโมเดล

GitHub ได้อธิบายเหตุผลในการทำเช่นนี้:

ตอนนี้ ผู้ใช้จ่ายเงินเท่ากันสำหรับคำถามแชทแบบเร็วๆ และงานเขียนโค้ดแบบอัตโนมัติที่ใช้เวลาหลายชั่วโมง GitHub ได้จ่ายเงินให้กับผู้ใช้ที่รันงานหนักมาโดยตลอด แต่รูปแบบนี้ไม่สามารถยั่งยืนต่อไปได้

ก่อนที่ตัวแทนปัญญาประดิษฐ์จะโดดเด่น ค่าใช้จ่ายในการแชทและการเติมเต็มใกล้เคียงกัน ค่ารายเดือนจึงจ่ายได้

หลังจากการเกิดขึ้นของตัวแทนอัจฉริยะ งานหนึ่งงานสามารถทำงานต่อเนื่องเป็นเวลาหลายชั่วโมงและเปลี่ยนแปลงโค้ดทั้งหมด ความแตกต่างของต้นทุนระหว่างผู้ใช้หนักและผู้ใช้เบาสามารถขยายไปหลายระดับของขนาด ระบบค่าบริการรายเดือนพังทลายลงทันทีเมื่อเผชิญกับความแตกต่างนี้

เมื่อข่าวออกมาก็เกิดความตื่นตัวบน Reddit และ X

นักพัฒนาที่มี ID เป็น JBusu ได้โพสต์ภาพหน้าจอใบแจ้งหนี้ โดยระบุว่าราคาใหม่นี้ “เป็นเรื่องตลก” ค่าใช้จ่ายเดิมอยู่ที่ 28.12 ดอลลาร์สหรัฐต่อเดือน แต่ภายใต้ราคาใหม่ต้องจ่าย 746.01 ดอลลาร์สหรัฐ เขาจึงตัดสินใจยกเลิกการสมัคร “ราคาแบบนี้ ฉันเช่าเซิร์ฟเวอร์คลาวด์เองยังถูกกว่า”

ผู้ใช้อีกคนแสดงภาพหน้าจอที่รุนแรงกว่า โดยค่าธรรมเนียมพุ่งจาก 50 ดอลลาร์สหรัฐขึ้นไปถึง 3,000 ดอลลาร์สหรัฐ เขากล่าวว่าไม่คาดคิดว่าราคาจะสูงเกินไปจนเช่นนี้ «ยังมีคนสมัครต่ออยู่ไหม?»

อย่างไรก็ตาม มีผู้ใช้ Copilot รุ่นเก่าออกมาโต้แย้งว่า: ใบแจ้งหนี้ที่สูงมากเหล่านี้ส่วนใหญ่เกิดจาก vibe-coder ที่ไม่ใส่ใจกับการใช้ Token ไปอย่างสิ้นเปลือง ซึ่งอาจไม่ได้สะท้อนการใช้งานปกติ

ผู้ใช้เก่าแสดงความคิดเห็นในส่วนความคิดเห็น: “ฉันใช้มันทั้งวัน ปลายเดือนแทบไม่เกินงบ ยากที่จะเชื่อว่านี่คือความแตกต่างของความซับซ้อนของงาน” อีกคนหนึ่งพูดตรงไปตรงมากว่า: “มีบางคนต้องการพัฒนาโหมด YOLO อัตโนมัติเต็มรูปแบบ ให้ AI วิ่งไปตามใจชอบ การตัดทิ้งการสิ้นเปลืองแบบนี้กลับเป็นเรื่องดีสำหรับคนอื่นๆ”

มีจุดหนึ่งที่ต้องเข้าใจให้ชัดเจน: GitHub ไม่ได้ยกเลิกค่าธรรมเนียมรายเดือน ราคาแผนพื้นฐานยังไม่เปลี่ยนแปลง สิ่งที่เปลี่ยนไปจริงๆ คือการใช้งานเพิ่มเติม งานตัวแทน และการเรียกใช้งานโมเดลที่แพงขึ้น ซึ่งตอนนี้เข้าสู่ระบบการคิดค่าบริการตามการใช้งาน

ผู้ใช้งานเอเจนต์หนักที่พึ่ง Copilot ในการรันงานสายยาวได้รับผลกระทบมากที่สุด

ค่าสมาชิกรายเดือนพัง ด้านหนึ่งคือแพลตฟอร์มเปลี่ยนกฎการคิดค่าบริการ อีกด้านหนึ่งคือผู้ใช้ AI ก็กำลังใช้จ่ายอย่างหนัก

ในเดือนพฤษภาคม Business Insider รายงานว่า Amazon ได้ปิดใช้งานตารางอันดับ AI ภายในชื่อ KiroRank

รายงานฉบับนี้อ้างคำพูดของบุคคลที่มีข้อมูลว่า รายชื่อนี้ได้สร้างวิธีการทำงานที่แปลกประหลาดขึ้นอย่างเงียบๆ: พนักงานบางส่วนเพื่อเลื่อนอันดับให้สูงขึ้นบนรายชื่อ จะทำการใช้ Token ที่ไม่ได้แก้ปัญหาใดๆ จริงๆ เพียงเพื่อให้ได้อันดับที่ดีกว่า

หลังจากเรื่องนี้ถูกเปิดเผย ดาเว ทรีดเวลล์ รองประธานอาวุโสของ Amazon ได้สื่อสารกับพนักงานทั้งหมดโดยตรง: "อย่าใช้ AI เพียงเพราะอยากใช้ มันควรใช้เพื่อแก้ปัญหาของลูกค้า แก้ปัญหาทางธุรกิจ และสร้างนวัตกรรม"

แม้เรื่องนี้จะดูแปลกประหลาดเล็กน้อย แต่ก็ไม่น่าแปลกใจเลย เมื่อการ “เผาโทเค็น” สามารถขึ้นแท่นได้ พนักงานก็จะหันไปเผาโทเค็นตามธรรมชาติ

ซิลิคอนแวลลี่ตั้งชื่อเฉพาะสำหรับปรากฏการณ์นี้ว่า Tokenmaxxing (การเผา Token อย่างสุดขีด) โดยถือว่าปริมาณการใช้จ่ายคือผลผลิต

รายงานของ Axios ยังระบุว่า มีซีทีโอพบว่าพนักงานใช้โมเดล AI เพื่อตรวจสอบสภาพอากาศและเขียนอีเมลประจำวัน ซึ่งเป็นเรื่องง่ายๆ แต่กลับใช้โมเดลล้ำสมัยที่แพงที่สุด ทำให้บิลค่าใช้จ่ายเพิ่มขึ้นโดยไม่รู้ตัว

KiroRank ไม่ใช่ระบบการประเมินอย่างเป็นทางการของ Amazon แต่เป็นเครื่องมือที่พนักงานสร้างขึ้นเองอย่างไม่เป็นทางการ แต่มันเปิดเผยกฎการจัดการที่คลาสสิกอย่างชัดเจน: เมื่อ KPI ถูกตั้งผิด คนจะใช้วิธีที่ฉลาดที่สุดในการหาช่องโหว่

การเทียบว่า “ใช้ไปเท่าไหร่” เท่ากับ “ทำได้ดีแค่ไหน” — นี่คือรากฐานเชิงระบบของความสิ้นเปลือง AI ในรอบนี้

อีกด้านหนึ่งของความกังวลเกี่ยวกับบิลโทเค็น บางคนกำลังแอบเปลี่ยนมันให้เป็นธุรกิจ

ทางแรก: ให้ข้อมูลบริบทแก่ AI

Glean คือบริษัทของ Arvind เอง มันเป็นผู้ช่วย AI สำหรับธุรกิจ: รวมรวมความรู้ที่กระจัดกระจายทั่วองค์กรให้เชื่อมต่อกัน ทำให้ AI ของพนักงานสามารถเข้าถึงบริบทได้ทันที โดยไม่ต้องตามหาข้อมูลอย่างสับสน AI จึงไม่ต้องเดินทางไกล ทำให้ใช้ Token น้อยลง

กลไกนี้ช่วยให้รายได้ประจำปีของ Glean เพิ่มขึ้นสามเท่าภายใน 15 เดือน vượtเกิน 3 พันล้านดอลลาร์สหรัฐ โดยมีลูกค้ารวมถึง Databricks, Reddit และ Samsung

ทางที่สอง: แบ่งงานให้กับโมเดลที่เหมาะสม

บริษัทสตาร์ทอัพ Factory AI ทำสิ่งนี้: ส่งงานแต่ละงานไปยังโมเดลที่เหมาะสมที่สุดโดยอัตโนมัติ งานง่ายๆ ใช้โมเดลราคาถูก งานซับซ้อนใช้โมเดลระดับสูงสุด Arvind ยังกล่าวว่า: หากทำ routing ได้ถูกต้อง สามารถประหยัดได้ถึง 10 เท่า

ทั้งสองทางนี้นำไปสู่จุดเดียวกัน: ให้ AI ทำงาน แต่อย่าให้มันใช้พลังงานฟุ่มเฟือย

การวิจัยในวงการวิชาการก็กำลังสร้างรากฐานให้กับการเปลี่ยนแปลงนี้

https://arxiv.org/pdf/2604.22750

บทความ arXiv ปี 2026 เดือนเมษายน ได้แยกแยะอย่างเป็นระบบเป็นครั้งแรกว่าภารกิจการเข้ารหัสตัวแทนทำงานอย่างไรจึงใช้เงินจำนวนมาก

ข้อสรุปที่หนึ่ง: การใช้ Token สำหรับงานของตัวแทนอัจฉริยะสามารถสูงถึงพันเท่าของรหัสการให้เหตุผลและบทสนทนาเกี่ยวกับรหัส ซึ่งสาเหตุหลักที่ทำให้ต้นทุนสูงขึ้นคือ Token ที่ใช้เป็นข้อมูลนำเข้า

ข้อสรุปที่สอง: การรันงานเดียวกันหลายครั้ง สามารถใช้โทเค็นต่างกันได้ถึง 30 เท่า

ข้อสรุปที่สาม: การใช้โทเค็นมากขึ้นไม่ได้หมายความว่าจะได้ความแม่นยำสูงขึ้น ความแม่นยำมักจะสูงสุดที่ต้นทุนปานกลาง—ยิ่งใช้จ่ายมากขึ้นไปอีก เงินก็หายไป แต่ผลลัพธ์กลับไม่ดีขึ้น

เอกสารวิจัยยังพบว่า โมเดลชั้นนำไม่สามารถคาดการณ์ได้ว่าจะใช้โทเค็นเท่าใด รวมถึงประเมินต้นทุนจริงต่ำเกินไป

คุณคิดว่าใช้เงินมากขึ้นจะได้งานที่ดีขึ้น แต่ความจริงคือเงินได้ใช้ไปแล้ว งานก็未必ดีขึ้น และยังคาดการณ์งบประมาณไม่แม่นยำ

นี่เป็นครั้งแรกในความทรงจำของฉันที่ต้นทุนทางเทคนิคเริ่มเท่ากับต้นทุนแรงงาน

เมื่อวันที่ 29 พฤษภาคม Arvind Jain ซีอีโอของ Glean ได้กล่าวไว้ในการสัมภาษณ์กับผู้สื่อข่าว CNBC Deirdre Bosa

ข้อสังเกตของไบรอัน คาทานซาร์โอ รองประธานฝ่ายการเรียนรู้เชิงลึกของนิวเดีย ยังยืนยันจุดนี้

เขาได้กล่าวในสัมภาษณ์กับ Axios ว่า สำหรับทีมของเขา ต้นทุนการขุดได้เกินกว่าค่าจ้างพนักงานไปไกลแล้ว

ปรากฏการณ์คล้ายกันกำลังเกิดขึ้นในหลายบริษัท: ตั้งแต่ Glean ที่พัฒนา AI สำหรับธุรกิจ ไปจนถึง NVIDIA ที่ขายหน่วยประมวลผล AI และ Uber ที่ใช้ AI ต่างก็กำลังทบทวนบัญชีนี้อีกครั้ง

ในมุมมองของอาร์วินด์ ประวัติศาสตร์แสดงให้เห็นว่าเทคโนโลยีเป็นเพียงส่วนเล็กน้อยของต้นทุนรวมขององค์กร แต่ตอนนี้ต้นทุน AI ได้เทียบเท่ากับเงินเดือนพนักงานแล้ว และงบประมาณ AI รายปีขององค์กรหลายแห่งมักจะใช้หมดภายในหนึ่งถึงสองเดือน

ในปีที่ผ่านมา การใช้งาน AI เป็นตัวชี้วัดที่ถูกยกย่อง: ยิ่งใช้มากยิ่งถือว่าทันสมัย ยิ่งเผา Token ยิ่งถือว่าต้อนรับอนาคต ตอนนี้ บริษัทหลายแห่งเริ่มทบทวนคำพูดเรียบง่ายนี้: Token ที่ถูกเผาไปนั้น ได้แลกมาซึ่งอะไรบ้าง?

ช่วงเวลาที่สามารถใช้งานแบบไม่จำกัดโดยไม่เสียค่าใช้จ่ายกำลังปิดลงในขณะนี้

ถัดไป นักพัฒนาทุกคนต้องเผชิญกับคำถามนี้: จะจัดการอย่างไรให้แต่ละโทเค็นมีมูลค่าสูงสุด

ผู้ชนะที่แท้จริงในอนาคต ไม่ต้องสงสัยเลยคือผู้ที่เรียนรู้การคำนวณบัญชีโทเค็นก่อนใคร

ข้อมูลอ้างอิง:

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

บทความนี้มาจาก微信号 “New智元” โดยผู้เขียน: ASI Revelation