1 個月燒出 5 億美元帳單！
近日，科技圈曝出一樁驚天烏龍。據 Axios 報導，一家企業在短短 1 個月內，竟然在 Claude 上刷爆 5 億美元！
原因令人哭笑不得：管理層在為員工開通 Claude 帳號權限時，忘了設定使用額度上限。
其實，AI 賬單爆倉的遠不止這一家。
今年4月，一名谷歌雲用戶因公開服務中遺留的API key被濫用，原本僅有7美元預算的賬戶，一夜之間收到了1.8萬美元的賬單。
這個倒楣的用戶名為 Jesse Davies，是澳大利亞的 AI 咨詢顧問兼 Agentic Labs 創辦人。他為自己的 Google Cloud 帳戶設置了兩重保障：一個 10 澳元（約 7 美元）的預算警報，以及一個 1400 美元的硬性消費上限。
根據 Tom's Hardware 報導，攻擊者發現了他幾個月前從 AI Studio 發布的一個 Cloud Run 服務，發出了 6 萬多個請求，兩道防護都未能攔截：賬單計算存在延遲，等系統反應過來時，金額已飆升至 1.8 萬美元。
5 月中旬，開源項目 OpenClaw 的創始人 Peter Steinberger 在 X 上貼出一張截圖：30 天，OpenAI API 賬單 130 萬美元。
他的團隊只有三人，但他們指揮的100個Codex智能體正在並行運行：30天內消耗了6030億個Token，發出760萬次請求。幸好，這130萬美元並非他自掏腰包。
Steinberger 於今年 2 月加入 OpenAI，這 130 萬美元被當作一次內部實驗：
如果忽略 Token 成本，AI 編程能達到什麼極限？他補充道，這是 Codex「Fast Mode」（高速檔計費）的結果，關閉後約為 30 萬美元。
更早一些，Uber 的 CTO Praveen Neppalli Naga 也曾向 The Information 承認，公司在 4 月就已將全年的 Claude Code 預算用盡，他們的 COO 也公開表示，AI 成本越來越「難以自圓其說」。
5 億、130 萬、1.8 萬，金額雖然相差幾個數量級，卻指向同一個事實：
在智能體時代，失控的密鑰、晝夜無休的智能體軍團、忘了設上限的賬號：任何一個，都能讓你的 Token 賬單一夜刷爆。
AI 賬單為何會爆倉？
The answer mainly lies in the change in billing methods.
自今年4月起，OpenAI 的按月計費方式開始轉向按 Token 使用量計費。
4月2日，Codex的計費方式從按訊息估算改為按Token用量對齊：輸入、快取輸入和輸出三類Token分開計算。4月23日，此規則擴展至所有Enterprise、Edu、Health、Gov方案：月費中那筆隱藏的折扣被移除。
GitHub 也緊隨其後，剛剛正式宣佈：自 2026 年 6 月 1 日起，所有 Copilot 套餐將轉為按用量計費。舊的高級請求邏輯將作廢，改為使用 AI 配額，並根據輸入 Token、輸出 Token 和快取 Token 的實際消耗量，依照各模型的 API 費率進行結算。
GitHub 官方解釋了這麼做的原因：
現在，用戶花在一次快速聊天提問上的錢，和花在一次持續數小時的自主編碼任務上的錢一樣多。GitHub 一直為那些執行繁重任務的用戶支付費用，但這種模式已不可持續。
在 AI 智能體崛起之前，聊天和補全的成本差不多，月費還負擔得起。
在智能體崛起之後，一項任務可連續運行數小時、修改整個代碼庫，重度用戶與輕度用戶的成本差距可達數個數量級。在這種差距面前，月費制直接崩潰了。
消息一出，Reddit 和 X 上一片嘩然。
一位ID為JBusu的開發者晒出了賬單截圖，直言新定價「就是個笑話」。原本28.12美元/月的開銷，按新制要付746.01美元，他已決定退訂，「這個價格，我自己租雲伺服器都還便宜」。
另一名用戶截圖顯示，費用從50美元一路暴漲至3000美元，他表示沒想到定價如此離譜，「還有人繼續訂閱嗎？」
但也有 Copilot 的資深用戶出來反駁：這些極端帳單多半是 vibe-coder（憑感覺編碼者）不把消耗 Token 當回事才造成的，未必能代表正常使用情況。
一位老用戶在評論區留言：「我整天都在用，月底基本不超支，很難相信這是工作複雜度的差異。」另一位則更直接：「就是有人要全自動的 YOLO 模式開發，讓 AI 隨便跑。這種浪費被剔除，對其他人反而是好事。」
必須明確的一點是：GitHub 沒有取消月費，基礎訂閱價格並未改變。真正改變的是額外用量、智能體任務以及更昂貴的模型調用，自此進入用量計費模式。
受到衝擊最大的，是那些依賴 Copilot 執行長鏈任務的重度智能體用戶。
被自己人玩壞的排名
月費失守，一面是平台更改了計費規則，另一面是使用 AI 的人，自己也在拼命燒錢。
5 月，Business Insider 報導，Amazon 下線了一個名為 KiroRank 的內部 AI 使用排行榜。
該報導援引知情人士的話稱，這個榜單悄然催生了一種奇怪的工作方式：部分員工為了在榜單上多爬幾位，會去刷一些並不解決實際問題的 Token 消耗，純粹為了排名。
事情曝光後，Amazon 高級副總裁 Dave Treadwell 直接向全體員工喊話：「別為了使用 AI 而使用 AI。用它來解決客戶問題、業務問題，進行創新。」
這事雖然有點荒唐，但毫不意外。當「燒 Token」能上榜，員工自然就會去燒 Token。
矽谷為這種現象起了個專門的名字：Tokenmaxxing（極限燒 Token），把消耗量當作生產力。
Axios 的報導也提到，有 CTO 發現員工用 AI 模型查詢天氣、撰寫日常郵件，如此簡單的事情卻套用最昂貴的前沿模型，帳單便悄然飆升。
KiroRank 並非 Amazon 官方考核體系，而是員工自發建立的非正式工具。但它清楚地暴露了一個經典的管理學規律：當 KPI 設錯時，人就會用最聰明的方式鑽空子。
將「用了多少」等同於「幹得好不好」——這正是這一輪AI浪費的制度性根源。
計算 Token 賬的人，已經在賺錢
在 Token 賬單焦慮的另一面，有人悄悄把它做成了生意。
第一條路：用上下文餵飽 AI。
Glean 正是 Arvind 自家的公司。它打造的是企業 AI 工作助手：將分散在公司各處的知識統一打通，讓員工的 AI 能直接取得上下文，無需再四處翻找。AI 少繞路，消耗的 Token 自然就少。
這套機制讓 Glean 的年收入在 15 個月內增長三倍，突破 3 億美元，客戶包括 Databricks、Reddit、Samsung。
Second path: Assign tasks to the right models.
模型路由初創公司 Factory AI 做的就是這件事：自動將每個任務分配給最合適的模型，簡單任務使用經濟型，複雜任務使用頂配型。Arvind 也提到：路由做得好，能節省 10 倍。
這兩條路殊途同歸：讓 AI 做事，但別讓它亂花錢。
學術圈的研究，也在為這種轉向奠基。
https://arxiv.org/pdf/2604.22750
一篇2026年4月的arXiv論文，首次系統性拆解了智能體編碼任務究竟如何燒錢。
結論一：智能體任務的 Token 消耗可達普通代碼推理和代碼對話的上千倍，推高成本的主要原因是輸入 Token。
結論二：同一個任務執行多次，Token 消耗可相差 30 倍。
結論三：更高的 Token 消耗，並不必然帶來更高準確率。精度往往在中等成本處見頂——再往上燒，錢花了，效果反而飽和。
論文還發現，前沿模型甚至無法預測自己需要消耗多少 Token，普遍低估了實際成本。
你以為多花錢就能多辦事。實際是錢花了，活不一定更好，預算還算不准。
當 AI 賬單開始趕超人力成本
這是我記憶中第一次，技術成本開始與人力成本持平。
5月29日，Glean 執行長 Arvind Jain 在接受 CNBC 記者 Deirdre Bosa 採訪時這樣講道。
英偉達應用深度學習副總裁 Bryan Catanzaro 的觀察也印證了這一點。
他在 Axios 訪談中提到：對於他的團隊來說，算力成本已遠遠超過員工薪資。
類似的現象正在多家公司浮現：從從事企業AI的Glean，到銷售AI算力的英偉達，再到使用AI的Uber，都在重新審視這筆賬。
在 Arvind 看來，歷史上技術只是企業整體成本中很小的一部分，但現在 AI 成本已能與工資單持平，許多企業的年度 AI 預算通常在一到兩個月內就耗盡。
過去一年，AI 使用率是被崇拜的指標：用得越多就越先進，燒 Token 就是擁抱未來。現在，許多企業開始反思那句樸素的話：這些燒掉的 Token，到底換來了什麼？
免費包月暢用的窗口期，正於此時關閉。
接下來，擺在所有開發者面前的是這樣一個問題：如何精打細算，讓每一個 Token 發揮出最大價值。
未來真正的贏家，毫無疑問將是最先學會算 Token 賬的那個。
參考資料：
https://x.com/dee_bosa/status/2060791500049613306%20
https://www.cnbc.com/2026/05/29/-tokens-or-humans-the-new-corporate-trade-off.html
https://www.axios.com/2026/05/28/ai-spending-roi-enterprise-costs%20
https://www.businessinsider.com/amazon-ai-leaderboard-tokenmaxxing-2026-5
本文來自微信公眾號「新智元」，作者：ASI啟示錄