如果你是一家AI创业公司的CEO，发现公司年度AI预算在4个月内就烧光了，你会怎么做？Uber的答案是：立即实行每人每月1500美元的AI消费额度上限，超出部分需逐级审批。这背后是一个正在席卷整个AI行业的趋势——Tokenmaxxing时代的终结。
什么是Tokenmaxxing？
“Tokenmaxxing”一词来自AI圈对新行为模式的调侃：企业尽可能多地使用前沿模型（如Claude、GPT-5.5）处理所有任务，不考虑成本上限，因为”AI就是未来，多花钱就是多投资”。这种策略推动了Anthropic和OpenAI收入指数级增长，让它们成为万亿估值公司。
但现在，这个模式正在急剧逆转。据CNBC 6月26日报道，企业开始大规模实施AI成本控制措施。原因很简单：前沿模型的API费用已经超过了许多公司的承受能力。
Lindy的案例：100%撤离Claude，成本断崖式下降
最极端的案例来自AI创业公司Lindy。CEO Flo Crivello决定将公司100%的API流量从Anthropic的Claude模型迁移到DeepSeek V4-Pro。结果？成本曲线”像自由落体一样崩塌”，每年节省数百万美元。
“我们做了，你能看到成本曲线直接——就像撞到地面一样掉下来，”Crivello在接受采访时表示，”这对企业的生存至关重要。”Lindy是一个25人的AI创业公司，现在AI支出仍然超过人力成本，但DeepSeek迁移已经让这笔钱从不可持续变成了可控。
当然，DeepSeek V4-Pro没有Claude的安全控制、宪法AI训练、企业治理功能或美国来源保证。对于有合规要求的财富500强企业来说，这个选择并不适用。但Lindy的案例说明了一个关键事实：成本差距已经大到CEO层面必须做出决策的程度。
Uber的教训：4个月烧光全年预算
Uber的情况同样触目惊心。公司CTO透露，Uber在4个月内就烧光了全年的AI预算。为此，Uber实施了每人每月1500美元的AI使用额度，需要更高额度必须提交升级申请。这在以”效率优先”著称的Uber是一个极其强烈的信号。
“顾问模型”技术：花1/10的钱，干90%的活
分析师Gil Luria（D.A. Davidson）直言：”Anthropic和OpenAI目前的增长速度是他们有史以来最快的，这主要是基本数学决定的——企业不可能永远指数级增长AI支出。”
出路在于”顾问模型”（Advisor Model）技术：将大部分API工作负载路由到廉价的开源模型（如DeepSeek V4-Pro $0.44/$0.87每百万token，或GLM-5.2 $1.40/$4.40），只将真正需要前沿能力的任务升级到Claude Opus 4.8或GPT-5.6。据估算，这种策略可以将有效每token成本降低70-90%。
对用户的启示
Tokenmaxxing的终结不只是一个企业财务故事。它的深层信号是：AI行业正从”只要能跑就烧钱”的野蛮生长期，进入”看性价比”的成熟竞争期。对普通用户和中小企业来说，这意味着两件事：
- 开源模型的性价比将持续提升——DeepSeek、GLM等模型的API价格远低于前沿闭源模型，而性能差距正在缩小
- 混合模型策略将成为标准做法——不再只用一家、一个模型，而是根据不同任务选择最合适的模型
从”不惜代价追求最强”到”精打细算追求最优”，这个转变对行业健康度来说或许是好事。只是对还在为下一轮融资做PPT的AI公司来说，估值故事需要重新讲了。更多AI工具对比和使用策略，请访问 AI Dash。