实习生一天烧1亿Token被约谈：AI编程的无效消耗，真不是钱的事

技术群里这两天都在聊一件挺离谱的事：有个实习生用 AI Agent 改接口，来回调试一整天，最终合进去的改动不过几十行。结果后台 Token 消耗一查，直接干到了 1 亿，当天就被 mentor 叫去谈话了。

有人可能觉得，这至于吗？不就是 1 亿 Token，能花几个钱？按现在国产主流 Flash 模型的行情粗略算一下：空闲时段输入约 1 元 / 百万 Token，输出约 4 元 / 百万 Token，1 亿 Token 满打满算也就两百来块。放在个人开发者身上，如果能换来几小时的高效产出，这笔账怎么算都不亏。

但这件事的关键，从来不是钱。就在上周，全球 AI 大模型单周总调用量已经冲到 146 万亿 Token，环比还在涨 13%。更早的 8 月数据则显示，Agent 消耗的 Token 量已经是人类的 5 倍以上。很多团队兴冲冲把 AI 编程助手 接进来，结果第一个月需求交付没见提速多少，算力账单先翻了两三倍。本质都一样：无效消耗太多了。

不少人用 AI 的思路，从一开始就偏了。遇到报错直接把整个仓库丢给模型，改一版跑不通就另开一个对话从头再来，上下文越堆越长，大量过期信息和重复逻辑被反复喂进去。说句不好听的，这不是辅助开发，这是在拿 Token 碰运气：撞对了算赚，撞不对就接着烧。不同推理档位之间的消耗能差出两三倍，可很多人连问题都没描述清楚，先把超高推理档位拉满，成本平白多出好几倍。

企业开始抓 Token 管控，也真不是抠门。最近无论是海外厂商推出的员工 AI 使用管控方案，还是国内落地的 AI 安全治理框架，核心都不是禁用 AI，而是要把投入产出算清楚。资深开发用 AI 半小时定位一个跨模块的疑难 bug，这是实打实的效率提升；新人对着几十行代码反复让 AI 重写整个文件，那就是纯资源浪费。大家账单上可能都是几百万 Token，实际价值却天差地别。

以前程序员拼的是会不会写代码，往后可能还得拼会不会“指挥”AI。别信什么“AI 时代会提问就够了”的鬼话。真正高效的用法，永远是自己先把问题范围收窄，定位到可疑代码片段，补足背景信息，再让 AI 去解决最核心的那一段。需求分析、问题定位这些本该自己扛的活，全都甩给 AI，说到底就是偷懒，最后 Token 烧了一堆，产出还没保证。

当然，也不能走到另一个极端。如果公司把“Token 用得越少越优秀”当成考核，那也是典型的负优化。工具造出来就是给人用的，没人会因为打印机费纸，就让全员回去手写代码。关键是让 Token 花在刀刃上，而不是拿去跟 AI 闲聊，或者做无意义的反复试错。

说到底，1 亿 Token 这件事最值得讨论的，从来不是花了多少钱，而是 AI 时代人与人的差距，可能会从“会不会用工具”进一步拉大到“会不会高效用工具”。你们团队现在有没有管 AI Token 消耗？评论区聊聊你们那边的规矩。