Microsoft slukker for tokenmaxxing: Interne AI-budgetter og billigere GPT-5.6 markerer afslutningen på en æra

Microsofts beslutning er ikke en isoleret spareøvelse. Det er et tydeligt signal om, at æraen med "tokenmaxxing" — at behandle maksimalt AI-tokenforbrug som et mål for produktivitet og innovation — er slut i hele teknologiindustrien .

Hvad fik Microsoft til at lægge loft over sit eget AI-forbrug?

Tre specifikke presfaktorer tvang Microsoft til at indføre intern AI-disciplin:

Ustyrlige interne omkostninger. Microsofts egne ingeniørteams havde brugt avancerede AI-modeller frit via GitHub Copilot, hvilket drev tokenforbruget og inferensomkostningerne langt over, hvad selskabet anså for bæredygtigt. Interne Copilot-retningslinjer erkendte, at mange ingeniører brugte "i størrelsesordenen hundreder af dollars om måneden til et par tusinde dollars på tokens" . Parikhs e-mail gjorde det klart, at fra juli 2026 ville hver afdeling operere under et mål for AI-tokenbudgettet, og at den enkelte medarbejder kunne følge sit eget forbrug via et internt dashboard .

Forkerte incitamenter. Ingeniører var begyndt at betragte højt tokenforbrug som et ærestegn på produktivitet — en praksis kendt i branchen som tokenmaxxing. Men Microsoft fandt, at flere tokens ikke førte til større forretningsværdi. Parikh omformulerede selskabets mål eksplicit: "Vi optimerer ikke for færre tokens. Vi optimerer for impact per token" .

Troværdighedsproblemet. Som et selskab, der sælger AI-abonnementer — Azure OpenAI Service, GitHub Copilot, Microsoft 365 Copilot — kunne Microsoft ikke troværdigt sige til kunderne, at de skulle styre AI-omkostningerne, mens selskabets egne teams brændte tokens af uden nogen form for styring . Parikhs e-mail bemærkede, at selskabet ville "styre tokenforbruget med samme disciplin, som vi anvender på enhver anden kritisk ressource" .

Hvad ændrede sig rent faktisk internt i Microsoft

Politikændringerne trådte i kraft med det samme i juli 2026 :

• Tokenbudgetter på afdelingsniveau. Hver eneste af Microsofts forretningsenheder har nu et formelt mål for AI-tokenbudgettet. De interne retningslinjer bemærker, at yderligere restriktioner kan følge, efterhånden som selskabet holder øje med, hvor pengene går hen .
• Billigere standardmodel. OpenAIs GPT-5.6 Sol — beskrevet som billigere i brug end alternativer fra Anthropic og andre frontløber-modeludbydere — erstattede premium-muligheder som standard for intern brug af GitHub Copilot. Skiftet blev præsenteret som en måde at "få større værdi ud af vores token-investering" .
• Individuel synlighed. Medarbejderne kan nu se deres eget AI-forbrug på et internt dashboard, hvilket skaber personligt ansvar for en tidligere usynlig udgift .

Hvordan dette afspejler det bredere sammenbrud af tokenmaxxing

Microsofts skridt er én databrik i en langt større korrektion, der finder sted i hele tech-branchen. "Tokenmaxxing" — praksissen med aggressivt at presse AI-tokenforbruget som et mål for innovation — blev udbredt blandt teknologivirksomheder fra omkring slutningen af 2025 til midten af 2026, men den er nu ved at kollapse, fordi økonomien ikke hang sammen .

Ubers budget-eksplosion. Uber Technologies brugte hele sit AI-budget for 2026 på bare få måneder. Selskabets CTO udtalte offentligt: "Vi nærmer os afslutningen på den såkaldte tokenmaxxing-æra" og tilføjede, at rå tokenforbrug ikke blev omsat til målbare resultater . Virksomheden bevæger sig nu mod optimering af omkostning per interaktion gennem prompt-caching, mere effektive standardmodeller og bedre synlighed i forbruget .

Gartners advarsel. Gartner har forudsagt, at AI-omkostninger til kodning snart vil overstige gennemsnitlige udviklerlønninger under forbrugsbaserede prismodeller, hvilket vil tvinge finansdirektører på tværs af brancher til at kræve omkostningsdisciplin .

Startup-matematikken. Startups har vist, at et modelskifte kan reducere inferensomkostningerne med omkring 90 %. Lindy.ai flyttede for eksempel 100 % af sin API-trafik fra Claude til DeepSeek fra den ene dag til den anden med henvisning til omkring 90 % lavere inferensomkostninger for sammenlignelig outputkvalitet på sine kerneopgaver . Så dramatiske besparelser gør den gamle "flere tokens = bedre"-mentalitet økonomisk uholdbar .

Forbes' og Fortunes dom. Flere erhvervsmedier har erklæret tokenmaxxing-æraen for strukturelt overstået. Virksomheder opgiver rå tokenforbrug som en metrik til fordel for effektivitetsførste implementeringer, modelrouting (brug af billigere modeller til enklere opgaver) og resultatbaseret fakturering, som fjerner incitamentet til at maksimere tokens . Forbes kaldte tokenmaxxing "en overgangsfase i AI-adoptionen", der hjalp med at normalisere brugen, men som "ikke er en bæredygtig driftsmodel" .

Mønsteret er konsekvent

Mønsteret i branchen er nu klart: Virksomheder, der først opmuntrede til uhæmmet AI-brug, indfører budgetter, skifter til billigere modeller og kræver, at hver brugt token knyttes til et målbart forretningsresultat. ServiceNows chief customer officer har advaret om, at tokenmaxxing er en AI-hype-cyklus . Fortunes dom var kortfattet: "Tokenmaxxing er død. Det gav ikke det AI-ROI, virksomhederne ønskede" .

Microsofts interne tokenbudgetter og GPT-5.6-standard er et skoleeksempel på denne brancheomspændende opgør — og det kommer ikke fra en AI-udfordrer, men fra en af sektorens største investorer. Hvis det selskab, der sælger AI-abonnementer, har brug for et budget, så er beskeden klar for enhver anden virksomhed.