微軟終結「Tokenmaxxing」：內部AI預算上限與更便宜的GPT-5.6預設模型，標誌一個時代的終結

微軟的決定並非孤立的成本削減措施。這是一個高調的信號，表明「Tokenmaxxing」——即將 AI Token 的最大化消費視為生產力和創新的指標——的時代，在整個科技產業已經終結。

是什麼迫使微軟限制其自身的AI支出？

三個具體的壓力迫使微軟實施內部AI紀律：

失控的內部成本。微軟自家的工程團隊一直透過 GitHub Copilot 自由使用最先進的AI模型，導致 Token 消耗量和推理成本遠超出公司認為可持續的水平。內部 Copilot 指南承認，許多工程師每個月在 Token 上的花費「從數百美元到數千美元不等」。Parikh 的電子郵件明確指出，自2026年7月起，每個部門都必須遵守 AI Token 預算目標，員工可以透過內部儀表板追蹤自己的用量。

錯位的誘因。工程師開始將高 Token 消耗視為生產力的象徵，這種做法在業界被稱為 Tokenmaxxing。但微軟發現，更多的 Token 並不等於更多的商業價值。Parikh 明確地重新定義了公司的目標：「我們優化的不是 Token 數量，而是每個 Token 的影響力。」

信譽問題。作為一家銷售AI訂閱服務（Azure OpenAI Service、GitHub Copilot、Microsoft 365 Copilot）的公司，微軟不能一邊要求客戶控制AI成本，一邊讓自己的團隊毫無節制地消耗 Token。Parikh 在郵件中指出，公司將「以管理其他關鍵資源時同樣的紀律來管理 Token 支出」。

微軟內部實際上發生了什麼變化？

這些政策變革於2026年7月立即生效：

• 部門級別 Token 預算。每個微軟事業單位現在都有正式的 AI Token 預算目標。內部指導方針指出，隨著公司關注資金的流向，未來可能會實施進一步的限制。
• 更便宜的預設模型。OpenAI 的 GPT-5.6 Sol——據稱比 Anthropic 和其他前沿模型提供商的替代方案更便宜——取代了高級選項，成為內部 GitHub Copilot 的預設模型。此舉被認為是為了「從我們的 Token 投資中獲得更大價值」。
• 個人可視性。員工現在可以透過內部儀表板查看自己的 AI 消費情況，為過去隱性的支出帶來了個人責任感。

這如何反映更廣泛的 Tokenmaxxing 崩潰？

微軟的舉動只是科技業更廣泛調整中的一個數據點。「Tokenmaxxing」——將 AI Token 消費作為創新指標的激進做法——大約從2025年底到2026年中在科技公司中變得普遍，但現在正因為經濟效益不佳而迅速瓦解。

Uber 的預算超支。Uber Technologies 在短短數月內就用盡了2026年全年的AI預算。其技術長公開表示：「我們正在迎來所謂 Tokenmaxxing 時代的終結」，並補充說，原始的 Token 消費並未轉化為可衡量的回報。該公司現在正透過提示快取、更高效的預設模型以及更好的消費可視性，轉向優化每次互動的成本。

Gartner 的警告。Gartner 預測，在按用量計價的模式下，AI 編碼成本很快就會超過開發者的平均薪資，迫使各產業的財務長要求成本紀律。

新創公司的數學計算。新創公司已經證明，更換模型可以將推理成本降低約90%。例如，Lindy.ai 一夜之間將其100%的 API 流量從 Claude 轉移到 DeepSeek，理由是對於其核心任務集，推理成本降低了約90%，同時輸出品質相當。如此巨大的節省使得舊的「越多 Token 越好」的心態在財務上難以為繼。

Forbes 和 Fortune 的裁決。多家商業媒體已經宣布 Tokenmaxxing 時代在結構上已經結束。企業正放棄將原始用量作為指標，轉而採用效率優先的部署、模型路由（為簡單任務使用更便宜的模型）以及取消 Token 最大化誘因的基於成果的計費方式。Forbes 將 Tokenmaxxing 描述為「AI 採用過程中的一個過渡階段」，它有助於使 AI 使用正常化，但「並非可持續的運營模式」。

模式是一致的

現在產業模式很明確：最初鼓勵無限制使用AI的公司正在實施預算、轉向更便宜的模型，並要求每一分 Token 支出都與可衡量的商業成果掛鉤。ServiceNow 的客戶長警告說，Tokenmaxxing 是一個 AI 炒作週期。Fortune 的結論直言不諱：「Tokenmaxxing 已死。它沒有產生企業想要的 AI 投資報酬率。」

微軟的內部 Token 預算和 GPT-5.6 預設模型，正是這場席捲整個產業的清算行動中的典型例子——而這並非來自AI落後者，而是來自該領域最大的投資者之一。如果一家銷售AI訂閱的公司都需要設定預算，那麼對其他所有企業來說，訊息已經非常明確。