刷Token走火入魔！Meta員工寫外掛作弊沖榜，1個月燒掉200萬美元

新智元報道

編輯：元宇

【新智元導讀】Meta內部搞了個AI用量排行榜「Claudeonomics」，8.5萬員工拼消耗、沖段位、搶「Token傳奇」稱號。有人一個月燒掉200萬美元，有人寫外掛沖榜，有人掛著Agent睡覺也在跑——硅谷卷Token，已經卷到走火入魔了。

一個人，30天，燒掉3285億token！

按Anthropic公開定價粗算，這些燒掉的算力成本接近200萬美元。

4月初，The Information記者Jyoti Mann在X上首次曝光Meta內部「Claudeonomics」排行榜，30天全公司token總消耗超60萬億。

這些瘋狂的數字，來自Meta內部一個名叫「Claudeonomics」排行榜的比賽，8.5萬人參與的燒token大賽，只展示前250名。

從銅牌、銀牌、金牌、鉑金、翡翠，一路升到「永恒會話」（Session Immortal），再到最高榮譽「Token傳奇」（Token Legend）。

沒錯，燒token都燒出段位來了。

這筆賬到底有多大？The Information專門做了一個計算器來拆解：

The Information報道中附帶的交互式token成本估算器，按Claude Opus 4.6占86%的模型配比、70%緩存命中率估算，1萬億token理論成本約550萬美元。

當然，這只是按公開價的估算，但數據量級本身已經足夠炸裂。

如果放到整個Meta來看，這個數字更恐怖：最近一個月token總消耗約60.2萬億。

這是什么概念？

The Information做了一個估算：美國國會圖書館全部藏書折算約2.66萬億token，Meta的Llama 3訓練數據是15萬億token，人類歷史上所有出版書籍加起來估算約20萬億token。

Meta員工30天燒掉的token量，是人類全部出版物的3倍！

這還只是開始。一周之后，這個數字據報道跳到了73.7萬億。

消息傳開后，業內知名技術博主Gergely Orosz在X上一針見血地評論：

Token用量已經是Meta績效評估的一部分。聰明人在刷他們認為領導想看的指標，就這么簡單。

這已經不是某個工程師在用AI寫代碼的故事了，而演變成一場超大規模AI消耗競賽游戲：

覆蓋數萬人，有排名、有稱號、有榮譽體系。

曝光后兩天

排行榜就消失了

The Information的報道發出后，Meta內部炸開了鍋。

有員工在內部討論區寫道：

我建議大家算算這背后的能源消耗。要不是真的在發生，我會以為是個笑話。

到了周三，排行榜從Meta內網消失了。

Meta發言人對外的說法是：排行榜是由創建者自行撤下的，不是公司下令。

公司強調，員工評估看的是「實際交付影響」，不主張把個人token數據作為評估績效的主要方式。

但Meta發出的信號是矛盾的。

據The Information報道，Meta內部一個名為Checkpoint的AI驅動績效追蹤系統，確實將token使用量列為數據點之一。

排行榜雖然撤了，但公司官方的AI Insights儀表盤仍然對所有員工開放，你隨時可以查看自己和團隊的token消耗。

Meta發言人表示，AI Insights儀表盤的目的是幫助公司了解各組織如何向AI原生的工作方式轉型，它提供的洞察不只是token用量，還包括代碼相關指標和其他維度。

雖然，Meta停掉了排行榜，嘴上說不以token論英雄，但排行榜的邏輯仍然存在，這讓不少員工感受到公司釋放出的信號并不完全一致。

「代碼行數」

披上token新衣

這個排行榜雖然只存在了幾天，但它已經催生出了一套「刷分」操作。

據The Information援引匿名員工描述，一些Meta工程師想出了各種辦法來膨脹自己的AI使用指標。

比如，一些工程師會讓AI Agent 生成大量細小改動，這些改動對功能幫助有限，但每次仍會形成一次commit，從而抬高其AI使用指標。

量上去了，排名自然好看。

還有人開發了轉錄機器人，掛在會議里自動做記錄。

有的人甚至專門鼓勵同事來用自己開發的轉錄工具，因為只要別人通過你的工具跑token，消耗量就算在你頭上。

類似的事不只發生在Meta。

亞馬遜電商部門去年也出現過一個案例。

一位經理暗示團隊應該更多使用AI編程工具Cline。于是團隊里有人直接改了代碼，讓每次和Cline的對話看起來消耗了10倍的token。

這個團隊的AI使用排名迅速沖到了分部前列。

不過到今年年初，亞馬遜調整了系統，這個「作弊碼」失效了。

這些故事看起來有些荒誕，但熟悉軟件行業歷史的人一定不陌生。

Box CEO Aaron Levie直言：這讓他想起了AI出現之前，行業里圍繞「用代碼行數衡量程序員產出」的那些老爭論。

代碼行數也曾經被當作生產力指標。

結果工程師們學會了把一行能寫完的邏輯拆成十行：指標漲了，產出沒變，甚至更差了。

現在，同樣的故事只是換了個計量單位：代碼行數變成了token數。刷行數變成了刷commit、掛轉錄機器人、改系統讓數字翻10倍。

指標可量化，又和績效沾邊，就一定可能會「玩壞」。

據The Information報道，有Meta員工私下承認，那些token用量低的人，有時候會焦慮自己看起來「不夠AI native」。

同時這位員工也認為，高token用量不應該成為一種身份符號，因為它并不是生產力的好指標。

不卷token的公司

怎么玩？

既然刷token排名的邏輯漏洞這么明顯，有沒有企業選擇另外一條路？

執法裝備的公司Axon選擇了把AI激勵綁定在業務交付上，而不是消耗量上。

他們的做法是團隊如果利用AI工具超額完成年度路線圖目標15%以上，就能拿到現金獎金。

Axon總裁Josh Isner透露，今年公司各團隊集體的路線圖超額幅度正在追蹤到30%左右，主要歸功于Claude Code和Cursor的使用。

預計今年在AI編程工具上的支出將達到「數千萬美元」級別。

Isner認為，當你引入「盡量多用這個工具我們就付錢」這種考核的時候，風險越來越大：

你怎么知道你得到的是你想要的結果，或者說，到底有沒有任何結果？

Aaron Levie并不鼓勵tokenmaxxing，也不認為它會在硅谷之外的大公司里廣泛流行。

不過他也表示，自己理解這種沖動，因為當前階段需要先讓工程師充分試用這些工具。

他選了另一種方式：既然AI能讓團隊更高效，那就把產品目標定得更高。員工能不能完成這些加碼后的目標，直接影響薪酬。

但Levie也沒有一刀切地否定token消耗。他認為應該容忍一定程度的token「浪費」，因為那意味著團隊在嘗試新東西：

硅谷現在正處于這樣一個階段，你得讓工程師去試這些工具。

Levie愿意為試錯買單，但不愿意把「誰燒得最多」變成一種排名機制。

Axon和Box代表了一種觀點：token只是彈藥，你用了多少不重要，你使用它做出了什么才重要。

當油表被當成速度表

Meta的排行榜被撤了，但背后催生它的那股力量依然強大：

硅谷高管們集體把「多燒token」等同于「高生產力」的敘事一點也沒有減弱。

英偉達CEO黃仁勛

英偉達CEO黃仁勛就曾在All-In Podcast上說過一句被廣泛引用的話：

如果一個年薪50萬美元的工程師，連至少25萬美元的token都沒用掉，他會「高度警惕」。

他甚至設想了一個未來：Token會成為招聘時的標配福利，就像牙科保險和免費午餐一樣。工程師面試時會問：「這份工作給我配多少token？」

Meta CTO Andrew Bosworth在今年2月的一次科技會議上提到，如果一個頂級工程師花掉相當于自己年薪的token成本，卻能把生產力提升到10倍，這筆錢就好比「白送的錢」，應該繼續投，甚至不必設上限。

前OpenAI和特斯拉AI科學家Andrej Karpathy則是再造新詞：token消耗量儼然成了AI時代個人能力的新標尺：

你的token吞吐量是多少？你能指揮多少token吞吐量（Token throughput）？

當行業大佬都在說「多燒token就是高生產力」，大家聽到的信號只有一個：不燒就是落后，這種FOMO（Fear of Missing Out，錯失恐懼）會迅速從「我要不要多用一點AI」變成「我敢不敢不用」。

沒有人想成為團隊里那個token用量墊底的人，而排行榜只是把這種焦慮變成了一場公開競賽。

但問題恰恰在這里。

Token消耗量之所以被追捧，是因為它是目前最容易量化的AI使用指標。

你很難衡量一個工程師「用AI之后交付質量提升了多少」，但你可以精確地看到他燒了多少token，就它和「代碼行數」一樣。

但容易量化，不等于值得量化。

代碼行數對應的是寫代碼的動作，并不代表軟件質量；Token消耗量衡量的是API調用次數，不等于工程產出。

這就好比油表能告訴你燒了多少油，但它不代表速度和里程。

而AI Agent時代，只會讓這個問題更尖銳。

NYT近期的報道描述了一種新景象：

工程師同時開十幾個窗口，放出幾十個Agent并行跑任務，有些Agent系統被設計成24/7不間斷運行，在人類睡覺的時候還在持續消耗token。

一個全職Agent一周可以跑掉7億個token。

當token消耗可以脫離人類干預自動增長的時候，拿消耗量來衡量人的生產力，就更加荒謬了。

雖然，Meta的Claudeonomics排行榜已經下線，但它折射出一個人類在技術采用上的「經典悖論」：

當一個工具的使用量可以被精確計量、可以被公開排名、可以和績效感知掛鉤，它就必然從工具變成表演。

代碼行數是這樣，commit次數是這樣，專利申請數、論文引用量、OKR完成率，全都是這樣。

每一個曾被當作生產力代理指標的數字，最終都催生出了一套刷分產業。

現在輪到了token。

下一個被異化的指標會是什么？

也許是Agent的并發數量，也許是AI生成代碼的合并率，也許是某種我們今天還想象不到的新數字。

只要企業還分不清「鼓勵用AI」和「考核AI帶來的真實產出」，類似的刷榜游戲就不會停。

參考資料：

https://www.theinformation.com/articles/tokenmaxxing-tide-may-turning?rc=epv9gi

https://www.theinformation.com/articles/meta-employees-vie-ai-token-legend-status?rc=epv9gi