每天使用超過1億Token這個現象并非個例。2026年，隨著模型能力提升、Token價格下降，越來越多企業一線知識工作者開始像使用水電、流量一樣消費Token

文｜《財經》研究員 吳俊宇

編輯 | 謝麗容

一個人在一周之內燒掉超過20億Token（詞元）。

在2025年，這或許是一個不可思議的數字。當時在很多人的印象里，Token仍然是一種屬于模型公司、云廠商和開發者的資源。

但過去一個月，《財經》研究員使用OpenAI旗下的代碼生成工具Codex進行了一系列嘗試。其中包括，搭建了一套覆蓋亞馬遜、微軟、谷歌、阿里、甲骨文等主流云計算廠商的研究工作流。這套工作流其實是一個本地網頁應用，它能夠自動下載財報PDF文件，解析財報電話會內容，提取數十個財務指標，并自動生成圖表。

在處理搭建工作流、生成報道圖表等工作后，《財經》研究員的ChatGPT/Codex在5月24日-5月30日這一周消耗超過23億Token。

按照OpenAI官網API（應用接口）定價粗略計算（輸入占比99%，輸出占比1%，緩存命中比例93%），這筆Token價格約合2550美元（約合1.8萬元），但訂閱ChatGPT/Codex每月實際花費只需200美元（約合1400元）。

Codex統計的Token使用情況

每天使用超過1億Token這個現象并非個例。2026年，隨著模型能力提升、Token價格下降，越來越多企業一線知識工作者開始像使用水電、流量一樣消費Token。

《財經》近期密集調研了華為、阿里、騰訊、小米以及部分創業公司的多位一線產研、銷售、運營人員。結論是，這些企業一線員工日均Token消耗量已經達到了1000萬-3億的規模。其中銷售運營人員日均Token消耗量通常在千萬級別。產研人員中等強度開發的日均Token消耗量達到了2億-3億，高強度開發可達到5億以上。

在親身體驗和多方調研中，《財經》得到了一些“反常識”。

其一，對重度開發者來說，OpenAI很便宜。如果購買200美元/月訂閱套餐并真正用滿，OpenAI的Token均價低于大部分國產旗艦模型的價格。

其二，Coding（寫代碼）正在變成像使用Word、PPT、Excel一樣簡單。代碼生成能力越來越不稀缺，真正稀缺的是軟件架構的設計和審美能力。

其三，最終真正決定Token利用效率的并不是模型，而是人。AI降低了執行成本，卻放大了判斷的重要性。

對重度開發者來說，OpenAI很便宜

對絕大多數普通用戶來說，每月200美元訂閱ChatGPT/Codex很貴。但對重度開發者來說，它便宜到“反常”。

OpenAI的官網API定價中，GPT-5.5這款最新旗艦模型百萬Token輸入/輸出定價是5美元/30美元。這個價格遠超大部分國產旗艦模型。以DeepSeek-V4-Pro為例，百萬Token輸入/輸出定價3元/6元。GPT-5.5官網定價是DeepSeek-V4-Pro的至少10倍以上。

但根據《財經》實際測試，OpenAI旗下Codex 200美元/月的周額度耗盡后，實際使用量超過23億Token。若按照相同使用強度持續一個月，套餐內的Token使用規模將超過90億——百萬Token價格僅為0.16元。實際使用價格僅有官網API價格的2%左右。

《財經》調研了多位使用Codex的中國開發者發現，Codex 200美元/月的套餐內Token總額度約80億/月-200億/月不等。且OpenAI偶爾會刷新額度（也就是把已經使用的Token統計歸零，相當于免費贈送），實際Token單價低于大部分國產旗艦模型。這幾乎等于是用200美元撬動了官網API超過1萬美元的Token用量。

為什么會出現這種Token單價看起來“異常低”的情況？

因為，OpenAI的商業模式像是健身房。絕大多數個人用戶訂閱了會員，但真正每天去鍛煉的人只是少數。OpenAI的訂閱分成四檔——8美元/月、20美元/月、100美元/月、200美元/月。訂閱后，用戶既可以使用ChatGPT聊天，也可以拿Codex寫代碼。大型企業客戶無法訂閱，只能使用API，要為OpenAI付出更高的價格。

The Information今年2月援引OpenAI投資人披露的材料稱，OpenAI整體毛利率約33%。這看起來并不高，但這是免費用戶拖累的結果。OpenAI內部還會跟蹤“Compute Margin”（計算毛利率）指標，即收入扣除推理成本（Inference Cost）后的利潤率。如果僅看付費用戶（包括訂閱用戶和API客戶），這一指標已接近70%。

截至今年5月，ChatGPT周活躍用戶超過10億，個人付費訂閱數突破5000萬。截至今年6月，Codex周活躍用戶也超過500萬。換句話說，每200名ChatGPT周活躍用戶中，只有1人使用Codex。每10個付費用戶中，只有1人使用Codex。

OpenAI官網信息顯示，截至2026年2月ChatGPT每天消息量約30億條。照此估算，用戶平均每天發送的消息僅為3.33條。

大部分用戶訂閱ChatGPT/Codex后，實際使用量遠低于理論額度。有人每個月只進行數百、數千次對話，有人偶爾生成代碼，還有人購買之后很快停止使用。真正能夠每月持續消耗數十億、數百億Token，讓Agent（智能體）工作數小時的重度用戶，只是少數。

OpenAI不是根據單個用戶的Token消耗量定價，而是基于整體用戶池定價。OpenAI可以在大部分普通用戶身上獲得相對更高的利潤率，補貼極少數使用Codex的重度開發者。

對OpenAI來說，Codex雖然利潤不是最大的，但長遠來看它是在投資開發者。

一位中國市場的模型平臺從業者對《財經》表示，每月200美元的ChatGPT/ Codex訂閱是用不到官網A PI 10%的Token價格補貼市場。它像是一個面向開發者的漏斗。OpenAI實際上是在用較低的訂閱價格，篩選和吸引最有潛力的開發者客戶。

他此前號召企業內的開發者每天消耗10億Token。在他看來，在沒有每天親自消耗過數10億Token之前，很難真正理解大規模Token使用會帶來什么變化。“當你不再時時刻刻擔心 Token消耗，而是允許自己持續試驗時，會探索出很多過去無法想象的應用和工作模式”

Codex的低價Token其實也是在鼓勵這件事情。因為，重度開發者容易影響企業的采購決策，他們可以撬動企業通過團隊訂閱、API付費使用Token。重度開發者甚至也是潛在的創業者，他們使用Token之后，會開發出新的AI應用，甚至會組建團隊。這些Token單價更貴，消耗量更大，會為OpenAI帶來更多收入。

代碼能力不再稀缺，軟件設計能力才稀缺

AI Coding（AI寫代碼）正在變得像使用Word、PPT、Excel辦公三件套一樣簡單。

這在今天也被稱為“Vibe Coding”（氛圍編程）。Vibe形容的是——用戶不再需要掌握編程語言，只需要憑著感覺通過聊天描述目標，AI便會自動生成代碼并完成執行。

讓人人都能成為Builder（建造者、開發者）。這是亞馬遜AWS內部長期在思考的問題。因為軟件的本質并不是編寫代碼。它是把不同組件、模塊按照一定規則組織起來，最終解決現實世界的問題。過去，這項工作需要專業程序員完成。今天，隨著AI Coding能力提升，越來越多普通人也開始具備這種能力。

今年4月，亞馬遜AWS技術副總裁Mai-Lan Tomsen Bukovec（美蘭·湯姆森·布科韋茨）在一場小規模溝通中對《財經》表示，AI推理正在成為一種常態化的應用。用戶不必成為AI專家，任何Builder都能通過API搭建推理應用。

今年5月，阿里公共云事業部總裁劉偉光在一次規模溝通中對《財經》表示，隨著2025年末，基礎模型的Coding能力跨越臨界點，它帶來了巨大的分水嶺。越來越多沒有代碼基礎的普通人、企業內更多不懂IT的業務人員都在成為云的直接用戶。

以《財經》今年5月搭建的這套研究工作流為例，研究員在缺乏代碼基礎情況下利用業余時間使用Codex搭建。Codex在三周內生成了254個文件、共61289行代碼。這個工作流收集了五家中美云計算公司過去24個季度的財報PDF、財報電話會資料，并且解析成了圖表。整個工作流的搭建、重構耗費了超過40億Token。

一位軟件工程師對《財經》表示，在2023年之前，如果完全依靠人工開發，254個文件、61289行代碼的系統通常需要數月時間完成。如果是一個人從零開始設計、開發、調試和上線，至少需要半年時間。

看起來，基礎模型能力躍升，它讓代碼能力不再稀缺。那么真正稀缺的能力是什么？答案是軟件的架構設計、審美能力。

多位軟件、算法工程師對《財經》表示，AI Coding用來寫小應用問題不大，但隨著應用復雜性不斷提升，軟件的架構設計、審美能力、復雜系統的管理能力變得更加重要。

這就像每個人都可以利用磚塊搭建起一面墻，甚至是一個簡陋的房子。但沒辦法像建筑師一樣根據圖紙進行設計，畫清楚承重墻、線路圖，最終指揮施工團隊把建筑建成。

這是《財經》用Codex搭建研究工作流后，用Codex繪制的一張系統工作圖，這還只是展現了其中的50%。圖中每一個方框都是一個模塊，每一條線代表一次調用、一次數據流轉或一次狀態依賴。紅框中的部分，存在明顯設計缺陷，它已經成了一個難以理清的線團。它包含了多個分支、文件、接口、任務隊列、圖表生成和發布鏈路。

研究工作流的系統工作圖，紅框為存在明顯設計缺陷的部分

這說明，代碼人人都可以用AI寫，但系統復雜性并不會自動消失。

AI可以在數周內生成數萬行代碼、數百個文件時，軟件開發的瓶頸會變成架構設計和系統管理能力。因為設計架構的目標不是把代碼寫得更多。它需要決定哪些模塊應該存在，哪些鏈路應該合并，哪些路徑應該刪除。

否則，代碼越多，系統越像一張看不懂的網。隨著代碼規模不斷變大，它會直接導致中后期每一次生成新的代碼，都會造成新的Bug（程序錯誤）。每修復一處，都會牽一發而動全身造成其他模塊的Bug。工程師將這種現象稱為“耦合”。系統越復雜，耦合越多，每一次修復Bug都可能在其他地方產生新的Bug。

一位算法工程師對《財經》表示，他在日常工作中發現，現在AI生成的代碼量已經遠遠超過人工寫代碼的階段。2023年之前，工程師寫代碼時，每一行代碼幾乎都經過思考、調試和Review（審查）。但在今天，一次任務就可能生成數百甚至上千行代碼，工程師很難逐行檢查。因此，“以前最大的成本是寫代碼，現在最大的成本是理解代碼。”

人，才是決定Token效率的核心因素

從技術角度來看，最常見的理解是，芯片性能、模型能力、Agent成熟度共同決定了Token的使用效率。工程師幾乎每天都在技術細節中不斷提升每一枚芯片的單位Token吞吐量。單位算力成本是在這個過程中不斷降低的。

不過，這些只是技術層面的問題。技術很重要，但在現實世界里，真正決定Token效率的，仍然是人。好的工程師可以直接省錢，但不夠好的工程師只會浪費算力。

AI效率變高之后，人的判斷力變得更重要了。指揮AI朝著正確方向走，可以提升效率。但指揮AI朝著錯誤的方向走，只會加速浪費Token。

《財經》在搭建研究工作流的過程中，出現了兩次大方向的重構——這導致40億Token至少有20億被浪費在探索試錯、推翻舊方案，以及系統代碼重構的過程中。

“事先把問題想清楚變得更重要了。做任何一次大功能的增減之前，都需要和AI討論清楚需求，事先寫好PRD（Product Requirement Document，產品需求文檔）。”一位中國頭部軟件公司前CEO（首席執行官）對《財經》表示，這樣Token效率才能更高。

一位算法工程師對《財經》表示，技術水平高的工程師可以利用AI把問題拆清楚、設定邊界、持續復盤，用更少的Token去解決更多問題。但技術水平有限的工程師則是只能用AI反復試錯、生成冗余代碼，不斷浪費Token。

2026年初，包括阿里、騰訊、小米、美團等大型科技公司幾乎都在鼓勵員工使用Token。少數公司的業務部門甚至制定Token消耗排行榜，激勵Token消耗量最大的員工。

部分公司的技術部門，工程師每月消耗Token的API價格甚至已在萬元以上。極端情況下，單個員工的Token成本甚至接近人力成本。

一家員工數超過30萬人的國際科技巨頭人士對《財經》表示，他所在團隊使用的Token是無限量的。他的工程師同事長期使用Claude系列模型寫代碼，一周Token成本高達2000美元-3000美元。

多位科技公司產研、銷售和運營人員今年3月-5月對《財經》表示，企業內大規模推廣AI工具后，微妙的心理變化正在出現。公司一方面鼓勵員工更多使用Token，通過AI沉淀工作流程、業務經驗。另一方面，不少員工擔心，原本依賴個人經驗形成的“隱性知識”，正在被逐步轉化為Agent可調用的Skill（技能），公司正在降低對人的依賴程度。

不過，這些鼓勵員工消耗Token的試驗很快撞墻了。《財經》了解到的情況是，近半個月包括騰訊、小米在內的公司，都縮減了非技術崗位員工的Token額度。其中騰訊對部分非技術部門的Token縮減額度超過60%。

原因是，Token浪費嚴重。實際產出與消耗并不匹配。由于執行成本低，用AI不斷嘗試生成方案、修改方案、推翻方案現象開始變得普遍。大量Token最終浪費在無效試錯。

一位中國云廠商高管此前曾對《財經》表示，從企業CIO（首席信息官）、CTO（首席技術官）的視角來看，Token消耗量并不能直接和業務價值掛鉤，更多是和算力成本掛鉤。

AI降低了執行成本，卻沒降低決策成本。Token越便宜，錯誤判斷的放大成本越高。真正稀缺的，不是更多Token。關鍵是能把Token用在正確問題上的人。

無論是片面追求Token消耗量，還是追求Token收入增長，都只會扭曲真實業務價值。

責編 | 李煜

題圖來源 | 圖片由ChatGPT生成