{"id":"mb-20260910-47a6d8","kind":"deep","title":"一个月烧掉 150 万美元算力，账单是全公司员工工资总和的整整 10 倍","summary":"一个月烧掉 150 万美元算力，账单是全公司员工工资总和的整整 10 倍","body":"一个月烧掉 150 万美元算力，账单是全公司员工工资总和的整整 10 倍。\n平均每个工程师，一天要在后台吃掉 10 亿到 20 亿个 token。\n招进来的顶尖工程师没有创造对应的高产出，反而成了吞噬预算的无底洞。\n这是硅谷做大模型评测的创业公司 Vals AI，最近做的一场真人极限测试。\n首席执行官 Rayan Krishnan 给技术团队开了无限额度。\n他允许所有人放开手脚，无限制调用大模型写代码。\n他原本想看看，当算力彻底管够时，顶级程序员的生产力能飙到多高。\n结果生产力有没有暴涨还很难说，财务账单先被打穿了。\n整整 150 万美元。\n这笔开销比当月发给所有员工的薪资总额，还要贵出十倍。\n为什么算力管够，换来的却是一场失控的财务灾难？\n是工程师写了太复杂的代码，还是手里的工具出了问题？\n答案出在一种反常的心理状态上。\nRayan Krishnan 把它叫作工程师的焦虑义务感。\n当整个行业都在鼓吹全力烧算力的 tokenmaxxing 时，技术团队产生了一种奇特的职场恐慌。\n哪怕只有一个钟头没让模型在后台狂奔，工程师就会觉得自己偷了懒，正在被时代甩开。\n原本花五分钟能理顺的业务逻辑，非要放任一个自主代理在网上到处乱撞。\n两行代码就能搞定的判断，非要让模型生成一大段脚本，再派另外两个模型在旁边互相挑错。\n随着多轮对话不断堆叠，上下文窗口像滚雪球一样膨胀。\n工程师在工位上喝着咖啡，后台的脚本已经在死循环里撞墙了几百次。\n算力看似没有门槛，人的精力却全被拴在给机器排查幻觉的泥潭里。\n一场本该提升效率的实验，演变成了表演性质的算力大胃王比赛。\n一个人一天怎么可能处理得完 20 亿个 token 的有效信息？\n既然都在空转，为什么成本会高到比员工工资还贵十倍？\n因为背后还藏着第二台机器：计费模式的激励倒错。\n主流的大模型 API，普遍采用按 token 计费的现收现付制。\n在这套商业规则里，模型供应商的利益，和你的使用效率是根本对立的。\n你的脚本在死循环里多跑一轮，供应商在月底就能多收一笔真金白银。\n他们没有任何动力提醒你精简上下文，反而乐于看到提示词越堆越厚。\n客户的每一次低效浪费，都会变成供应商财报上的营业收入。\n但 Vals AI 在测试里，撞见了一个意料之外的反差。\n团队测试了 Cognition 推出的智能体 Devin，发现它的代币消耗克制得出奇。\n同样是处理复杂的工程任务，为什么它反而最省 token？\n秘密全在收费方式上。\nDevin 采用的是固定月费的订阅制。\n一旦商业逻辑从按量计费变成一口价订阅，游戏规则瞬间反转了。\n模型跑出来的每一分边际算力成本，全部要由软件开发商自己掏腰包。\n这时候，厂商的利益才真正跟客户站到了一起。\n他们必须拼命在系统底层做工程优化。\n他们必须做提示词缓存，必须做精确的上下文裁剪，必须卡死代理人无意义的盲目探索。\n用最少的算力帮客户把任务交割完毕，厂商自己才能保住利润空间。\n两种计费模式，拉出了两条截然相反的工程演进路线。\n按量付费把成本风险全推给买单的客户，放大了人在焦虑中的无序暴食。\n固定订阅逼着厂商在算法和工程上拧干水分，把虚高的泡沫挤回理性的轨道。\n当整个行业还在把算力消耗量当成前沿指标来比拼时，这笔 150 万美元的账单给所有人上了一课。\n消耗多少算力算不上成果，最终交付的工程质量才是成果。\n连专业的模型评测公司，放开额度一个月都要被账单逼到紧急叫停。\n普通团队盲目跟风，无非是用自己的真金白银，去替上游消化过剩的算力泡沫。\n当一个工具能让你在几分钟内烧光上千美元，它考验的就不再是技术信仰，是工程自律。\n无限的算力没有消灭低效。\n它只是让漫无目的的浪费，换上了一副看起来格外勤奋的面具。","topic":"一个月烧掉 150 万美元算力，账单是全公司员工工资总和的整整 10 倍","frame_type":["焦虑义务感与计费模式激励倒错","机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-09-10 13:15:35","legal_anchor_count":0,"transcript_citation_count":0}