先讲个这两天在AI圈传开的事：一家公司的实习生被约谈了，原因是他一天消耗了一个亿的Token，产出只有十几行代码。评论区一片骂声，说他败家。

我把这事讲给我带过的几个老板听，第一反应都是：这要是我公司的，早就让他走人了。

我说先别急。这笔账，大多数人算错了。

一亿Token是多少钱，先把账掰开

按国内主流大模型的定价，一个亿的Token，用便宜模型两百多块人民币，用顶级模型大几千。一个实习生一天的工资，本身也就是两三百。

但钱只是表象，真正要看的是：这些Token花到哪去了。

很多人以为AI写代码是「我说一句、它写一段」，钱都花在「写」上。实际情况反过来——成本大头在「读」。Agent每做一步，都要把之前的对话、读过的文件、跑过的结果重新喂一遍。你把整个项目丢给它说「帮我改一下登录接口」，它光把相关文件挨个读一遍就是几万Token；没有上下文管理，聊到第十轮，累计消耗接近翻倍再翻倍。那十几行代码背后，是几百次「重读、理解、试错」的循环。

所以先别急着骂，要骂也得骂对地方：不是他花得多，是没给他一个省着花的用法。

「每行代码成本」是把假尺子

图片来源: Unsplash (CC0)

很多老板审这笔账，第一反应是算「每写一行代码花多少钱」。这个指标看着直观，其实误导性极强：行数不等于价值，删掉500行冗余可能比新增50行值钱；AI生成的不等于有效的，它吐100行最后能留下20行；探索本身也有价值，让AI把整个模块读懂、画出调用关系，可能一行没改，但省了后面三天的弯路。

行业里的口径已经在换：从看「Token单价」，换成看「单位任务成本」——AI总投入，除以通过验收的任务数量。注意分母：没通过测试的、推倒重来的、方向跑偏的，都不算。

公开的基准数据很说明问题：两个编程Agent在同一个测试里，通过率只差几个点，单个任务成本差了将近70倍；另一组测试里，一个模型拿满分、每个任务7.97美元，另一个拿到80分、每个任务只要0.053美元，差150倍——而日常八成的任务，80分的能力已经够用。连GitHub官方都验证过：他们试过缩短工具返回内容来省Token，结果模型因为信息不够反复重跑，总账反而更贵。局部省，全局费。

用AI的老板，该换的三把尺子

我做新媒体这行，天天遇到一模一样的账。老板问我「AI一天能出多少条视频」，我就反问他「一条视频能带来几个询盘」——这跟「每行代码多少钱」是同一个错：尺子拿错了，越努力越亏。

给团队算AI这笔账，我建议分三层，不用精确，看量级就够。第一层，消耗账：人均用了多少，输入和输出分开看，钱花在「干活」还是「翻资料」上。第二层，效率账：任务一次通过率多少，单任务平均成本多少，同样的活人做要多久、AI做要多久。第三层，价值账：交付变快没有，返工变少没有，人省下来的时间，是去干更值钱的事了，还是又被填满了。

一个最简单的落地动作：在任务工具里加一个字段——「是否用了AI、参与度多少」，月底拉出来对一遍。不用精确到分，有个大概方向，就足够你决定谁该加权限、谁该培训，而不是一刀切限额。

记住一件事：粉丝数是虚荣指标，有人在你评论区问怎么联系才是真指标。AI也一样——消耗量是虚荣指标，通过验收、带来客户的任务数，才是真指标。

这周就能做的三个动作：一，拉一次账单，按输入、输出分开看，先知道钱花在哪。二，给AI任务定义一个「通过验收」的标准，写下来贴到群里——什么算完成写清楚了，比限额管用十倍。三，下次有人再说「谁谁谁AI用得太费」，先算单位任务成本再下结论。也许你会发现，那个实习生不贵，是缺一把尺子。

尺子对了，AI才开始真正替你干活。你们公司要是也算不清这笔账，把你的情况告诉我，我帮你捋一遍。