调查显示，尽管顶级AI模型的单价最高可比小模型高出100倍，但不少企业和用户在邮件撰写、内容摘要等基础场景中，依然默认调用高性能模型。随着AI Agent和自动化工具使用范围扩大，Token消耗迅速上升，如何按任务选择模型、控制调用规模，正成为企业AI成本管理的核心议题。

区块链媒体Decrypt于10月17日援引消息称，Meta员工今年早些时候在30天内累计消耗了60万亿枚AI Token，背后原因之一是公司内部围绕AI使用量的排名竞争升温。技术专栏作者Gergely Orosz按照Anthropic公开定价估算，这一规模对应的费用约为9亿美元，不过这一数字基于官方标价，Meta的实际支出可能更低。

类似的“AI用量竞赛”并非Meta独有。报道称，Meta、Amazon、Uber等科技公司都曾在内部设置使用量排行榜，对员工使用AI工具的情况进行比较。另有消息显示，Uber在约4个月内就用完了2026年AI工具预算。

Nvidia CEO Jensen Huang也在持续推动扩大AI使用规模。他今年3月在“All-In”播客中表示，如果一名年薪50万美元的工程师，使用的Token价值不足25万美元，他会“非常担忧”。业内认为，企业鼓励员工借助AI提升生产效率的同时，也可能在无形中放大用量竞争，并进一步转化为成本压力。

从成本端看，不同模型之间的价格差异本身就十分明显。Anthropic和OpenAI的顶级模型，单个Token的价格最高可比各自最小型号高出100倍。以OpenAI为例，按输入Token计费的产品中，部分型号每百万输入Token收费10美元，也有型号仅为0.10美元。

Token是AI处理和生成文本的基础计量单位，既包括用户输入的问题和上下文，也包括模型输出的回答。对于月费约20美元的订阅型产品，Token消耗速度会直接影响可用额度；而对通过API接入AI服务的企业而言，调用量上升则意味着账单同步增加。

咨询公司Bain & Company的Juye Wang表示，一些企业即便在并不需要复杂推理的任务中，也会直接调用顶级模型。例如邮件撰写等场景，也统一使用Anthropic的高性能模型Opus。

Amazon内部也出现过类似情况。报道称，部分员工会将公司内部AI工具用于与本职工作关联度不高的任务，以拉高个人使用量。一名高级副总裁为此警告员工，不要为了使用AI而使用AI。如果把调用规模当作绩效指标，可能在没有明显提升生产力的情况下徒增成本。

除了模型选用不当，AI Agent和任务编排也是推高成本的重要因素。AI Agent完成任务通常涉及搜索、代码执行、结果复核等多个环节；如果在过程中反复传递历史对话和任务上下文，Token消耗会明显增加。若再将任务拆分给多个子Agent协同处理，调用次数和上下文处理量还会进一步放大。

Anthropic提醒，在Claude Code中，团队型Agent以“计划模式”运行时，Token用量可能达到普通对话的约7倍。这意味着，Agent自主处理复杂任务的能力越强，即便用户直接输入变少，后台的Token消耗仍可能继续上升。

在控制成本方面，首要做法是根据任务难度分层选模。邮件撰写、语句润色、简单摘要等基础工作，可优先交给小模型处理；只有在复杂推理、关键判断等对准确性要求更高的场景中，再调用顶级模型。

在实际使用中，企业也可以把近期若干相似任务分别交给高性能模型和小模型处理，比较输出效果。如果小模型已经满足需求，就可以在同类任务中持续采用。报道称，借助这类“模型分流”策略，API成本最高可下降99%，但实际节省幅度仍取决于任务类型、模型定价和总体使用量。

提示词设计和上下文管理同样关键。与其反复追问、不断补充要求，不如在一开始就明确核心需求和输出格式，以减少不必要的往返调用。对话主题发生变化时，及时开启新会话，也能避免旧上下文被持续带入，造成额外消耗。

Anthropic将长对话中无关信息不断累积、并导致回答质量下降的现象称为“context rot”。上下文越长，模型需要处理的Token越多，也越难聚焦真正关键的信息。

控制回答长度，同样可以直接降低费用。Anthropic和OpenAI的部分顶级模型中，输出Token单价约为输入Token的5倍。因此，加入“在100词内作答”或“仅输出修改部分”等限制条件，有助于避免结果冗长，减少不必要的开销。

对于计算和汇总类任务，也没有必要全部交给AI完成。与其将整张长表输入模型后再要求分析，不如让模型先生成所需公式或简短脚本，由用户自行执行，再把结果返回给AI。用通用工具替代推理链条中的重复计算，同样能有效减少Token消耗。

在开发场景中，缓存和批处理也被视为重要的降本手段。将重复使用的系统指令和固定上下文进行缓存，可以减少每次重复输入带来的成本。OpenAI和Anthropic也为批处理任务提供50%的折扣，适用于对实时性要求不高的大批量工作。

例如，将1000笔账单集中批量处理，而不是逐笔实时调用，就能有效压低调用成本。不过，企业在使用缓存和批处理前，仍需确认平台支持条件及适用任务类型。

对于AI Agent，还需要预先设定执行步数和支出上限。在任务开始前明确完成标准，并设置最大执行轮次和预算额度，可以避免Agent为追求“更优结果”而反复尝试。报道称，Shopify目前已运行一套相关机制：一旦单日支出突然上升，就会立即中断开发者访问。

值得关注的是，尽管Token单价持续下行，企业总支出却仍在上升。SiliconData的Token支出指数显示，自2023年以来，单个Token价格已下降逾90%，但与大语言模型（LLM）相关的支出自2025年底以来翻了一番。Bain & Company分析称，在2024年12月至2025年间，Token成本降至原来一半的同时，使用量却增长了450%。

这也意味着，模型价格下降并不必然带来总成本下降。当用量增长速度快于单价下降速度时，企业整体支出反而可能继续扩大。

因此，降低AI成本不能只停留在“选更便宜的模型”这一步。企业需要建立一套完整的运营机制，包括按任务分配模型、优化提示词和上下文管理、限制Agent重复执行、加强预算控制等。随着企业在AI领域的竞争重点，从“谁用得更多”转向“谁用得更有效”，衡量标准也正在从使用规模转向投入产出效率。