有个很反常的细节：一些企业曾把员工使用 AI 的 token 数量当成采用指标，Meta 相关讨论里甚至出现过一种说法——有人让两个 agent 整天互相对话，只为把用量刷上去。

这个案例目前主要来自公开吐槽和从业者转述，不能写成 Meta 已确认的全公司正式制度。但它足够说明一个问题：当组织只奖励消耗，员工很快就会学会消耗。

现在这套玩法正在降温。OpenAI、Anthropic 收紧订阅额度、提高 API 使用成本，早期补贴不再那么宽。企业里“随便跑、无限用”的 AI 政策，也开始被 CFO 和平台团队重新审视。

我更在意的是，tokenmaxxing 并没有简单死亡。它正在分流：一种是粗暴拉用量，另一种是为更高正确率付费。前者该退场，后者才刚开始被认真定价。

第一轮 tokenmaxxing：用荒唐指标打破组织惯性

企业推广 AI，最难的常常不是采购，而是让人改工作流。

很多团队买了 Cursor、Claude Code 这类工具后，员工一开始只是试试。有人让它补测试，有人让它改脚本，有人让它做代码迁移。只有真的把任务交出去，工具才有机会进入日常流程。

所以第一轮 tokenmaxxing 不能简单骂成烧钱。它像一个很粗的破冰器：不精确，但能逼出第一次使用。

问题也在这里。token 用量不是产出，更不是质量。把它当绩效信号，结果就会滑向刷量。古德哈特定律那句话很适合放在这里：指标一旦成了目标，就不再是好指标。

阶段企业在做什么解决的问题暴露的问题
早期推广用 token 用量衡量 AI 采用逼员工开始用工具用量不等于产出
成本上升收紧订阅、限制无限 token预算回到 ROI 口径旧激励失效
新一轮尝试让 agent 长循环执行任务用计算换正确率只适合可验证任务

这对企业 AI 负责人有一个直接影响：不要再把“用得多”当作 AI 转型进度。

更现实的做法是，把指标换成任务级结果。比如代码合并周期有没有缩短，测试覆盖有没有提高，线上返工有没有减少。否则，用量报表越漂亮，预算会越危险。

成本上升后，旧激励失效；但长循环 agent 改变了计算逻辑

早期 agent 跑长任务有个硬伤：错误会累积。

一次误读需求、一次改错文件、一次没有被发现的幻觉，会被后续步骤继续放大。跑得越久，偏得越远。这就是 compounding error，可以理解成“错误复利”。

现在情况有一点变化，但要说得克制。

更好的模型、更稳的工具调用、更完整的上下文管理，再加上测试和校验反馈，让部分任务开始出现相反趋势。agent 不只是一路往前跑，而是能反复检查、修正、再推进。

这就是 compounding correctness，也就是“正确性复利”。它不是说所有任务越跑越好，而是在一些可验证任务里，多跑几轮可能提高最终正确率。

典型场景包括代码迁移、批量重构、安全测试、资料整理。它们都有一个共同点：结果能被检查。测试能跑，规则能验，差异能比对。

loops 的价值就在这里。它让 agent 围绕同一个目标反复执行：拆任务、调用工具、看反馈、修正，再进入下一轮。这样才有长任务和 24/7 运行的基础。

但现实约束也很清楚。OpenAI、Anthropic 的订阅额度在收紧，API 成本也在上升。原文并没有给出统一涨价比例，也不能推断出每家企业的成本曲线。企业能做的不是赌“越跑越聪明”，而是看每多跑一轮是否真的减少人工返工。

对平台团队来说，采购动作会变得更保守。以前可以先开大额度，让大家试；现在更可能先挑两个场景做封闭试点。跑通了再扩，不再默认全员无限用。

开发者提效值得投，脆弱 agent pipeline 要停下来算账

接下来企业要分清两类 token 消耗。

第一类是给开发者用 Claude Code、Cursor 这类工具。它们消耗 token，但替代的是工程师时间。只要代码能审、测试能跑、变更能回滚，这笔账相对好算。

第二类是为一次性业务流程堆 agent。比如数据清洗、标注、整理，本来可以用确定性代码完成，却被包装成“智能体流水线”。准确率不够，就加一个质检 agent；质检不稳，再加第三个 agent。

这种 pipeline 最容易变成新一轮 token 黑洞。成本翻倍，可靠性未必提高。

路线适合投入的条件主要风险企业该怎么做
开发者工具任务可审计，输出能测试，节省工程师时间过度依赖生成代码保留预算，按团队产出评估
长循环 agent目标明确，有验证机制，失败可回滚token 成本快速上升小范围试点，记录每轮收益
业务 agent pipeline流程变化大，人工成本高，规则难写多 agent 互相补洞，可靠性不升反降先比较确定性代码方案

最相关的两类人会马上感到变化。

企业采购会延后大额 AI 订阅，不再轻易承诺“全员不限量”。他们会要求供应商给出任务级效果，而不是只给使用率和活跃人数。

AI 平台团队会把预算从“鼓励多用”迁到“验证多跑是否有用”。开发者工具可能继续扩。没有验收标准的 agent pipeline，会被要求降级、重写，或者回到传统自动化。

这里有一个简单判断标准：如果多跑一轮 agent，不能减少人工检查、返工、事故或交付延迟，那它就不是智能化投入，只是把云账单写得更长。

回到开头那个两个 agent 空转刷量的荒诞细节，它真正提醒的不是员工会钻空子，而是企业不能用消耗替代判断。

tokenmaxxing 的旧版本，是用指标逼人上车。新版本能不能成立，只看一件事：更多计算有没有换来更可靠的结果。