告別AI「代幣最大化」：企業轉向「模型最大化」，精打細算省下天價帳單

2026年上半年，人工智慧（AI）社群中瀰漫著一個關鍵詞：「代幣最大化」（tokenmaxxing）。這個詞彙描述了企業鼓勵員工盡可能廣泛使用AI模型的現象。然而，隨著Uber、微軟等公司審視員工累積的AI帳單，他們開始採取更為審慎的策略。如今，一股新的成本節約風潮正在興起，那就是「模型最大化」（modelmaxxing）。

「模型最大化」的核心理念是：將最困難、需要高度智能的任務分配給價格較高的尖端模型，而將較簡單、重複性的任務交由較舊、成本更低的模型處理。這種精打細算的「代幣衛生」策略，正成為創辦人、軟體工程師、使用者體驗（UX）設計師，甚至是熱衷於「氛圍編碼」（vibe-coding，指非技術人員憑直覺使用AI編碼）的非技術人員，在AI預算緊縮和用量上限實施下，實現更高效益的關鍵。

從盲目追求到智慧選用：AI成本管理的典範轉移

位於太浩湖的AI新創公司Bold Metrics技術長摩根．林頓（Morgan Linton）每週兩次會向他的16位工程師明確指示該使用哪些AI模型以及使用的時機。他會在團隊的例行會議前，告知其中一個團隊使用低階的Claude Fable，另一個團隊則使用高階的GPT-5.5。他透露，第三個團隊使用Cursor搭配Composer 2.5，正獲得「完全完美的結果」。林頓表示，這種針對模型使用的精確性，讓他無需設定嚴格的代幣用量上限。

「我的團隊正在使用最好的工具，但他們的使用效率也更高了。」

當然，使用最新模型有其充分理由。OpenAI的凱琳．沃斯（Kaylin Voss）曾在LinkedIn上指出，更好的模型能「減少重試、監督和浪費的精力」。然而，有些任務根本不值得付出高昂的成本。

Coinbase執行長布萊恩．阿姆斯壯（Brian Armstrong）是首批公開闡述此觀點的人之一。他在6月7日的一則X貼文中寫道：

「未來12到18個月內，80%的工作負載將運行在便宜99%的模型上。」

他補充說，其餘20%的工作負載將繼續運行在最新模型上，因為「智商最大化」（IQ maxxing）在此至關重要。

AI新創公司Hechura的共同創辦人克里斯．馬可尼（Chris Maconi）從來就不是「代幣最大化」的擁護者。他以「人機協作」（human-in-the-loop）的態度經營公司，不設定全天候自動編碼的機器人。模型選擇正是他這種反「代幣最大化」觀點的一部分。馬可尼回憶起OpenClaw的熱潮——這是一種封裝在Mac Mini中的AI代理，由於其24/7的運作和廣泛的自主性，特別消耗代幣。他設置OpenClaw時，從便宜的Gemini模型開始，然後才切換到Anthropic的Haiku。馬可尼說：

「我不害怕嘗試這些低階模型，看看它們是否能提供我們所需的智能。」

創意省代幣：從設計到測試的實戰策略

29歲的大型科技公司使用者體驗設計師坦維．皮薩爾（Tanvi Pisal）表示，她透過慘痛的教訓學會了如何更有效率地使用模型。皮薩爾使用Figma、ChatGPT和Claude等工具來進行腦力激盪和制定產品需求文件。她擁有公司訂閱的ChatGPT，並自費訂閱每月20美元的Claude Pro基本方案。她坦言，一開始她會直接使用Claude從零開始構思使用者體驗，這個過程讓她「浪費了數月的代幣」，卻仍未完成任務。

皮薩爾分享了她的新策略：「所以我現在的做法是，先在Figma中設計好一切，然後將這些螢幕截圖放入Claude。我告訴Claude保持使用者介面不變，並建構完整的功能和流程。這種『設計優先』的流程確實幫助我節省了代幣。」她還選擇使用公司企業方案免費的ChatGPT來進行初步的腦力激盪，然後將精煉後的想法帶到Claude，以創建更精美的文件。

紐約市的軟體工程師兼科技內容創作者亞歷杭德拉．湯瑪斯（Alejandra Thomas）表示，她會對每個新發布的模型進行測試，以了解它們各自的優勢。「我盡量不只因為最昂貴或最先進的模型可用就去使用它。對於簡單的任務，我總是使用較輕量的模型，甚至完全不用。」

AI銷售公司Scoot的執行長艾德．史蒂文斯（Ed Stevens）則喜歡「選一匹馬就騎到底」。他的工程師會選定一個模型，試用幾個月，然後判斷它是否符合要求。如果出現了閃亮的新模型，或者他們認為可以用更低的成本達到同樣的效果，史蒂文斯說，他們就會「換馬」。

稀缺心態與自動化工具：AI成本管理的未來

杜克大學行為經濟學研究員兼教授丹．艾瑞利（Dan Ariely）指出，這種從每個代幣中榨取最大價值的想法，體現了一種「稀缺心態」（scarcity mindset）。艾瑞利認為，代幣預算讓他想起早期的手機，當時通話時間是有限的。他說，人們會在月底試圖用完所有分鐘數，即使這意味著打給他們其實不想打的人。

「代幣創造了一種稀缺模型，人們無法隨心所欲地使用。它設定了一個使用目標，並在人們未能達到目標時，產生一種浪費的心理。」

他補充說，由於用戶不想超出限制並支付額外費用，一旦達到代幣上限，他們就會轉向其他公司的模型以節省開支。

如果這種AI模型切換聽起來令人筋疲力盡，好消息是您無需獨自做出這些決策。專門進行模型路由（model routing）的新創公司正蔚為風潮。這些公司提供軟體，根據任務的複雜性，將任務分配給特定的模型，有時甚至包括開源模型。它們是創投界的寵兒，像OpenRouter這樣的新創公司正獲得大量資金挹注。

大衛．吉爾摩（David Gilmore）經營著其中一家公司Rayline。他的工具會攔截請求，並判斷這些請求是否可以轉發給更便宜、通常是開源的模型。他表示，許多客戶都曾陷入「錯失恐懼症」（FOMO moment），盲目追求最新最貴的模型。如今，透過智慧的模型選擇與管理，企業正逐步擺脫過去的「代幣最大化」迷思，走向更為永續且高效的AI應用之路。