// AI 新闻 · 2026-11-02 · MIT Technology Review - AI
AI开发应衡量交付成果而非token消耗
MIT Technology Review指出，当开发者将编码任务交给AI代理时，代理需进行规划、生成代码、运行测试和迭代修正，单次任务的token消耗可达基础对话提示的10至50倍。随着代理能力增强，其调用频率上升，导致高token成本下价值高的工作流程也变得昂贵。Uber和GitHub等企业已出现预算耗尽或定价模式调整的情况，Gartner预测2028年AI编码成本将超过平均开发者薪资。
原文发布 2026-11-02 21:10（北京时间）来源 MIT Technology Review - AI自动整理 · 已核对原文
01摘要
当前普遍采用的用量限制措施无法区分有效产出与无效消耗，如重试或死循环，也无法反映实际软件交付成果。研究建议改用每合并拉取请求的成本作为核心指标，结合缺陷和返工数据评估质量。通过将昂贵推理资源保留于关键任务，并将常规工作下放至自有开源模型，可提升效率并增强对敏感代码的控制。HPE实践显示，其混合AI平台将token成本降低30%至50%，并通过本地部署实现成本与安全性的平衡。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- AI代理执行任务消耗远超基础对话，单次任务token使用可达10到50倍。
- 按token计费导致高价值工作流程成本飙升，企业已出现预算耗尽或定价调整。
- 建议以每合并拉取请求的成本替代token消耗作为核心衡量指标，关联实际软件交付。
- 通过本地部署开源模型和智能路由网关，可保留高端推理资源并提升对敏感代码的控制。
03原文出处
Stop counting tokens, start counting what ships
MIT Technology Review - AI · 发布于 2026-11-02 21:10（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-02 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日