微软CEO纳德拉承认自己也是“token滥用者”：这会上瘾，但前沿模型不该用于日常任务

一句话看懂

微软CEO纳德拉公开承认自己也是“token-maxer”（滥用最强AI模型的人），并警告这种做法成本高、效率低，但坦言“这会上瘾”。

详细发生了什么

在近期一次公开讲话中，微软CEO萨提亚·纳德拉提出了一个让AI圈内人感同身受的概念——“token-maxing”。他描述了一种普遍现象：无论任务大小，人们总倾向于调用最强大、最昂贵的AI模型（如GPT-4、Claude 4等），而不是根据实际需求选择更轻量、更便宜的模型。

纳德拉认为，这种做法在成本上不可持续。他提出一个原则：生产力提升的边际收益必须与token的边际成本相匹配。换句话说，如果用一个价值1美元的AI调用去完成一个只值1美分的任务，就是资源浪费。

然而，纳德拉坦承自己也无法免俗：“我也像个token-maxer一样。这会上瘾。”他解释说，使用最强模型带来的流畅体验和高质量输出让人欲罢不能，但企业必须克制这种冲动，否则AI成本会失控。

中文圈视角

纳德拉的这番话对中文AI用户和开发者来说，既是一面镜子，也是一个提醒。

国内用户同样面临“模型选择困难症”。很多开发者习惯用DeepSeek-V3或Kimi的旗舰模型处理所有请求，哪怕只是翻译一句话或写个简单摘要。这种“杀鸡用牛刀”的做法，不仅浪费API额度，还增加了响应延迟。

国产模型厂商的定价策略也在鼓励token-maxing。例如，DeepSeek的API按token计费，但不同模型价格差异巨大（旗舰模型可能是轻量模型的10倍以上）。如果用户不主动区分任务类型，很容易产生不必要的成本。

一个被忽视的盲点：国内很多AI应用（如AI写作助手、代码补全工具）默认使用最强模型，用户甚至没有选择权。这导致企业级用户每月账单飙升，而实际效果提升有限。

对中文用户的建议：学习“模型路由”策略——简单任务（如分类、提取）用轻量模型（如DeepSeek-Lite、Qwen-Turbo），复杂推理（如代码生成、长文分析）才用旗舰模型。国内已有一些工具（如ModelScope的模型路由方案）可以自动做这件事。

几条值得记住的细节

• 纳德拉提出的“边际收益匹配边际成本”原则，本质是要求企业为每个AI调用计算ROI。
• 他承认自己“上瘾”，说明即使是AI公司CEO也难以抵抗最强模型的诱惑。
• token-maxing不仅浪费钱，还会增加碳排放——因为更强的模型需要更多算力。
• 微软内部正在开发“模型选择器”工具，帮助开发者自动匹配任务与模型。
• 纳德拉的讲话暗示：未来AI应用的关键不是模型能力，而是成本控制。

一句话总结

别让最强AI模型成为你的“默认选项”，学会按需选择模型，才能让AI真正降本增效。