微軟叫停Tokenmaxxing，預算卡死，超限自負

微軟近日在內部正式終止一項名為「Tokenmaxxing」的機制，此舉被視為該公司AI基礎設施支出策略轉向嚴謹財務紀律的重要訊號。據了解，過去微軟內部開發者與研究人員透過Tokenmaxxing，可以在專案需求超出原先核定額度時，向中央預算申請追加支援，不需要由團隊自行承擔超額成本。但隨著這項機制被取消，任何超出核定額度的token用量，相關團隊都必須自行吸收費用，不再有中央預算兜底。這項決策直接影響微軟內部員工運用生成式AI服務的習慣，尤其是那些高度依賴大型語言模型進行實驗與產品開發的團隊。

過去，Tokenmaxxing的設計本意是為了鼓勵內部創新，讓開發者不必過度擔心調用模型時的token消耗，可以更專注於功能測試與效能調校。然而，隨著AI服務的使用量急速膨脹，微軟高層開始意識到，若不加控管，相關支出將快速侵蝕利潤空間。根據內部消息，微軟目前預設使用的AI模型版本為GPT-5.6，這款模型在效能與成本之間取得特定平衡，能夠滿足多數內部應用場景，但同時也代表每一次API呼叫的token消耗都必須被精確計算。Tokenmaxxing的取消，意味著團隊需要更嚴謹地規劃每次呼叫的token用量，避免因超額而影響專案進度或預算配置。對於習慣「先叫再說」的開發者而言，這無疑是一項重大轉變。

微軟至今尚未對外公開說明這項調整的具體生效時間，也未公布後續的配套措施，例如是否會提供新的預算工具或監控機制來協助團隊控管用量。但業界普遍認為，微軟此舉的核心目的在於避免資源濫用，並引導內部人員更有效率地運用生成式AI工具。隨著AI模型訓練與推理的成本持續高漲，即使是科技巨頭也必須在創新與成本之間找到更精準的平衡點。值得注意的是，這項內部政策調整並非孤立事件。過去幾個月，微軟已在多個面向收緊AI相關支出，包括減少非關鍵專案的GPU配額、重新評估與供應商的合約條款，以及要求各部門提交更詳細的AI使用報告。

Tokenmaxxing的終止，正是這一系列預算控管行動中的一環，顯示微軟對AI基礎設施的投入正從「衝刺擴張」轉向「精細化管理」。對於內部開發者與研究人員而言，這項變化意味著他們必須重新思考如何設計與部署AI應用。例如，在進行模型測試時，可能需要優先選用較小或較便宜的模型版本，只有在必要時才調用GPT-5.6；或者在開發過程中加入更嚴格的token上限檢查，避免因程式錯誤導致大量浪費。長遠來看，這可能促使微軟內部出現更多專注於token效率優化的工具與流程。業界分析人士指出，微軟的決定也反映出整體科技產業對AI成本結構的重新評估。

過去兩年，各大雲端與AI公司在基礎設施上投入巨額資金，但隨著生成式AI商業化落地，營收成長速度並未完全跟上資本支出，導致財務壓力逐漸浮現。微軟作為這波AI浪潮的領頭羊之一，率先在內部導入更嚴格的成本控管，很可能會成為其他企業跟進的參考範例。此外，Tokenmaxxing的取消也可能對第三方開發者與合作夥伴產生間接影響。微軟內部團隊在開發AI產品時，若因token成本限制而調整設計方向，最終推出的服務或API定價策略也可能隨之改變。外界預期，微軟將在未來幾個月內發布更明確的內部AI使用規範，進一步釐清各團隊在預算與資源分配上的權利義務。目前，微軟發言人尚未針對此消息發表正式評論。

但從內部員工的反饋來看，部分團隊已開始重新檢視現有的AI工作流程，並尋求更節約的替代方案。例如，有些團隊嘗試將長時間運行的批次任務拆分為較小的單元，以便在token用量達到上限前暫停或排程；也有人開始研究提示詞壓縮技術，設法以更少的token達到相同效果。總體而言，微軟叫停Tokenmaxxing，不僅是該公司內部預算管理的一次調整，更象徵著整個AI產業從「不惜代價追求能力」過渡到「務實追求效率」的轉折點。對於開發者與研究人員來說，未來在享受AI帶來的便利時，也必須同時承擔起成本控管的責任，這將是生成式AI時代的新常態。