微軟收緊員工 AI 預算：有人 28 天燒掉 2.8 萬美元，編程轉向 GPT-5.6 Sol
微軟近期在內部啟動一波針對生成式 AI 費用的嚴格控管，核心做法除了加強各部門的 Token 用量監控外，更計畫把內部基礎工作負載逐步轉移到代號為 GPT-5.6 Sol 的模型上。據了解，這項調整的目標非常明確，就是希望在不影響員工日常生產力的前提下，讓微軟投入在生成式 AI 上的每一分預算都能花在刀口上，避免資源被無謂消耗。這波管控措施的導火線，來自於一份在微軟內部流傳的數據表格。這份資料顯示，有部分員工為了追求個人在 AI 相關排名指標上的表現，在短時間內大量呼叫模型服務，導致 Token 費用急劇膨脹。其中最極端的案例，是有人在短短 28 天內就累積了將近 2.
8 萬美元的 Token 消耗，這個數字曝光之後，立刻在管理高層之間引發高度警覺，也成為這次內部整頓的直接契機。從內部揭露的資訊來看，這類過度調用模型的行為其實並非普遍現象，但不同部門之間的 AI 成本結構卻存在非常顯著的落差。有些單位因為業務性質使然，本來就需要較高的模型使用量，但有些部門則明顯出現不合理的使用模式。值得注意的是，在微軟內部各部門之中，CoreAI 部門的 AI 用量最為突出，堪稱整個公司最「燒錢」的單位，也因此成為這次成本控管措施上路後，外界持續關注的焦點對象。
據了解，這份內部數據表格之所以引起軒然大波，除了所呈現的昂貴帳單之外，更關鍵的是凸顯出 AI 工具在企業內部落地之後，實際使用行為與管理預期之間存在著巨大落差。員工為了在內部評比中取得更好的排名，可能不惜以大量呼叫模型的方式拉高各項指標，這種行為若不及時遏止，勢必會讓微軟的 AI 基礎設施成本持續失控，進而侵蝕整體利潤。為了從根本解決這個問題，微軟決定採取雙管齊下的策略。首先，在管理機制方面，微軟將全面強化 Token 用量的可視性，建立更即時的監控系統，讓各部門主管可以更清楚地掌握團隊成員的模型呼叫狀況。
透過數據透明化，管理階層能更快辨識出異常使用模式，及早介入處理，而不是等到每個月的帳單出來之後才發現預算已經超支。另一方面，微軟也同步展開模型替換計畫。內部開發與日常工作流程的預設模型選項，將逐步從原先的版本轉向代號為 GPT-5.6 Sol 的新型模型。這個模型被認為具備更低的成本結構，能在提供相近生成能力的同時，顯著降低每一次 API 呼叫所產生的費用。對微軟而言，這是一次從技術面直接壓低成本的務實作法，不需要大幅限制員工使用 AI 的權限，就能達到節流效果。這項模型替換計畫的背後，其實也反映了企業導入生成式 AI 時所面臨的典型困境。
大型語言模型的運算成本高昂，若完全放任員工自由使用，很快就會讓 IT 預算失控；但如果過度設限，又會扼殺生產力提升的機會。微軟這次選擇以模型替換搭配用量監控的方式，試圖在兩者之間取得平衡，既保留員工使用 AI 工具的彈性，又能夠合理控制成本支出。值得留意的是，GPT-5.6 Sol 作為內部預設模型的定位，與微軟對外提供的 AI 服務並不衝突。這款代號主要鎖定的是微軟內部的工程開發、文件撰寫、程式輔助等日常任務，目的在於以更經濟的方式處理大量重複性的生成需求。相較於追求極致效能的旗艦模型，GPT-5.6 Sol 更重視成本效益，這也讓它成為內部工作負載轉移的理想選擇。
事實上，微軟對於 AI 成本的關注並非最近才出現。隨著生成式 AI 應用日益普及，各大科技公司都開始意識到，模型訓練與推論的基礎設施支出，將成為決定未來競爭力的關鍵因素之一。如何在維持技術領先的同時，避免陷入無止境的成本黑洞，成為每家企業都必須面對的嚴肅課題，而微軟此次的內部調整，正是這個大趨勢下的具體表現。從員工角度來看，這波管控措施勢必會改變過去一段時間以來相對寬鬆的 AI 使用環境。未來，員工在呼叫模型時，可能需要更謹慎地評估每一次請求的必要性，而不是隨手就將任務丟給 AI 處理。對於習慣將 AI 作為日常開發輔助工具的工程師而言，這也意味著必須重新思考如何在效率與成本之間取得最佳平衡。
不過，微軟內部對於這項政策並非完全沒有雜音。有聲音認為，過度強調成本控管，可能會打擊員工嘗試新技術的意願，甚至影響內部創新氛圍。但也有另一方看法認為，放任無限制的 Token 消耗，只會讓資源集中在少數過度使用的案例上，反而對大多數認真使用 AI 工具的人不公平。這樣的路線之爭，未來恐怕還會持續發酵。整體而言，微軟這次針對生成式 AI 預算所展開的全面管控，不僅是一次單純的內部財務調整，更可視為大型科技企業在 AI 時代摸索治理模式的重要案例。透過強化監控、提升用量透明化，以及將工作負載轉移至更具成本效益的模型，微軟試圖建立一套可長可久的 AI 使用框架。
後續成效如何，也將牽動其他科技巨頭在類似成本控管議題上的決策方向。短期內，外界預期微軟內部的 AI 使用量可能會因為這波管控而出現明顯下滑，尤其是那些過去被大量用於非必要目的的模型呼叫，將率先受到抑制。但長期來看，如果 GPT-5.6 Sol 確實能在維持輸出品質的前提下滿足內部需求，那麼微軟在 AI 基礎設施上的成本壓力，將有機會獲得實質性的緩解。而這套「監控加替換」的做法，未來也不排除被進一步推廣到更多面向，甚至影響微軟對外公版服務的定價與策略布局。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。