每人每天1B token，大部分公司可以至少裁一半人

最近在跑自己的 Agent 应用，看了看后台的数据，脑子里突然冒出一个略带争议的念头：如果现在团队里每个开发每天都能合理消耗掉 1B（10亿）个 Token，很多公司估计至少能裁掉一半的人，而且干活效率还能翻倍。

我其实是做上层业务应用的，搞基建纯粹是副产品。但在折腾这些副产品的过程中，我发现很多过去根深蒂固的技术认知，在当前的 AI 时代已经被彻底颠覆了。今天就随便聊聊，当 Token 变成“水电煤”之后，我们该怎么做研发。

以前搞基建是奢侈品，现在是量身定制的日用品

经历过前几年移动互联网和云原生红利期的老兵肯定有体会：以前搞一套趁手的底层基建，成本高得吓人。创业团队哪有那么多精力折腾 DevOps 或者内部效能工具？只能死死盯住核心业务，能凑合就凑合，资源一分钱都得掰成两半花。

但现在有了海量的 Token，情况完全变了。

只要你懂点工程化，借助大模型，你几乎可以一个人对标以前大厂里一个效能团队的产出。缺什么自动化脚本？缺什么中间件？没什么好纠结的，直接给它 Context，量身定制造一个出来就行了。

一旦这套基础流水线转起来，你会发现烧 Token 的成本其实极低，甚至能玩出“左脚踩右脚”螺旋上天的感觉。大家可以看看下面我这个月的账单截图：

你没看错，像跑 GPT-5.5 这种级别的模型，一个人 1B +的 Token 跑下来，一个月其实也就不到 500 块人民币，甚至还能抠得更低。

“烧不完”的 Token，逼出的自动化闭环

当你的算力成本降到这个地步，每天 Token 配额像流水一样用不完时，你的工程直觉就会起作用——你会忍不住去想，业务里还有哪些脏活累活是可以自动化的？

给大家看个我最近折腾的实际小项目：

逻辑很简单：我写了个叫 gptbargain 的脚本去全网自动嗅探低价的 Plus 账号；然后接上 keytoauth 自动做 CPA 巡检，发现号401了就自己去续at。这就是个完美的闭环，机器自己找资源、自己做可用性测试、自己填补弹药库。完全不需要人工干预。

真正的 Harness，不只是那些高大上的框架

现在一聊到怎么驾驭（Harness）大模型，全网都在扯 Agent 框架、Memory、RAG 这些高大上的词。当然，这些技术性强的东西我也在做，比如之前搞的 stupidsimplerag，还有把搜索转成 API 调用的 googlesearch2api。

但我想说的是，除了这些上层技术，还有一块技术门槛没那么高、但业务价值极大的部分被很多人忽略了——比如，你怎么在这个丛林生态里，持续、稳定、低成本地搞到适合你的 Token？

聊点务实的：我是怎么给应用选模型的

既然说到这，结合我这边的消耗情况，分享几点模型选择的实操经验。不谈玄学，只算经济账。

1. 写代码：只上最顶配
如果你是用 AI 辅助编码，不用想，直接用你能够到的最好的模型。目前看也就是 GPT-5.5xh 或者 Claude Opus 4.7。它能帮你省下的时间和心智负担，绝对远超那点 Token 钱。
补充个坑：除非你遇到特殊情况（比如触发破限和安全审查导致账号被封），这种需要单独拿出来评估和隔离，平时写代码就选最聪明的。

2. 跑业务 Agent：不选最贵，只选最合适
如果是给你的应用跑流，尤其是 Agent 这种会在后台疯狂消耗 Context 的场景，选型策略必须变。
废话，谁不知道模型越贵越聪明？但你有那么多预算拿去烧吗？成本兜不住，商业模式就不成立。大家可以参考一下我目前应用里的模型流量分布：

3. 扔掉 Benchmark，建立自己的基准与 A/B 测试
模型到底行不行，千万别看外面的跑分榜，那些对你实际的业务大概率毫无指导意义。你必须建立一套基于你自己业务场景的基准来评估，而且要在版本迭代中持续测。

入门阶段，我用的评估维度很简单：

• 智力（准确性与任务完成度）
• 速度（首字与吞吐效率）
• 价格（综合性价比）
• 稳定性（并发与连通率）

这四个维度你跑上一段时间，自己就有体感了。为了更直观和全量，我会配合 LLM Ops 工具（具体操作直接用 CC 或者 CX 去跑就行，效率很高）来拉数据做。

这里补充一个进阶玩法：多用 A/B 测试。
当你过了单纯比拼价格和连通率的阶段，强烈建议多跑跑 A/B 测试。特别是面对同一个 Tier（梯队）的几个不同模型时，你需要重点评估它们的偏置（Bias）问题。不同的模型在输出格式、安全冗余度甚至逻辑推演上都有自己的“脾气”。这种深层的偏置只看跑分是看不出来的，必须通过真实的 A/B 对比，你才能找到跟自己应用逻辑最契合的那个。