微软在最新的模型发布卡中悄悄加入了一项指标——平均token消耗。这个看起来不起眼的改动，标志着AI行业竞争逻辑的根本转变：从单纯追求性能得分，转向必须兼顾效率和成本。模型公司不再只比谁更“聪明”，还要比谁更“省钱”。

先看数据：微软的模型在SWE-Bench Verified上拿到71.6分，但每项任务消耗的token量仅为Claude Haiku 4.5的三分之一。这意味着，在同等任务下，微软模型的运行成本可降低约66%。这不是一个小数——对于大规模部署AI的企业来说，token用量的差异直接决定项目盈亏。

更残酷的对比来自Artificial Analysis发布的Intelligence Index。GPT 5.5与Claude Opus 4.8的性能得分接近（约60分），但Opus 4.8的运行成本高出40%（4,685美元 vs 3,357美元）。得分相近，成本差了上千美元，这逼迫企业重新思考“性价比”模型的选择标准。过去，人们只盯着benchmark排名；如今，同等得分下，谁跑得更便宜，谁就赢。

企业端的反应更为直接。Uber因为四个月内AI预算超支，不得不限制员工使用AI工具。Salesforce则花了3亿美元购买Anthropic tokens，同时冻结工程招聘。这些案例揭示一个残酷事实：AI技术的落地不是“部署即完事”，隐藏的token消耗正在吞噬企业预算。Gartner的调研也显示，超过60%的企业在AI部署后半年内出现预算超调，主要原因是低估推理成本。

模型公司如今必须在性能和成本两个维度同时竞争。这并不意味着技术天花板被突破，而是商业可行性的门槛被抬高。对企业用户而言，采购AI模型时，建议建立“总拥有成本（TCO）”评估模型：将推理成本、token效率、部署维护费用纳入考量，而非只看单一得分。对创业者来说，专注于推理效率优化（如模型压缩、稀疏化、量化）的初创公司，或将成为下一个投资热点。

微软的“平均token消耗”指标，更像是一个行业信号灯。它告诉所有人：AI的“算力红利”正在消退，“效率红利”时代已经到来。那些只会在论文里刷新分数的模型，如果没有成本控制，终将被市场淘汰。