夜雨聆风上个月，我一个在某券商做技术VP的朋友给我发了张截图。
他们团队12个开发，4月份的AI编码工具账单：23万。
不是人民币。是美元。
他问我：「这玩意儿是不是比我们雇三个高级Java工程师还贵？」我算了一下，还真是。而且那三个Java工程师不会在月底突然给你弹个框说「本月额度已用完，请升级套餐」。
这不是段子。这是2026年6月正在发生的事情。
● ● ●
一场没有人提前打招呼的涨价潮
如果你最近没关注AI编码工具的定价变化，我帮你捋一下。
6月22号，Anthropic宣布限制订阅用户对顶级模型的访问，Claude Opus级别的模型从月费套餐中剥离，改为按量计费——输入1000万token收10美元，输出5000万token收50美元。听起来好像不贵对吧？
等一下，我待会儿给你算这笔账。
同一时期，GitHub暂停了Copilot Pro、Pro+和Max档位的新订阅，官方理由是"基础设施压力"。Cursor推出了60美元/月的中间档，Windsurf直接改名叫Devin Desktop，Pro档20美元，Max档200美元。
你有没有觉得哪里不对？
对，这些工具的价格结构正在从"固定月费"向"按量计费"全面转向。这意味着什么，我估计很多CTO还没反应过来。
● ● ●
微软自己人都扛不住了
说到这个我想起一个数据。
微软内部工程师使用AI编码工具的人均月成本，在采用按量计费后一度飙到2000美元。没错，两千美元。每人每月。
这不是某个小创业公司的案例，这是微软。全球市值最高的科技公司之一，自己的工程师用自家的AI工具，成本失控了。
他们后来不得不切换到封顶方案。但这恰恰说明了一个问题：按量计费模式下，企业根本没法预测月底账单会是多少。
为什么成本会这么夸张？因为现在的AI编码Agent不是在"辅助编程"，它们在"自主编程"。一个标准的bug修复任务，Agent平均要发起25次API调用，吃掉40万输入token和1万输出token。如果是构建一个新功能？200万输入token、4万输出token起步。
这还没完。
今年6月的计费更新还暴露了几个隐藏杀手：缓存写入收费是基础价的1.25到2倍，美国节点路由额外加10%，内置的网页搜索工具每1000次查询收费10美元。
更隐蔽的是tokenizer的变化。同一个文本，新版tokenizer生成的token数量比旧版多了35%。也就是说，你的代码没变长，但账单涨了三分之一。
● ● ●
这笔账到底怎么算
我帮你做一个简单的模型。
假设你的团队有20个开发者，平均每人每天用AI编码工具处理5个任务，每月按22个工作日算：
- ●标准bug修复（约60%的任务）：每次约40万输入token
- ●功能开发（约30%的任务）：每次约200万输入token
- ●复杂调试（约10%的任务）：每次5万到20万token不等
一个月下来，纯输入token大约消耗在8亿到12亿之间。
按Anthropic Opus模型的定价，光输入成本就是800到1200美元/月。再加上输出token、缓存写入、路由费用，实际账单大概在1500到2500美元/人/月。
20个人？3万到5万美元/月。
这还没算那些"隐性消耗"——Agent在后台自动重试失败的调用、对话历史每次都全量发送导致的token累积、以及自动化工作流在凌晨三点还在默默消耗你的额度。
我被供应商坑过三次才总结出这条经验：永远不要用"人均月费XX美元"这种报价去说服老板，因为那只是入门价，实际账单通常是标价的3到5倍。
● ● ●
问题的根源不在价格，在于治理
但我不想把这篇文章写成一篇工具吐槽文。定价是市场行为，工具涨价说明它们确实有价值——前提是你能控制住成本。
真正的问题在于：大多数企业在引入AI编码工具时，根本没有建立成本治理机制。
我见过太多这样的场景：CTO在管理层会议上说"我们给团队配了Copilot，每人每月39美元，很划算"。然后三个月后CFO拿着账单来找他，发现实际支出是预算的4倍。
为什么？因为没人告诉他们，当开发者从"人工编码"切换到"AI协作编码"模式后，工具的使用量和成本是指数级增长的。一个开发者写代码的速度提升了3倍，但他消耗的token提升了10倍。
这就引出了一个我反复在说的问题——引入AI工具不等于AI Native。就像你给每个员工配了一台顶配MacBook不等于他们就会做设计了。
● ● ●
成本治理的三个层次
我根据自己踩过的坑和观察到的企业实践，把AI编码工具的成本治理分成三个层次。
第一层：预算封顶。 这是最基本也是最多人停留在的层次。给每个开发者设定月度额度，超了就降级到低成本模型。Cursor的60美元中间档本质上就是在这个层次上做文章。但问题是，封顶会直接影响开发效率——你在debug最关键的时候被提示额度不足，那种感觉你懂的。
第二层：任务级路由。 这是目前我觉得最有性价比的方案。不是所有任务都需要Opus级别的模型。一个简单的代码格式化，用Sonnet就够了，成本是Opus的十分之一。但一个复杂的架构重构，必须用Opus。关键在于你的工具链是否支持根据任务复杂度自动路由到合适的模型。目前大部分企业没做这件事。
第三层：可观测的成本体系。 这是我最推崇但最少见的做法。把AI编码工具的消耗纳入工程效能的度量体系中，跟代码质量、交付速度一起看。你不仅要知道花了多少钱，还要知道这些钱换来了什么——每次AI辅助的代码变更，缺陷率是多少？交付周期缩短了多少？如果AI辅助的代码反而引入了更多bug（我见过这种情况），那这笔钱花得就不值。
老实说，第三层我目前也只在两三个团队里见过完整实践。大多数企业还停留在第一层，甚至有些连第一层都没做好。
● ● ●
6月之后会怎样
我的判断是，2026年下半年，AI编码工具的定价还会继续波动。
原因很简单：这些工具公司在烧钱抢市场。Anthropic限制顶级模型的订阅访问，本质上是因为补贴不起了。GitHub暂停新订阅，说的"基础设施压力"，翻译过来就是"服务器扛不住了"。
当工具厂商开始从"补贴获客"转向"利润回收"时，定价只会上涨。而且按量计费天然对高频使用者不利——而企业开发者恰恰是最高频的使用群体。
所以你现在面临的选择其实只有三条路：
一，建好自己的成本治理体系，在工具涨价之前把账单控制住。
二，减少对单一工具的依赖，建立多模型、多供应商的弹性策略。
三，培养团队的"原生能力"，让AI工具成为增效器而不是替代品。如果某天工具成本涨到你承受不起，你的团队还能不能保持产出水平？
第三个问题可能是最重要的。但也是最少有人认真回答的。
● ● ●
一个没想明白的事情
写到这里我其实有一个困惑没解开。
AI编码工具的ROI到底该怎么衡量？如果一个开发者用AI工具产出提升了50%，但成本也增加了200%，这到底是赚了还是亏了？
有人说要看长期——效率提升会带来更多的业务交付，间接创造的价值远超工具成本。这种说法我信一半。因为"间接创造的价值"在CFO眼里约等于"你编的故事"。
这个困惑我暂时放下，后续我会专门写一篇来拆解AI编码工具的ROI度量问题。但如果你现在就被老板追问这个，我的建议是：先把账单控制住，再去谈价值。
一个连成本都控制不住的团队，谈什么AI Native，老板只会觉得你在乱花钱。
<!-- 写作元信息（不发布） -->
