Uber 四个月烧完全年 AI 编码预算，微软停用付费编码工具

烧掉两年的 AI 预算：Uber 四个月花光，微软直接砍掉授权

2026 年的同一时期，Uber 的管理层发现全年 AI 工具预算到春天就见底了，而微软则决定让自家工程师停用一款按 token 付费的编码工具。两家不同的公司、不同的产品，却出于同一个原因做出了决定：那个计量表。

两家公司同一年做出相同决定，引出了一个值得探讨的问题：是两家公司的财务团队同时在勒紧裤腰带，还是 AI 编码工具底层"按 token 付费"模式的裂缝首次暴露在众人面前？

Uber 是怎么在四个月烧掉一年 AI 预算的

到四月底，Uber 已经花光了 2026 年全年的 AI 预算。四个月，钱就没了。

触发点是规模化，而且来得很快。据分析，Uber 95% 的工程团队都接入了 Claude Code 和 Cursor，并开始用它们跑大量工作负载。一次性地向几乎所有人推广 agentic 工具，token 消耗会按人头数级放大——而 agentic 工作流消耗 token 的速度，是 autocomplete 时代从未让预算做好准备的。

Agentic 编码工具会推理一个任务：它规划步骤、读取文件、写入代码、检查自己的输出，然后回头修正错误。这些步骤每一个都是一次模型调用，而每次模型调用都会对输入 token 和输出 token 收费。一个开发者花一个下午折腾一个复杂的重构，就能累积出相当于过去一个月 IDE 工具费用的账单。

前沿推理模型的定价高达每百万输入 token 30 美元，而重度依赖推理的 agentic 工作流恰恰就用这些模型。用这个费率乘以一个工程师每天跑几十次 agent 循环、再乘以几乎全员推广的规模，每位开发者每月高达 2000 美元的账单就成了这个定价模型的必然输出。

最终出现的不是一条可预测的账单线，而是遍布几乎整个工程组织的持续性、重推理、agent 驱动的工作负载。根据报道，Uber 现在不得不重新思考如何为开发者工具做预算。

微软砍掉 Claude Code

微软在 Experiences and Devices 部门取消了大部分内部 Claude Code 授权，于 2026 年 6 月 30 日生效。官方理由不是安全审查，也不是供应商纠纷。就是那张反复出现的账单——报道中说得直白：账单太大了。

迁移路径值得注意。团队被引导向 GitHub Copilot CLI，这是微软自己的产品。但这并不是逃离 token 税：一个万亿美元市值的公司只是把开支从一个计量表搬到了自己端到端控制的计量表上。

透过这份内部调整再看，信号超出了这一个组织架构图。微软能拿到的 token 价格几乎比地球上任何公司都低，即便如此，它还是放弃了一款第三方按量计费工具，转而用自己的。每一个正在对 Claude Code 或 Cursor 支出算账的小型工程组织，现在都面临着一个同样的数据点。

为什么云端 AI 计费越来越贵

企业月度 AI 平均支出从 2024 年的 63000 美元增长到 2025 年的 85500 美元，一年涨幅超过 35%。2026 年的预测将该数字推高到每月超过 115000 美元。每月支出超过 10 万美元的企业占比在 2025 年翻倍，2026 年预计再翻三倍——高端用户的增速比平均值攀升得更快。

Agentic 工具每个任务产生的调用次数远远超过大多数预算所针对的对话窗口工具，而且每次调用都是双向计量。一个 agent 可能要打十几通电话才能完成一个开发者过去一次编辑就搞定的事。把这个比例扩展到全员推广而非试点小组，月度数字就不再像一项工具成本，而开始像工资条上的一行了。

成本爆炸追踪的是模型底层计费结构，而不是模型本身：在同样的按 token 计费模式下，一个更好、更便宜的模型仍然会为每个规划步骤和每次自我修正计量费用。不受监控的 API 调用时代正在终结，因为按用量计费的模式会随着 agent 活动规模扩张，而 agent 活动的增速远比人头增长快得多。

Uber 和微软是对这个结构最早做出反应的两家公司，每一个以实际人头规模运行 agentic 编码工具的企业都暴露在同样的问题下。无论下一代模型发布后在基准测试中拿到什么分数，产生了 2025 年月均 85500 美元的那个计费逻辑本身并没有改变。

OpenCode 的快速崛起

就在 Uber 的财务团队盯着四月份账单、微软在起草取消授权备忘录的同时，开发者们已经用自己的终端投票了。OpenCode 的月活用户从 65 万增长到 650 万，十倍增长。该项目的 GitHub 仓库已突破 124000 星，在全球 agentic 编码工具中排名第二。

OpenCode 成了那些认为工具按量计费版本不再合算的开发者的可见替代方案。

机制很简单：托管模型对每次调用计量，而 OpenCode 将推理路由到开发者自己的机器上。你提前为高性能硬件付费，之后每次生成的成本就是电费和折旧，而不是 token。卖点是一次性固定成本对阵每次 agent 思考时都在跑的计量表——Uber 的工程师们每月每人最高 2000 美元，活生生就在那个计量收费的数学里。

这里没有任何证据表明开发者硬件上的本地模型在输出质量上能比肩 Claude Code 或 Cursor，也没有任何数据衡量本地推理延迟与一次云端往返相比如何。有记录的是 adoption（采用率）：用户十倍增长、GitHub 星数排名第二，就发生在同一年——同一年里，一个巨头取消了授权，另一个因为同样的问题撕掉了预算方案。开发者不会等 benchmark 研究报告出来才绕过一张他们不想要的账单。

同一请求，两种成本结构：云端推理每一步都按 token 计费，而本地推理用固定硬件成本取代了计量表。

Token 税之后是什么

Uber 和微软的资产负债表中，2000 美元/月的开发者账单本该是零头，两家却都撞上了同一堵墙。共同的墙是计费结构：每次调用、每个步骤都对输入输出 token 计量，账单随 agent 思考多少而增长，而不是随它交付多少价值而增长。

持久的解决方案是架构层面的。将推理从按 token 计量的计量表上移走，搬到本地或边缘硬件上，改变的是你为之付费的东西：一笔固定的硅片成本，之后每次生成按电费计价。这就是 OpenCode 押的注，也是为什么月活用户十倍增长发生在同一年——同一年里，一家巨头取消了授权，另一家因为同样的问题推翻了预算方案。

在团队做出那个转变之前，有四个做法可以让计量表保持可控：

现在就在本季度结束前设置支出警报和按团队上限，这样"四月惊吓"的模式就不会发生在你身上。

询问供应商是否有按席位或承诺用量的定价方式。按量计费 API 费率是重度、可预测用量最贵的买法。

把机械性工作路由到更便宜的模型。改名、样板代码、测试脚手架不需要前沿推理模型；把昂贵的 token 留给真正需要的问题。

每月追踪每位开发者的成本，一行算术：

月度 AI 编码支出 ÷ 使用该工具的活跃工程师数 = 每位开发者成本

微软的取消授权和 Uber 的预算重建，究竟是永久性转向按用量计费的开始，还是供应商会把价格重新涨回来的短期修正，这个问题仍然悬而未决。你自己的表格回答的是一个更近的问题：如果你的每位开发者数字正朝着 Uber 的方向走，你已经在这故事里了。