今天知乎热榜挂了个问题：程序员应该自费买Token来工作吗？
高赞回答区吵成两派。一派说，工具就该公司配，让我自掏腰包的老板格局太小；另一派说，AI是吃饭的家伙，自己买才用得爽，公司配的那点额度根本不够。
我把最近一个月关于这个话题的报道翻了一遍，发现这事比吵架有意思得多——半年之内，答案被整个反转了一次。
从「福利竞赛」到「自费上班」，只用了半年
今年上半年，大厂还在卷AI福利。据媒体当时的报道：腾讯被曝给核心员工配了年均22万的Token资源，每月700美元的Cursor、700美元的Claude随便用；阿里给产研岗位每月8000块Token额度，不限模型；字节连员工业余时间玩AI都能报销一半；百度更直接，每人每月1000元额度，不绑定考核。
到了6月，风向变了。腾讯把「全员统一额度」改成「按任务动态调配」，有员工的月额度从一万多掉到一千多，两天见底；字节给外部模型报销设了上限。36氪9月的一篇文章标题扎心：《AI办公，自费上班打工人的第一笔"首付"》——文里有人每月在AI工具上的花费，已经和房租持平。
同一时间，海外也在上演同款剧情。Uber今年4月就提前花光了全年的AI编码预算，随后给工程师设了硬上限：每人每月1500美元。而英伟达那边，黄仁勋给的答案是工程师人均年Token预算25万美元。
一边砍到每月1500，一边敢批25万一年。为什么差这么多？
真正的原因：公司在跑两套账
海外投资机构Leonis Capital的分析说透了这件事：企业买AI，其实在跑两套完全不同的经济学。
第一套，把AI当成本。 目标是「花更少的钱办同样的事」。一旦产出被别的环节卡住——比如需求就那么多、审核就那么慢——再多智能也变不出收益，所以拼命砍预算。Uber就是这套。
第二套，把AI当增长资本。 产出直接随智能提升而增长，模型越强赚得越多，Token花得越多反而越划算。英伟达是这套。
看懂这个，你就明白「该不该自费」的真正判断标准了：别问公司抠不抠，先问你干的活属于哪套账。 如果你的产出天花板不由AI决定（比如写标准化的CRUD代码），公司砍预算是理性行为，你自费猛烧也烧不出超额回报；如果你的产出真的随AI能力线性增长（比如独立开发、内容创作、方案咨询），那这笔钱本质是给自己买生产力，跟设计师自费买正版字体一个逻辑——只是要先算清楚ROI。
还有个更隐蔽的坑：你的Token可能有七成是白烧的
《财经》报道过一个实测：在一个200多个文件的代码库里，Agent平均回答一个问题要发起23次工具调用，单轮消耗约18万Token——其中真正和问题相关的不到5万。浪费七成以上。
也就是说，很多人「自费买Token觉得贵」，一半原因是用法太粗放：整个仓库一股脑塞给Agent、一个对话从头聊到尾不换窗口、让小模型就能干的活去烧最贵的前沿模型。
给三条省钱不省效果的做法：
一、先免费后付费。 动手订阅之前，把免费档和低价档跑一遍真实工作流。我们在 spark1.cn/tools/ 里也整理了一批常用AI工具的入口，很多场景免费额度就够用，先摸清自己到底缺什么，再决定为谁掏钱。
二、对话勤「断舍离」。 长对话的成本是复利式膨胀的——上下文每多一轮，整段历史都要重新计费。一个任务做完就开新对话，别在一个窗口里聊一整天。
三、按难度分配模型。 格式化、翻译、简单改写交给便宜模型；只有架构设计、疑难bug才动用最贵的那档。就像不会开法拉利去楼下买菜。
最后说句实在话
「自费买Token」这个问题，表面上是钱，底下是你和公司的AI账本第一次摆到了同一张桌子上。公司在算它该不该把你当增长资本，你也在算自己值不值得这笔投入。
好消息是：单价一直在降，工具一直在多，这笔账会越算越便宜。真正决定回报的，从来不是烧了多少Token，而是你有没有把AI用在自己产出真正能放大的地方。
算清自己的账，从容花钱，从容干活。
💬 评论