Tokenmaxxing已死，Tokenmaxxing万岁
Tokenmaxxing（token滥用）是什么？它指公司高管无意中鼓励员工大量消耗token做无用任务的现象。最典型的例子是Meta将绩效评估与token使用量挂钩，结果员工让两个agent互相通话一整天来刷token数。
作者提出一个反直觉的观点：这不完全是「高管不小心鼓励了浪费」，而是「高管有意鼓励了浪费」。几个月前，很多组织里资深人士对使用AI工具非常抵触，用起来也故意搞出奇怪结果。Tokenmaxxing政策是一种打破阻力的大锤策略。
现在情况变了。所有人至少都在用AI（Cursor、Claude Code等），token开销大幅上升。同时OpenAI和Anthropic都在提价，token补贴正在消失。看起来tokenmaxxing死了。
但也许没有。
从「复合错误」到「复合正确」
关键转变：从「复合错误」到「复合正确」。过去跑AI agent时间长了，小错误会累积成灾难性后果。现在不同了——花更多token通常带来更好的结果。这个「复合正确」现象彻底改变了算盘。
安全领域的token军备竞赛
安全领域尤其明显。Anthropic的Mythos模型在安全任务上极其出色。AISI给每个尝试预算1亿token（$12,500），10次运行$125k。而且随着token预算增加，模型没有出现收益递减——花的越多，发现的安全漏洞越多。
这让人联想到加密货币的工作量证明（PoW）——成功与原始计算量挂钩。系统安全的等式变得残酷：你需要比攻击者花更多token来发现漏洞。
「循环」架构的兴起
"循环"（loops）概念因此火热。Boris Cherny（Claude Code创建者）在台上说"loops"全场沸腾。基本思路是：运行agent直到它完成一轮，然后重新开始同一prompt。复合正确让这变得很容易——你基本上可以随便写prompt，每轮迭代都会更好。
开放模型平台的逆袭
真正的赢家是开放模型平台。如果Claude每轮给1.1x改进，GLM 5.2给1.05x但成本低5倍，你就可以跑第二轮5倍次数，结果反而更好。
两种Tokenmaxxing
两种tokenmaxxing：
- 给开发者花大量token——用Claude Code等工具，让工程师更高效。好的token花销。
- 给管道花大量token——用代码创建一次性agent做特定任务，非确定性且脆弱。坏的token花销。
软件工厂与未来展望
最终状态是"软件工厂"或"暗工厂"——代码库自动产出代码、审查代码、修复bug、写测试，无需人工监督。StrongDM的主张是工程师每人每天花$1000在token上。作者的公司实际花约$600/月，但趋势是明确的。
GPT 5.6系列发布（Sol、Terra、Luna）。OpenAI推出自研推理芯片Jalapeño。Cerebras的推理速度达750 tokens/s。开放模型GLM 5.2性价比惊人。
Tokenmaxxing看似已死，但长期来看不会。走在最前沿的团队正在建立24/7运行agent的基础设施。大公司迟早会意识到成本效益再次转向了有利方向。
