這個週末，產業討論焦點突然從哪家 AI 模型更強，轉成哪家公司先把帳單看懂。原因不是前沿能力停了，而是導入曲線開始撞上費用曲線。當 大型語言模型 被接進 coding、搜尋、文件整理與 agent 工作流之後，企業看到的已經不是單次問答的單價，而是整條流程會把多少 Token 燒掉。
GitHub Copilot 在 6 月 1 日起正式對所有方案啟用 usage-based billing，成了這波情緒爆發最清楚的觸發器。GitHub 的官方說法很直接：Copilot 互動會消耗 input、output 與 cached tokens，這些用量會被折算成 AI Credits，而且 1 AI credit = 0.01 美元。對個人方案來說，Copilot Pro 月費 10 美元，當月合計可用 1,500 credits；Pro+ 月費 39 美元，可用 7,000 credits；Max 月費 100 美元，可用 20,000 credits。這個設計等於把原本很多人感受到的「差不多吃到飽」體驗，改寫成一個每次互動都有成本感的系統。
更關鍵的是，GitHub 也同步把預算治理做成正式機制。官方文件寫得很清楚：複雜對話、agent 模式、大型 codebase、多輪工具呼叫，都會明顯提高用量；企業若設了 user-level budget，超過上限就是硬停，沒有自動降級到較便宜模型的保底機制。只有 code completions 與 next edit suggestions 仍維持包含在方案內，不走 AI Credits。這代表平台已經不再假設每一次 AI 使用都應該被無條件鼓勵，反而開始把「誰能用多少、在哪裡停下來」視為產品能力的一部分。
| 指標 | 目前已公開的機制 | 對企業採購的意義 |
|---|---|---|
| Copilot 計費單位 | 1 AI credit = 0.01 美元 | 財務部門第一次可以把 agent 使用量直接折成預算 |
| 個人方案內含額度 | Pro 1,500、Pro+ 7,000、Max 20,000 credits | 同一套工具也必須做分級，不再是所有人都用同一張吃到飽票 |
| 企業用量治理 | User-level budget 會在 pool 與 metered phase 都生效，且是 hard stop | 管理重點從「採不採用」轉成「誰能用到哪裡」 |
| 超額後處理 | 可進入額外付費，但必須先開 budget；若上限打到就直接阻斷 | 導入策略開始像雲成本治理，而不是 SaaS 席次管理 |
如果只看 Copilot，這像是一家平台重寫計費表；但把同一週其他訊號拼起來看，這更像整個市場在被迫校正。TechCrunch 在 6 月 2 日引述 Bloomberg 與 The Information 指出，Uber 已替員工使用的 agentic coding 工具設下每人每工具每月 1,500 美元上限，因為它的 2026 年 AI coding 預算在四個月內就幾乎花完。到了 6 月 5 日，TechCrunch 又把更多案例湊成同一條主線：Priceline 的 Cursor 合約續約報價回來高了 4 到 5 倍；有人開始抱怨巨額 Claude 帳單；Faros 的研究顯示，每位開發者的用量在九個月裡上升約 18.6 倍；Jellyfish 的觀察則是高使用者雖然生產力更高，但代價是 10 倍的 token 消耗。
這些案例把一個錯覺拆得很乾淨。先前很多企業以為自己在買的是更聰明的 聊天機器人 或更強的 coding 助手，現在才發現自己其實在買一條新的算力帳本。agent 會自己拆任務、反覆呼叫模型、讀更多上下文、拉更多工具，再把多輪結果回寫到下一輪 推理 裡。單價不一定比較高，但總量幾乎一定更高。這就是為什麼很多公司這一週開始不再先問「哪個模型最厲害」，而是先問「這個工作流到底要燒掉多少 credits、誰來批准、上限到哪裡」。
6 月 7 日 TechCrunch 乾脆把這波氣氛稱為 Tokenpocalypse。那篇週末討論的重點不是某一家產品單獨漲價，而是整個產業補貼邏輯開始進入後段。當大型 AI 公司陸續朝 IPO 靠近，市場自然會追問：今天被補貼掉的 token，明天要由誰來付？如果答案不再是投資人，而是企業客戶與個人訂閱戶，那採購行為一定會改變。
這也是為什麼 GitHub 文件裡最值得注意的，不只是「可以花更多」，而是「可以設 universal budget、individual budget、cost center budget 與 enterprise budget」，而且 system 會按固定順序判斷請求該被放行、計費還是阻擋。這種語言其實很像雲端治理，而不是傳統軟體訂閱。過去 SaaS 採購主要是席次問題，現在 AI 採購開始變成流量、負載、路由與配額問題。對很多 CIO 與財務長來說，這不是加購一個新工具，而是把另一種 FinOps 帶進工程團隊。
真正的分水嶺因此不是「會不會繼續用 AI」，而是「怎麼分流使用」。簡單問答、短指令、日常補全，會被愈來愈多地壓到便宜層；跨檔案修改、長任務代理、複雜審查，才會保留給昂貴層。也就是說，企業接下來比的不是誰先把全員 token 放大，而是誰先建立一個不會因為過度樂觀而爆帳的模型路由與預算體系。
這波轉向對供應商也是壓力測試。若平台無法清楚告訴客戶每一次 AI 互動怎麼計費、用量怎麼被切開、預算碰頂後怎麼處理，客戶就會自己找第三方觀測、自己做成本閘門，甚至直接限制高價模型的進場。到了那一步，賣模型能力本身就不夠了，還得賣可審計性、可控性與可預測性。
所以這條新聞最重要的地方，不在於某一家廠商惹毛了開發者，而在於企業端終於開始用真實帳單反過來定義 AI 產品。這意味著下一輪競爭很可能不是誰再喊出更大的參數或更華麗的 demo，而是誰能把 AI 的使用權限、預算治理與模型分流一起包成一套可落地的營運系統。當成本開始反咬導入，AI 市場就不再只是能力競賽，而是正式進入經濟紀律競賽。