现象：最铁的两家大客户，同步踩了刹车
微软原本为今年 Claude 准备的内部预算超过 10 亿美元，已经被砍掉三分之一以上。Meta 更直接——内部使用 Claude Code 的员工从约 6 万人降到约 3 万，直接腰斩。即便用户砍了一半，Meta 最近 28 天在 Claude Code 上的花费仍超过 1.05 亿美元。
两家公司给出的理由高度一致：太贵。微软 AI 业务负责人明确表态，Anthropic 的方案极其昂贵，目标是大幅削减直到彻底取消。云部门此前把每人每月的 Claude 额度从 10 万美元压到约 1 万美元，降幅约九成。到 2026 年 5 月，微软取消大部分 Claude Code 许可证，要求在 6 月 30 日财年结束前完成迁移。
为什么贵：按 Token 计费碰上 Agent 模式
Claude Code 的问题不是不好用，恰恰相反——它太好用了。微软最初在体验与设备部门为数千名工程师开通 Claude Code 时没有做任何推广，头几个月 Token 消耗量就翻了倍。每位工程师每月的 Token 成本在 500 到 2000 美元之间，整个团队烧掉了数百万美元。
背后的逻辑是按 Token 计费的天然死结。聊天场景里一问一答，流量可控；但 Agent 模式会自己读代码、跑测试、改完再改，一干就是几小时，流量表一直在转。工具越好用、用的人越多、任务越复杂，账单就越失控。Meta 内部一个追踪 Claude 使用情况的看板显示，30 天烧掉了 60 万亿 Token——这种规模和速度，没有哪家大厂能长期承受。
不只是钱：合作者正在变成竞争者
更深的矛盾在于供应商角色的变化。一年前，行业普遍把 Anthropic 当作卖铲子的人——模型是工具，谁都能买。但 Claude Code 能写代码、改文档，新的 Cowork 产品越来越像 Office 的替代品，而 Office 恰恰是微软的命根子。Meta 同样如此，自己要把 Muse 系列做成企业服务，没有理由一边做竞品一边给对手送钱。
这种从合作到竞争的转变正在扩散。7 月阿里全面停用 Claude Code，改推自研 Qoder；英伟达、Palantir、Booz Allen 也在收紧使用，英伟达处理专有信息时更倾向用自家 Nemotron。理由各不相同——成本、数据安全、防蒸馏——但方向一致：代码这种最核心的事，巨头要握在自己手里。
Anthropic 并非没有应对。新版本 Fable 5.1 把缓存读取成本砍掉 75%，典型工作负载整体便宜约 25%，高度 Agent 化的重活最多便宜 45%。同时调整了数据留存政策，允许企业在自有基础设施上保留数据。但降价只能缓解矛盾，解决不了根本——当供应商自己也做 Agent、做协作工具时，与客户的利益冲突就难以调和。
选型标准：四个问题决定值不值得用
对正在评估 AI 编程工具的企业来说，能力跑分已经不再是唯一指标。建议在选型时同时回答四个问题：
- 任务匹配度：日常的格式化、补测试、写文档，用轻量模型或本地小模型即可；只有架构设计、复杂调试、跨系统重构才需要最顶级的能力。
- 单任务成本上限：给每项任务和每位工程师设定月度 Token 预算上限，超出后自动降级到自研或开源模型。
- 数据流向可控：评估供应商是否会接触核心代码和训练数据，能否支持私有化部署或数据不出域。
- 替代路径存在：避免单一供应商绑定，至少保留一个自研或开源的备选方案。
市场正在被切成两层：够用、便宜、可控的模型吃掉大量日常活儿；最强的模型只留给最难的一小部分任务。
落地建议：四步把 AI 编程的账算清楚
第一步，Token 消耗审计。统计过去 30 天每位工程师、每个项目的 Token 用量和对应成本，找出最烧钱的前 20% 任务。
第二步，任务分层。80% 的日常工作交给轻量模型或本地小模型，剩下 20% 的复杂任务才用顶级模型。
第三步，给供应商戴上数据缰绳。明确合同里的数据留存条款，优先选择支持本地缓存、允许企业自有基础设施保留数据的方案。
第四步，建立自研或开源兜底。自研周期长但不可替代，开源方案可以先用来做备份和能力补充。
光有最强还不够，还得让人用得起。AI 编程赛道接下来比的不只是模型能力，更是单位智能的成本——谁先把智能做到足够便宜，谁才能真正走进每个工程师的日常。