Databricks 公开 AI 编程省钱打法：换对模型一刀省一半
- AI 写代码确实管用，有的团队产出直接翻了十倍。可 token 账单也在指数级往上涨，几乎每家大规模用起来的公司都撞了这堵墙。
- 四招里最大的一刀是换模型。Stripe 实测新版 Opus 没变强还更贵，直接拒绝了内部上架。
- 最反直觉的一条：没有一家公司把硬性额度当日常工具用，断供这招留着，但只当最后手段。为什么，下面有两个很实在的理由。
效率涨上去了，账单涨得更快
Databricks 最近公开了一份极其实用的成本治理复盘：AI 写代码这件事，他们内部跟踪的每一项速度指标都测出了提升，有的团队产出直接翻了一个数量级。但账单也跟着指数级往上涨。
这条曲线撑不下去，放任不管，迟早会超过公司的营收。于是企业被卡在一个很拧巴的位置上：一边想尽可能推 AI 转型，把最好的工具塞到每个员工手里；一边又得面对一个总成本，而这个总成本正在吞掉、甚至反过来抵消 AI 带来的效率收益。
好在最早大规模铺开的那批公司已经摸出了一套办法，同时做到两件事：让所有人几乎没有阻力地用上 AI 工具，同时把人均成本锁在一个大致固定的范围内。这套办法的材料，来自 Databricks 自己的实践，外加和 Stripe、Coinbase、Uber、Ramp 几家公司的交流。
四个手段，各自能省多少：
| 手段 | 具体做什么 | 能省 |
|---|---|---|
| 换更低成本的模型 | 开源模型 + 更高效的新模型 | 50%+ |
| 智能路由 | 模型和工具动态调度 | ~30% |
| 支出管控 | 费用可见、超额警告、预算绊线 | ~10% |
| 上下文优化 | 压缩、砍工具冗余、调缓存 | ~10% |
有些手段用现成软件就能落地，另一些要动基础设施，尤其是那些要改开发者本地工具、要在多个模型之间搬运流量的。Databricks 把自己这套的两个关键部件都放出来了：给开发者用的统一入口 Omnigent，和管流量的 Unity AI Gateway，一个开源、一个免费。
日常写代码用不着最聪明的模型
大家平时说的「前沿模型」，指的是最聪明的那个；各大实验室卷的方向也是智能的天花板，现在的顶尖模型已经能解开数学难题，能发现新的安全问题。
但当 AI 铺到全公司几千个开发者手上，另一条前沿才是要紧的：效率前沿（efficiency frontier）。它指的是在同一个智能水平上，价格最便宜的那批模型。
解一道顶尖数学难题，你得请爱因斯坦；但把一个组件从 X 改名成 Y、把重复的样板代码补齐，请爱因斯坦来干就是纯烧钱。日常写代码的绝大部分工作属于后者，它们只要模型跨过工程质量的及格线就够用了，聪明的上限再高也吃不到。
所以真正决定公司账单的，是那些刚好够用的模型卖多少钱。而这条效率前沿，推进速度比智能前沿快得多：几乎每周都有新模型发布，同样一块钱能买到的智能比上一批更多。
换模型最省钱，但公共跑分不能信
四招里最大的一刀就在这儿：快速换到更新、更高效的模型上，省下来的比其他任何手段都多。但要吃到这个红利，公司先得知道，到底哪个新模型真的比手上这个强。