随着主流服务提供商将计费模式从固定订阅转变为基于消耗量的方式，AI 成本正经历显著变化。Gartner 的一份报告强调，这种计费模式的转变使得 AI 支出成为一个难以精确预测和控制的浮动变量。此外，在计算和收取 Token 消耗方面，主要供应商普遍缺乏清晰透明的收费标准。

Nitish Tyagi 观察到，“在以 Token 消耗量计价的 AI 支出日益增长且预算经常比预期更快耗尽的情况下，软件工程部门的领导者们正面临越来越大的压力。”

他指出，企业正从初步试验阶段迈向全面应用，越来越多的开发者将 AI 工具整合到日常工作中。尽管成本有所增加，企业也看到了生产力的提升。开发者普遍认为，更快的交付周期、操作的便捷性以及更高质量的代码生成是主要优势，因此他们不太可能主动限制 Token 的使用以降低成本。

Tyagi 进一步补充说，“开发者不太可能仅凭自身意愿来控制 Token 的使用，他们通常会优先考虑效率和便利性，而不是成本效益。”

IT之家观察到，将 AI 集成到工作流程已成为普遍趋势，这使得员工在编写代码上花费的时间减少，并将更多精力投入到管理和审查 AI 生成的内容上。

Gartner 的分析表明，AI 编程成本的上升不仅源于定价模式和透明度问题，还与使用方式和缺乏有效治理有关。Token 超支通常与工程管理人员如何监督使用行为有关，例如 AI 代理程序的失控自主运行、上下文窗口的过度使用以及缺乏旨在优化消耗量的结构化反馈机制。同时，AI 编程工具供应商尚未在他们的智能体中集成先进的成本优化功能，这也加剧了费用的增长。

Tyagi 预测，“随着基础设施投资的增加和盈利压力的上升推动模型定价的提高，AI 编程的成本预计将持续攀升。与此同时，随着更多开发者开始使用 AI 工具并日益依赖它们，轻度用户预计将迅速转变为重度用户，这将进一步推动 Token 的消耗和总支出的增长。”