Meta全员“刷分”成瘾:日烧2万亿Token,小扎的AI野心已进入“疯狂模式”?

温故智新AIGC实验室

TL;DR:

Meta 内部正上演一场现实版“疯狂练级”:8.5 万名员工为了抢夺“Token 战神”勋章,每天疯狂空转 AI 烧掉 2 万亿 Token,相当于把维基百科洗了 40 遍。而这背后,竟是扎克伯格想要用 AI “血洗”代码库的宏大蓝图。

在硅谷,衡量一个程序员优秀的标准是什么?是代码行数?是 Bug 率?还是那该死的、令人着迷的 Token 消耗量

最近,Meta 内部爆出了一场奇幻的“刷分”内卷。在首席 AI 官亚历山大·王的强势带教下,全公司每天烧掉的 Token 数量高达 2 万亿。如果你对这个数字没概念,换算一下:这相当于每天把整部维基百科丢进 AI 的胃里反复咀嚼 40 多遍1

更离谱的是,这种烧钱行为不仅没被叫停,反而成了 Meta 员工们彰显“职场地位”的新勋章。

职场新指标:代码写得好,不如 Token 烧得多?

Meta 内部现在有一个名为 Claudeonomics 的实时排行榜。这个榜单不看你的 KPI 完成了多少,也不看你的 PPT 做得有多精美,它只追踪一个核心指标:你最近 30 天消耗了多少 Token2

在这场被称为 Tokenmaxxing(Token 极限化)的狂热氛围中,员工们为了抢夺“Token Legend(Token 传奇)”或“Session Immortal(会话永生者)”这种听起来极具网游感的虚荣头衔,简直使出了浑身解数。

“如果你下班时没能消耗足够的 AI 算力,你可能会觉得自己在绩效边缘挣扎。” 3

为了稳固排名,工程师们开始疯狂套娃。有人构建了会循环运行的机器人,让 AI Agent 在后台进行长达数小时的冗余研究;还有人为了处理一个简单的脚本,也要动用 MyClaw 或 Manus 这种重型自动化工具进行“饱和式办公”。哪怕只是处理一个最不起眼的日常任务,也要整出一种“老夫聊发少年狂,日烧 Token 三千行”的排场。

有投资界人士毫不客气地评价:这种做法愚蠢至极,本质上和当年用“代码行数”衡量产出没有任何区别2

扎克伯格的“代码洁癖”:为了让 AI 看懂,全员被迫疯狂重构

老板们疯了吗?为什么眼睁睁看着真金白银化作 GPU 的热量?

其实,这场风暴的源头是扎克伯格的一份内部备忘录。小扎下达了一个死命令:工程团队必须把现有的所有代码库全部重写一遍

为什么要干这种费力不讨好的活儿?因为现有的陈年旧账里有太多 AI 读不懂的“黑话”和补丁。小扎的目标很明确——要把代码库清理干净,让 AI 能够毫无障碍地接管底层的代码修改工作1

面对这个几乎不可能完成的任务,员工们只能求助于 AI,用 AI 来重构代码,再用 AI 来审核 AI 重构的代码。这一来二去,Token 消耗量自然坐上了火箭。

对此,Meta 首席技术官 Andrew Bosworth 不仅没打算灭火,反而表现得异常大方。他认为,只要能砸出生产力的跨越,这点钱根本不算什么。这甚至呼应了黄仁勋的那个著名观点:

“一个拿着 50 万美元年薪的顶尖工程师,如果每年不烧掉个 25 万美元的 Token,那简直就是严重的职业失职。” 2

显然,Meta 的员工们不仅听进去了,还把老黄的建议当成了“KPI 圣经”来执行。

Meta 的反击:不求全面超越,只要霸占你的社交圈

烧了这么多 Token,Meta 到底烧出了什么?

答案即将揭晓:由亚历山大·王主导的第一个新模型家族就要上线了。有趣的是,在经历了“闭源”传闻后,Meta 最终还是选择回到了“半开源”的路线。

根据目前的方案,Meta 依然会向开发者社区开放模型调用权限,但会像保护命根子一样锁死最核心的技术细节4。而且,Meta 很有自知之明——他们并不打算在通用能力上和 OpenAI 或 Anthropic 硬碰硬,而是选择了“社交渗透”这条老路。

Meta 计划将这些新模型深度植入 WhatsApp、Instagram 和 Facebook 的每一个毛孔里。这是一种非常聪明的“降维打击”:我有全球最庞大的分发渠道,哪怕我的模型不是最强的,但只要它在你聊天、发朋友圈时如影随形,我就是最后的赢家。

所以,你看,Meta 员工们疯狂刷榜的行为虽然滑稽,但在扎克伯格的棋局里,这种“饱和式消耗”或许正是通往 AI 霸权的一张昂贵门票。

你觉得呢?这种靠刷 Token 刷出来的“未来感”,到底是真生产力,还是又一场皇帝的新衣?

引用


  1. Meta全员正在进行一场疯狂竞赛:谁用的Token最多? · Moomoo (2026/4/7) · 检索日期2026/4/7 ↩︎ ↩︎

  2. Meta员工空转AI只为浪费token! · 投资界 · 量子位 (2026/4/7) · 检索日期2026/4/7 ↩︎ ↩︎ ↩︎

  3. 2100亿Token“刷榜”背后:当AI消耗量取代产出 · 搜狐 (2026/4/7) · 检索日期2026/4/7 ↩︎

  4. Meta open-source AI models · Axios (2026/4/6) · 检索日期2026/4/7 ↩︎