企业在经历上半年“尽量多用 AI”的阶段后，开始更关注成本控制。多名创业者、工程师和设计人员表示，他们正按任务复杂度分配不同模型，把复杂工作交给更强、也更贵的前沿模型，把重复性或简单任务交给价格更低的模型。
这种做法正在替代此前流行的“tokenmaxxing”。后者强调尽可能多地调用模型，以提高团队使用频率和产出。但在企业看到 AI 账单持续上升后，使用策略开始转向更细的成本管理。
从多用模型转向精细分配
AI 初创公司 Bold Metrics 首席技术官 Morgan Linton 表示，他会定期告诉工程团队，不同任务该使用哪些模型。有的团队使用 Claude Fable 的低档配置，有的任务则交给 GPT-5.5 的高档配置处理。还有团队在 Cursor 中配合 Composer 2.5 使用，称结果已经足够稳定。
他认为，明确模型分工后，团队不必再依赖严格的 token 上限，也能提高整体效率。
Hechura 联合创始人 Chris Maconi 也表示，他并不认同无限制扩大模型调用的做法。以 OpenClaw 这类可长时间自主运行的 AI 代理为例，这类工具往往消耗大量 token。他在实际部署时，会先尝试更便宜的 Gemini 模型，再视效果切换到 Anthropic 的 Haiku。
设计和开发团队开始先做筛选
一些非工程岗位也在调整使用方式。大厂用户体验设计师 Tanvi Pisal 表示，她最初会直接用 Claude 从零开始做头脑风暴和产品需求文档，结果消耗了大量 token，任务推进却不理想。
后来她改为先在 Figma 中完成界面设计，再把截图交给 Claude，让模型在保留界面的前提下补全功能和流程。她还会先用公司提供的 ChatGPT 企业版整理思路，再把更成熟的内容交给 Claude 生成更完整的文档。
纽约软件工程师兼科技内容创作者 Alejandra Thomas 表示，她会测试每个新模型的擅长方向。对简单任务，她通常优先使用更轻量的模型，甚至不使用模型。
AI 销售公司 Scoot 首席执行官 Ed Stevens 的做法则更接近阶段性评估：团队会先选定一个模型使用几个月，再判断是否继续使用，或改用更新、但更划算的替代方案。
模型路由工具开始升温
随着企业更重视成本，专门负责“模型路由”的工具开始受到关注。这类软件会先判断任务复杂度，再把请求分配给不同模型，其中也可能包括开源模型。
Rayline 负责人 David Gilmore 表示，很多客户一开始会因为担心错过最新模型而优先使用高价方案，但在看到 API 账单后，往往会重新收缩预算。
Ramp 首席经济学家 Ara Kharazian 对外媒表示，使用模型路由平台的企业比例正在上升。他去年的统计显示，约 1% 的企业使用这类工具，今年这一比例已升至 5%。
旧金山投资机构 BlockSpaceForce 目前使用 OpenRouter、Fireworks 和 Together AI。其管理合伙人 Spencer Yang 认为，用户甚至可以先让便宜模型判断任务是否真的需要更贵的模型处理，因为模型本身越来越擅长识别任务复杂度。
从企业实践看，AI 使用重点正从“尽量多用”转向“把模型用在合适的地方”。在预算收紧的背景下，模型切换和路由能力，正在成为团队控制成本的新方法。