结论先放前面:Uber 把 AI 账单按住,靠的不是让人少用,是把每个工程师的默认值改掉了。
据 VentureBeat 与 Axios 报道,它的每周 agent 请求自 2 月以来涨了 9.4 倍,总 AI 支出却从 4 月起基本持平。


先看账本:用量涨 9.4 倍,钱没跟着涨
先把三个数摆齐。据 Uber 8 月工程博文,2 月到 8 月每周 agent 请求涨 9.4 倍,每周活跃用户涨 7 倍;超过 70% 的代码变更都由 agent 提交。
同一篇博文里,杰出工程师 Uday Kiran Medisetty 说总 AI 支出自 4 月起基本持平。他的团队现在每天跑 3 万多 agent 任务,3,600 多个 agent skill 每天被执行 3 万次。
划重点:这几个数要放在一起看才叫新闻。请求涨了近十倍而账单走平,说明单次请求的成本被压到了原来的一个零头,不是靠谁少开一次会话省出来的。
还有一笔前情。Uber 的 CTO 今年 4 月对 The Information 说,公司几个月就把 2026 年的 AI 预算花光了;到 8 月他改口说,tokenmaxxing 的时代结束了(据 Axios)。

上下文越长,每一步都在重付钱
说白了,agent 每一轮都要把整段上下文重新发给模型。上下文翻一倍,不是总共多花一倍,是每一步都多花一倍。
所以长会话的账单不是线性涨的。轮数增加,每轮要付的输入也跟着变大,总成本随轮数往上加速。这就是 Medisetty 把交互会话称作最不高效的 agent 用法的原因(据 VentureBeat)。
据同一篇报道,过了 70 万到 80 万 token,cache miss 与每轮重复输入「代价很大」。他给出的平衡点是 40 万 token。
我的判断:多数人盯着单价谈贵不贵,其实贵在重复。同一段历史被计费几十次,单价再漂亮也兜不住。

40 万 token 那道坎,压缩省的是什么
Uber 的做法很直接:交互会话到 40 万 token 自动压缩,哪怕手里的模型支持 100 万上下文(据 Uber 博文)。压缩把前面对话收成摘要,会话接着往下跑。
省的不是表面上那个数字,是后面每一轮都要重复付的那部分。从 100 万压到 40 万,等于每轮输入砍掉六成。
压缩有代价:细节被摘要抹平,模型可能忘掉几轮之前的一个约束。所以这条线不能随便往上挪,也不能一味往下压。
我的判断:40 万的位置不神秘,它落在「模型还没开始退化」与「缓存还没频繁失效」之间那段区间里。选在曲线拐点之前,比选在能力上限上便宜得多。

缓存 TTL 的账:多付 60%,买一个不重建
把价目摊开。据 Uber 博文,缓存读取按输入价的 0.1 倍算,写入 5 分钟档 1.25 倍、1 小时档 2 倍。折算下来,1 小时的写入比 5 分钟贵 60%。
划重点:缓存的钱不在写,在读。写得贵 60%,读只要十分之一,所以一次贵写、多次贱读,账才转得正。
Uber 把主会话的 TTL 从 5 分钟延到 1 小时,子代理仍留 5 分钟,理由是子代理任务短命。主会话不一样:工程师常离开超过 5 分钟,回来时缓存已失效,整段上下文按全价重建。
我的判断:这 60% 是保险费,不是浪费。5 分钟档看着便宜,可在长会话里反复失效一次,重建那一笔就能把前面省的全还回去。

工具描述:被忽略的五万 token
第四个开关最不显眼:启动时不加载 MCP 工具描述,改走 CLI 命令或工具搜索,用到才调。
账在这里。Uber 内部工具上百个,若全部预加载,光工具描述就占 5 万到 7 万 token(据 Uber 博文口径)。这笔开销不是付一次,是每一轮都重付一次。
说白了,这是把「可能用到」换成「用到才拿」。按需查找多花几次调用,换回来的是每轮省下的几万 token——前者是一次性支出,后者是持续支出。

默认值、路由与预警:把选择权收走
四招之外还有几手:任务按成本与能力路由到合适的模型,小任务走便宜的;子代理默认用便宜模型;终端里有实时花费条;Slack 在 50%、80%、100% 三档预警(据 Axios 与 Uber 博文)。
reasoning effort 默认 medium,不是 high。理由不只是省钱:据 Uber 博文,近期模型在 medium 上表现更好,拉到 high 反而有退化,而推理 token 的计费倍率高于输入。
这些设置的共同点,是把选择权从工程师手里收走。Uber 用托管设置在不同员工队列间做 A/B,比的是各队列的输入输出指标,不是谁的感受(据 VentureBeat)。
我的判断:省钱靠默认值,不靠限权。限权要审批、要解释,还会被人绕着走;默认值只要设得对,没人会为了多花钱专门去改配置。

质疑:这是 Uber 的口径,不是你的答案
先把口径说清。每 1000 次请求成本降近 34%、单会话成本降 52%,都是把同一个模型固定住之后测出来的数(据 Uber 博文)。
可固定模型只解释了 34% 这一层。请求 2 月起涨 9.4 倍、支出 4 月起走平,两个基准不同月,只能算粗账:单次混合成本大致要降到一成,剩下那截来自换更便宜的模型。
Uber 自己在博文里也写明:这些数字属于它的环境,换代码库、团队规模与 agent 工作流,结果会变(据 letsdatascience 引述)。400K 的压缩点、medium 的默认档,是拿它的任务分布量出来的。
同一批数据里还有个旁证:VentureBeat 的调查中,156 位受访者里有 38% 说过去一年有 AI 项目因成本超预期被推迟、缩减或取消(据 VentureBeat)。多数公司的账单,还没走到 Uber 这一步。
所以别把这四招当处方抄。先量自己的会话长度分布与闲置间隔,再决定压到哪、缓存留多久。照别人的默认值,只能得到别人的账单形状。