pstack 創辦人每年在 AI 上花費 1.32 億美元？？？？

Theo Browne 主張，網路上瘋傳 Cursor 工程師 Lauren（綽號「Potato」）一年燒掉 1.32 億美元 Token 的說法，誤差大約兩個數量級；他認為真正的重點是推論成本正以遠超多數開發者想像的速度崩跌。本集大部分時間都花在 Token 定價的算術，以及逐條反駁 Peter 與 David Cramer（Zeeg）的貼文；Lauren 的爭議只是切入點，並非主題。

Browne 是開發者，也是 AI 工具領域的評論者。他說自己近乎偏執地追蹤模型用量，包括把 1 TB 的互動紀錄存進自架的 ClickHouse 資料庫；他用自己的 Cursor 帳單，作為反駁「每百萬 Token 8 美元」這個瘋傳演算法核心假設的反例。讀者讀完應該能掌握代理式寫程式的實際成本結構（以快取讀取為大宗）、每單位智慧價格下降的實測速度，以及清楚分辨 Browne 的論點中哪些有資料支撐、哪些只是預測。

單是定價，1.32 億美元這個數字就差了約 20 倍

瘋傳的演算法起點是一個真實數字：Lauren 公開的 Cursor 個人檔案顯示，過去 30 天用了 1.5 兆個 Token。Peter 接著假設平均混合費率為每百萬 Token 8 美元，得出一天約 38.4 萬美元、一個月 1,100 萬美元、一年 1.32 億美元。Browne 的反駁是：1.5 兆這個數字混合了四種定價差異極大的 Token 型別——快取讀取、快取寫入、一般輸入、輸出——而 Peter 卻用最貴的兩類去推算整個池子；在 Browne 自己的用量裡，這兩類合計佔總支出不到 8%。

Browne 自己的反例：他幾乎只用 Opus 5.5，名目價格是每百萬輸入 5 美元、每百萬輸出 25 美元，但他所有 Token 的混合成本是每百萬 41 美分。原因是每百萬 20 美分的快取讀取，佔了他約一半的支出，其餘大多是快取寫入。他稱 Peter 的起手數字「差了一個半數量級」。

Peter 的貼文其實也納入了折扣情境——假設 Cursor 從 Anthropic 拿到九折優惠，算下來約一天 3.8 萬美元、一個月 110 萬美元、一年 1,300 萬美元——但即便如此，他仍結論這筆支出相當於 26 位年薪 50 萬美元的資深工程師。Browne 直接否定這個比較，說 26 位 Token 預算為零的資深工程師，「生產力會明顯不如 Lauren 一個人配上無限 Token」，而且「差距大到可笑」。

Cursor 的實際成本可能落在每月 1.5 萬至 5 萬美元，行銷價值遠勝於此

Browne 在修正後的定價之上，再疊加三層折扣。第一，Cursor 現在隸屬 SpaceX AI，而 SpaceX AI 把可觀的算力租給 Anthropic，因為 Anthropic 比 xAI 更需要 GPU；第二，Anthropic 的營收有多年來主要來自 Cursor，因此幾乎可以肯定有優惠安排；第三，Lauren 跑的是非常長的代理式工作階段，這會讓她的用量比 Browne 更偏向便宜的快取讀取。他的估計是：每百萬 Token 有效價格在高估端為 20 美分，也可能接近 10 美分，換算下來她每月約 1.5 萬至 2.5 萬美元，最壞情況 5 萬美元。

他接著把這筆支出重新定位為行銷。他認識的公司花超過 100 萬美元辦活動，換來的關注度還不如 Lauren 的幾則推文，而她的 Token 同時還改進了產品。他把 Cursor 那段時間的產品改善歸功於她——修好一個又慢又滿是 bug 的 App，並推動 Grokbot；他稱 Grokbot 可能是 SpaceX AI 最酷的產品，並指出每月有數千個 PR 送出。他的結論是：如果他是 Cursor 的執行長，每月花 200 萬至 300 萬美元他「連想都不用想」，甚至會問她要不要更多。

「這值一天 35 萬美元嗎？大概不值。值一個月一、兩百萬嗎？毫無疑問。它根本沒花那麼多。」

實測的每單位智慧價格，一年降幅接近 100 倍，而非 10 倍

Browne 的核心資料論點是：固定能力水準的成本正以遠快於常被引用的「每年 10 倍」在崩跌，而且降速本身還在加快。他引用 Artificial Analysis 的任務成本資料，以及自己跑的基準測試。

他指出 O1 當初的定價是每百萬輸入 15 美元、每百萬輸出 60 美元，快取讀取只折 50%，不像今天的九折到九五折；他說自己刻意用標準版 O1 而非 O1 Pro（每百萬 150／600 美元），因為後者會是不公平的比較。他也坦承自己對趨勢判斷錯了：他原本預期智慧會有天花板、價格會有地板，如今則說，未來執行代理 bash 呼叫的那臺 VM，成本可能比推論本身還高。

「任務沒有變便宜」的說法，把票價與人力混為一談

Browne 轉述 David Cramer 的反駁：基準測試的成本下降不等於實際應用的成果；一年前要花 10 美分的問題，現在還是要 10 美分；舊模型會被下架，所以價格下降無法持久；基準測試的進步也不可靠。Browne 的反駁是：任務的定義已經變了。以前修一個 bug，得手動重現、開啟檔案、選取那一行、在 Sonnet 3.5 上叫出 Command-K、存檔、重啟開發伺服器、再到瀏覽器確認。現在只要把截圖丟給模型，說一句「修好它」。

「當然，在 Jira 上關掉那張票的成本一樣，但這次的工不是我做的。」

他也直接反駁「舊模型下架」這點：無限期託管一個被取代、效率又差的模型根本沒道理；而「同樣成本換到更多智慧，不代表同樣的智慧變便宜了」這句話本身自相矛盾。至於基準測試，他同意現在確實較不可靠，但認為原因是題目已被吃飽（飽和），而非測試無效——去年的模型根本無法把題目做到滿分，這正是它們有用的原因；解法是推出更新的基準測試，而不是放棄測量。

他拿自己的修正當作「我也用同一把尺」的證據：他曾嘲諷 Windsurf 讓模型執行 shell 指令，說是「幼幼班模式」，現在則說自己「錯得離譜」，因為他沒料到代理會把 bash 當成主要工具。

用三年當比較區間是錯的，O1 那個練習就證明瞭這點

Browne 說，Cramer 要求找出一個三年前模型就能做好的任務，這並不公平，因為 2026 年 10 月往前推三年，那時根本還沒有推理模型與工具呼叫——當時的能力說穿了只是比較高階的自動補全。他把區間壓縮到兩年，並以 2024 年 12 月推出的 O1 當基準。他的測試案例是 Skate Bench，也就是讓模型講出滑板招式名稱；他承認這不是完美的替代指標，但至少是真實、可評分的任務。結果就是前面提到的「一年便宜 58 倍」。

他向觀眾徵求候選任務，並否決了幾個顯而易見的選項：三年前，模型無法從零做出一個待辦事項 App，只能在人類完全準備好的環境裡改一個檔案。他的結論是：大家太熟悉現在的能力，反而集體忘了上一代有多受限。

要提防動機攻擊與自信的錯誤，而不只是錯誤的數字

Browne 把這一集定位為 AI 開發圈的媒體識讀。他點出的模式是：有人貼出很大、很能激起情緒的數字，被質疑時就轉攻動機——「你拿實驗室的錢」、「他們是在做行銷」、「他們想讓這件事常態化」——而不是正面處理算術。他說自己很小心，只攻擊論點、不攻擊動機；而最明顯的破綻，就是那種什麼都願意說、唯獨不肯說「你說得對」的人。

他明講自己點名的是朋友——Cramer、Peter，以及 Zeeg（他指認 Zeeg 是 Century 的創辦人、也是長期贊助者）——正因為他相信他們夠聰明，能修正方向。他也提到一個讓這場交鋒看起來比實際接近的不對稱：Cramer 錯了卻保持冷靜有禮，Browne 對了卻動了怒，語氣的落差讀起來像平手。

「這不是同一件事的兩種看法。」

他的實用建議是：把可疑的數字貼進 Claude 或 Codex，請它驗算，因為即使是現在較弱的模型，也能看出那個定價錯誤。

Lauren 是獨一無二的個案，不是常態化運動

Browne 駁斥「高調燒 Token 的人想讓九位數的推論預算看起來很正常」這項指控。照他的說法，Lauren 並沒有把自己呈現為典型——她是「一個獨一無二的怪才」，在 AI 時代之前就是頂尖工程師，如今依他估計，屬於代理式工程師裡前 0.0001% 的人。她的支出應該被理解為一個組合：產品與工程工作、研究、在 P stack 上相當於全職人力的產出、行銷，以及產品回饋。他說自己在共用的 Slack 與私訊裡看過她送變更、給回饋。

他把自己定位成更公平的箭靶，說自己為了好玩而做的 TypeScript 重寫，就燒掉大約 50 萬個 Token；並請批評者把怒氣指向那些把 Token 浪費在自己不懂的事情上的人，而不是指向一個「在探索忽略智慧成本會發生什麼事」的人。

預測是最弱的一環，Browne 自己也知道

本集展望未來的說法，是專業讀者最該謹慎看待的部分，而 Browne 大致上也這麼標示了。他推估，如果 Lauren 把能力固定在同樣水準、改用同等級的便宜模型，她的成本幾個月內可能降到每月約 3,000 美元，到 2027 年底甚至低到每月 100 美元。另外，他說她目前的支出可能在一年內降到一年 1,000 美元，而今天一年 1,000 萬美元的 Token 預算，一、兩年後會變成 1 萬美元。這些都是把「每年降 100 倍」往外推，而這個降速連他自己都承認出乎意料，他原本還預期會趨平。

未解的張力在於：他自己的論點，反過來砍向他所辯護的實驗室。如果每單位智慧的價格照這個速度繼續跌，能力被壓到地板價，OpenAI 與 Anthropic 的利潤就會流失——這點他講得很白，還對這些公司的批評者說，他們應該「喊得比我更大聲」。另一個未解的問題是實證面的：他曾請 Cramer 列出 12 個月前實際使用的任務清單，好讓他建立基準測試、了結實際成本的爭議，結果 Cramer 回以「更多長文」。在這個基準測試出現之前，基準測試成本下降與實際成本下降之間的落差，仍只是主張而非測量；而這正是整場爭議中，Browne 的對手確實有理、而他尚未補上的一塊。