最近几周我一直忙于多个企业的AI编程培训。在培训开头我都会问大家：AI编程中你最看重什么？大家说了很多：需求的准确表达、上下文管理、验收能力、代码架构……每一条都对。
但我最后给出的答案只有一个字——**钱**。
为什么是成本？
这个答案听起来有点俗，但当你越是深入用AI编程你会发现：你能用多好的模型、多强的工具、多大程度的自动化，几乎全部由你愿意在这件事上花多少钱决定。
当天在场的工程师里，我问大家每个月在AI工具上自费多少，大部分人沉默了，只有少数人超过100块，还有人说"2000多"。但这位花2000多的同学表示：“这是公司给的钱”。
经验1：成本几乎决定了你AI编程的效率和质量
有一个公式在技术圈广为流传：
**Agent = Model + Harness**
Harness，字面意思是"驾驭工具的马具"，在AI编程里可以理解为"脚手架"——你使用的IDE、工作流、工具链。
我的观察是，这个公式不止适用于Agent，还适用于我们每天的开发工作，所以我还认为：
- 开发质量 = Model + Harness
- 开发成本 = Model + Harness
两边都由这两个变量决定。
这意味着什么？你用的模型越强、工具越好，质量自然越高，但成本也同步上升。 你没有办法说"我用最顶级的模型+最强的IDE，但我每个月只花49块钱"——那不存在。
举个例子：用Claude Code + Claude Sonnet 4.6做开发，短时间内确实能给你满意的结果；但如果你用便宜工具+弱模型，看起来便宜，却可能花掉你三倍的时间反复调整，时间成本远超金钱节省。
一个月700块的账单
我经常被学员问：你自己每个月在AI上花多少钱？
我每个月的平均消费大概在700块人民币左右，构成大致是这样：
- Cursor 年度会员（均摊约20刀/月）
- GLM 年度会员（均摊约70块/月,因为我是1月份充了Pro的年度会员）
- Claude Pro 会员（20刀/月）
- MiniMax token plan（119元/月）
这听起来不少，但我的日均token消耗大约在2亿token左右,这里面包括了一亿token的日常开发，和一亿token的自动化流程。如果我的自动化流程裸调DeepSeek V4 Pro API，这个量级每个月要花一万多块人民币。因为自动化流程每次都是新的上下文，缓存命中率低，成本比想象中高很多。要做好心理准备。
所以我为什么还能控制在700块？因为我把这些钱用对了地方：Cursor的20刀给了我约200刀的综合额度（含80刀左右的第三方API额度）；GLM和MiniMax的token plan让我的自动化流程有了经济实惠的模型兜底。
学会搭配，是降本的核心。
经验2：学会控制成本，才能在AI编程领域走得更远
有一则真实的行业故事：国外某大型企业在AI编程工具上烧了5亿美元的token，然后不得不叫停，不再允许员工无限制地使用。
这5亿美元大部分花在哪里？我认为是在Code Review 和 PR（Pull Request）。
我认为：一个工程师手动写代码，一天消耗10亿token已经是极限；但只要项目引入了自动化的Code Review和PR流程，每一次提交就触发一轮大模型审查，成本指数级膨胀。
这不是在说"不要用自动化"，而是说：你需要先弄清楚钱花在哪里，才能有意识地控制它。
控制成本，不是节衣缩食，而是让你有能力持续投入更好的模型、更强的工具、更多的自动化——这才是走得更远的真正含义。
如何配置才合理？
根据我的实际使用经验，我也给学员们提出了三种不同场景的配置建议：
轻量开发（200元/月）
每天写一点代码，偶尔用AI辅助，不涉及大规模自动化。
→ 推荐：Cursor 20刀/月 + MiniMax 49元 token plan
这个组合的好处：Cursor的Composer模式基于Kimi2.5微调，处理大部分日常开发绰绰有余；MiniMax的token plan支持多模态（生成图片、视频、TTS），性价比不错。
这里有我的Cursor邀请码，首月可以10美刀订阅：https://cursor.com/referral?code=O7BVNNTCGVNS
中量开发（300元/月，另配）
需要更强的自动化能力，或者项目需要Code Review。
→ 推荐：Codex/Claude Code 20刀/月 + MiniMax 119元 token plan
Codex是目前市面上唯一原生具备"验收（Verify）"能力的IDE，能在开发流程中自动运行测试用例做验收，大幅减少人工复查成本。
重度开发（800元/月以上）
每天深度使用，涉及大量自动化、多项目并行、长时间运行的Agent任务。
→ 推荐：Codex 100刀/月 + MiniMax 119元 token plan
关于模型的选择：我踩过的坑
工具是Harness，模型是Model，两者都很重要。简单说一下我对国内外主流模型的判断。
国内模型
- DeepSeek V4 Pro：国内第一梯队，推理能力强，但不支持多模态（看不了图），对于需要截图排查Bug的场景是明显短板。
- 千问 3.7 Max：能力可以，但不是多模态；3.6 Plus是多模态，但工具调用能力较弱。
- GLM 5.2：GLM5.1不错，5.2刚刚推出，但订阅接近"抢购"。
- MiniMax M3：M2.7在后期能力有所下滑，这点不得不防，但M3是多模态，token plan包含TTS等能力，性价比不错。
- Kimi：价格不透明，所以没用过，但Cursor的Composer是基于Kimi2.5微调的，能力还不错，可以关注。
结论：国内模型现在更适合作为"兜底"或"轻量任务"的选项，核心开发还是建议用国际顶级模型。
国际模型
- GPT 5.5（通过Codex使用）：使用体验非常强，烧token的速度也很快。
- Claude Sonnet 4.6 / Opus 4.8：能力不错，对"人的意图"理解能力公认领先，但感觉Opus 4.8烧Token的速度是GPT5.5的五倍。
关于工具（Harness）
- Cursor：整体能力很不错，支持GPT 5.5和Claude等主流模型；20刀给到约200刀综合额度，适合大多数人。
- Codex：目前唯一原生支持自动化测试和验收能力，支持CC Switch接入自定义API；额度消耗比Cursor快，但验收功能节省了大量人工复查时间，性价比我认为很高。
- Claude Code：自动化场景的首选，headless模式跑定时任务非常稳；但Anthropic的设计比较"刚"，用量到0%就停工，要做好任务拆分。
经验3：根据需求，选最好的工具
最后一个经验，也是最容易被忽视的：不同场景需要不同工具，别用一把锤子敲所有钉子。
分享一下我自己的工具地图：
| 场景 | 我的选择 |
|---|---|
| 日常问答、思考 | Claude / ChatGPT |
| UI/界面设计 | Google Stitch |
| 前期Web快速原型 | Google AI Studio |
| 日常代码开发 | Cursor / Claude Code / Codex |
| 自动化流程 | Claude Code（headless模式） |
这几个工具的定位是不同的。Stitch做UI生成远比Cursor快得多；AI Studio适合快速跑通一个Web Demo，不需要本地环境；而真正涉及长期维护的项目，还是要回到Cursor或Codex这样的完整IDE里。
我有一个每天凌晨2点启动、跑到早上8点的自动化任务——抓取Twitter、小红书、Reddit等平台的数据，生成一份个人早报，最后转成播客音频供我跑步时收听。这套流程完全跑在Claude Code的headless模式上，每天消耗约1亿token，是我那700块月费里最"值"的一部分。
写在最后
很多人学AI编程，关注的是提示词怎么写、上下文怎么管理、需求怎么拆解——这些都很重要。但我越来越觉得，成本意识才是一个人能否在AI编程这条路上持续精进的底层能力。
你知道自己每天烧多少token吗？
你知道这些token里有多少是有效产出，有多少是在反复修复同一个问题？
你有没有算过，换一个更好的模型或工具，看似多花了钱，实际上节省了多少时间成本？
当你开始认真对待这些问题的时候，AI编程对你来说就不再是"偶尔用用的辅助工具"，而是真正意义上的生产力杠杆。
模型在变强，工具在进化，成本在下降。但会用钱的人，永远比别人早一步进入下一个阶段。