某大厂员工爆料：以后研发人员试用期转正、年度KPI、晋升，全都要参考Token消耗数据，用得少的人，不仅晋升无望，甚至可能被替代。

原创

权限提升中
权限提升中

黑客技术与网络安全

2026年9月23日 16:50
福建

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

最近，一则某大厂员工的爆料在职场圈传开：以后研发人员试用期转正、年度KPI和晋升，都要参考Token消耗数据。

用得少的人，不仅晋升困难，甚至可能被替代。过去考核工时、代码量，如今Token也成了尺子。

1、Token 真能拿来考核程序员吗？

从企业管理角度看，关注 AI 使用成本并不奇怪。

以前公司统计研发人员，会看工时、代码提交量、需求完成数量。现在 AI 编程工具越来越普及，公司自然会开始关注一个问题：

程序员到底怎么用 AI？

如果一个需求，本来半天就能完成，结果因为大量无效生成、反复修改，消耗了巨量 Token，公司当然会关心成本。

但问题也来了。

Token 少，就一定代表效率高吗？

显然不能这么简单判断。

一个复杂系统的架构设计、代码重构、线上问题排查，可能需要 AI 反复分析大量代码，Token 消耗自然会比较高。

反过来，一个人只让 AI 写一些简单代码，Token 消耗很低，也不能证明他的产出就高。

甚至不同模型、不同上下文长度、不同 AI 工具，本身就会产生完全不同的 Token 消耗。

如果直接拿 Token 数量横向比较员工，很容易把一个成本数据，变成新的“代码量”。

2、最怕的是，最后又变成刷指标

这其实才是大家吐槽最厉害的地方。

以前有人为了 KPI 疯狂提交代码，现在如果考核 Token，会不会出现另一种情况：

“今天 Token 还没达标，再让 AI 多生成几轮。”

想想都觉得有点魔幻。

企业如果真的把 Token 消耗直接和绩效挂钩，员工很快就会研究出对应的“最优解”。

这也是所有量化考核都会遇到的问题。

能统计的东西，不一定等于真正有价值的东西。

研发工作的价值本身就很难用一个数字完整描述。

3、AI时代，程序员的考核可能真的要变了

AI 已经开始进入研发流程。

以前老板问：“你这个月写了多少代码？”

以后可能会问：“你用了什么 AI 工具？解决了多少问题？节省了多少时间？”

甚至再往后，公司可能更关注的是：

同样一个需求，你能不能用更少的时间、更少的资源，做出可靠的结果。

所以 Token 当然可以统计。

它可以反映 AI 使用情况，也可以帮助企业了解研发成本。

但如果把 Token 本身当成生产力指标，问题就来了。

因为真正需要考核的，最终还是交付结果、代码质量、线上稳定性、问题解决能力，以及 AI 到底有没有让研发效率真正提高。

4、程序员真正该关注的，可能不是Token

如果 AI 越来越强，程序员单纯“写代码”的时间确实可能继续下降。

但需求理解、架构设计、技术判断、代码审查、风险控制，这些事情依然需要人负责。

如果 AI 已经能帮你写大量代码，你还能给公司创造什么价值？

以前程序员最怕的是代码写得不够多，以后可能变成 AI 用得不够好。

但如果连 Token 都开始进入 KPI，程序员恐怕又要开始研究新的“刷榜技巧”了。

毕竟，只要 KPI 还是一个数字，程序员总能想办法把数字做得很好看。