Token 账单，可能不是工程师推高的
你让 AI 整理一份 PDF。它先把每页变成图片，再从图片中读出文字，最后转成 Markdown。结果看起来只是换了个格式，背后却可能调用模型处理大量内容，账单也随之累积。
Token 是模型处理文字的基本计量单位，可能是一个字、词的一部分或标点。模型服务通常按输入和输出 Token 收费。一次调用未必昂贵，但 agent——能够反复调用模型完成任务的 AI 系统——会把消耗放大。上下文窗口里塞入的文档和历史记录越长，输入 Token 通常也越多。
意外的消耗来自哪里？
Simon Willison 转述了 404 Media 的一则报道。后者据称依据 Accenture 泄露的会议录音。Accenture 的 agentic AI strategy lead Justice Kwak 在会上说，公司内部一些数据显示，推动 Token 消耗的主要人群并非工程师，而是大量非工程师用户。
会议还提到一种具体操作：先把 PDF 转成图片，再转成 Markdown。Accenture client group lead Stuart Henderson 称其为显著消耗 Token 的操作之一，Kwak 随后表示公司内部数据也指向这一点。这里不能简化成“PDF 转 Markdown 都很贵”：材料谈的是经过图片中转的特定流程。
企业竞争开始看另一张表
这个个案提醒企业，模型能力强不强只是第一张表。第二张表是单位任务成本——完成一项实际工作所需的模型调用、计算和服务费用总和。员工怎样操作、工具怎样编排步骤，都可能影响它。
不过，“Tokenpocalypse”和“企业争相踩刹车”更像夸张标题。现有材料只能说明 Accenture 正注意内部 Token 消耗，尚不足以证明整个行业已经普遍转向成本压缩。
局限与未知
- 信源是一条转述链，未提供泄露录音或 Accenture 原始数据。
- 材料没有样本范围、统计口径、Token 占比或成本金额。
- PDF 经图片转成 Markdown 究竟比其他任务多消耗多少，仍不清楚。