翻译NMI2026社论StopTokenmaxxing

感谢作者分享优秀工作。本文从个人研究兴趣出发，对论文进行梳理、总结与讨论，重点关注方法设计、实验设置及潜在改进方向。文中观点仅代表当前阅读阶段的理解，难免存在遗漏或误解，欢迎进一步交流与指正.

链接：https://www.nature.com/articles/s42256-026-01253-5

现有研究人员 in a frenzy（疯狂）去把agentic AI 融入他们的工作流程中，导致了一个异常竞赛。 编辑建议：需要有一个更好的方式去利用AI。

前几年LLMs出现改变了AI科技。 现在，很多AI用户转向了agentic AI，一个或多个LLMs访问数据集和工具，来处理多部任务，同时通过reasoning，planning 和 collaborating来互相交互。 AI agentic 框架展现了半自动的编程，金融交易，医疗决策甚至是科学发现。

一个最新的新闻故事 说 公司特别爱员工去用agentic AI，去最大化使用LLM，也就是 tokemaxxing。 在一些公司里甚至 出了leaderboards 来排序雇员的token使用量。 尽管token使用量 不是一个好的metric来估计产出量，但一些人认为这是一个有效的方法来鼓励思维的改变。 老黄说他希望 nv的高级工程师 每个月用250k 刀的token。

那tokenmaxxing 有什么缺点呢？这种疯狂很难停止，没有人愿意落后。 今年Tokenn的使用量爆炸了，和Openclaw等等有关，甚至到了发烧的程度。 但，虽然很多科技公司否认，但是遇到了hard limits。没有足够的数据中心，token工厂缺乏足够的电、水和硬件。 环境是不是可持续发展，当地社区反对扩张等等问题。

同时，随着AI成本上涨，很多科技公司很难盈利。一些公司开始限制访问 AI工具 或者关闭平台。 3月，仅仅在宣布和迪斯尼一百万合作的几个月之后，OpenAI关闭了Sora。 Github也暂停了Copilot的新订阅，从6月起改成了基于使用量的billing。

除了金融和环境问题，agentic AI也有潜在的对人外包认知技能的问题（导致人的能力下架了）。 关于认知拒绝，主要由于现在人都用ai写文章，作业等等。 关于AI系统访问大量的知识库和工具，包括科学研究，可能进一步导致外包。 因此， agentic AI可能使 研究人员 研究更快/探索更新的领域，但是也导致个人知识发展的风险。

最终，人的创造力 对于 在科学领域使用agentic AI 还是至关重要的。 发展端到端科学AI的开发者通常会警告，人的监督还是需要的。 核心挑战改变成了： 怎么让AI生成-》 怎么验证AI生成的东西。 prompt 模型生成结果 很简单，但是怎么验证结果很难。 验证AI的输出 对于 可靠的科学进展 很重要，而且 继续需要 人的干预和努力。

本文首发于郑哲东个人主页： https://www.zdzheng.xyz/blog/nmi2026-stoptokenmaxxing

转载请注明出处。