微软砍掉Claude Code:不只是用不起,更是怕Copilot被‘偷家’

微软砍掉Claude Code:不只是用不起,更是怕Copilot被“偷家”

连微软都用不起Token了?

有网友爆料,本周微软取消了内部的Claude Code授权。原因在于,基于token的计费模式导致成本过高,即使对于一家拥有近乎无限云资源的公司来说,也难以承受。

微软砍掉Claude Code:不只是用不起,更是怕Copilot被‘偷家’

图源:X博主@HedgieMarkets

该网友认为,AI补贴时代正在走向终结。微软曾砸下130亿美元投资OpenAI,还为Anthropic提供了大部分Azure云计算资源。然而,当看到竞争对手Anthropic的Claude Code账单后,却觉得成本太高,不值得继续投入。

这并不是说Anthropic的产品不够优秀,而是因为按token计费的方式,迫使企业直面大规模使用AI模型的真实成本。这个成本,远比之前用固定费率试用时想象的要高得多。

微软砍掉Claude Code:不只是用不起,更是怕Copilot被‘偷家’

最近半年,Anthropic、OpenAI和Google都悄悄提高了实际价格。很多企业之前乐观地假设AI成本会持续下降,于是大力建设各种AI工作流程。如今真实账单到来,结果年度预算在短短几个月内就被全部烧光。

今年4月,Uber的CTO发布内部备忘录,称公司在四个月内烧光了2026年全年的AI预算。主要原因正是Anthropic的Claude Code在Uber内部各工程组织中被大规模采用。

美国AI软件价格在过去一年上涨了20%至37%。而微软旗下的GitHub也正在其所有产品中取消固定费率方案,全面转向按用量计费。

该网友判断,接下来只有两种可能:要么是企业为了控制预算而大幅减少AI使用,这会直接拖慢各大AI实验室的收入增长,影响其高估值和IPO计划;要么是实验室继续降价补贴,自己扛下损失,但这会在最差时机让自身的单位经济性变得更糟糕。

无论走哪条路,最终结果都一样——盈利能力下降,总有人要承担减值损失。

微软取消Claude Code,另有隐情

其实,如果仔细分析,微软之所以决定“痛下杀手”,全面“砍掉”Claude Code许可证,不仅仅是因为所谓的“用不起”,还有一个更深层次的原因:再不控制,自己旗下的产品GitHub Copilot CLI,就真的要被竞争对手——Anthropic的Claude Code给“偷家”了……

GitHub Copilot CLI是GitHub Copilot的命令行版本,可以在Visual Studio Code等开发应用之外运行。

去年12月,微软开始向数千名内部开发者开放Claude Code的使用权限,让他们每天都使用这款AI编程工具。本意是为了鼓励项目经理、设计师和其他员工首次尝试编程,体验这种低门槛的原型开发。此外,还藏着他们的一个“小心思”:将其作为与Copilot的基准测试对比,并提供反馈。

据报道,微软Experiences + Devices集团执行副总裁Rajesh Jha在一份内部备忘录中表示:

“当我们开始同时提供Copilot CLI和Claude Code时,目标是快速学习、在真实工程工作流中对这些工具进行基准测试,并了解什么最能支持我们的团队。而Claude Code是这一学习过程中的重要组成部分。与此同时,Copilot CLI给了我们一个尤其重要的东西:这是一款我们可以直接与GitHub一起塑造的产品,能够更好适配微软的代码仓库、工作流、安全预期和工程需求。”

但没想到,过去六个月里,Claude Code在微软内部非常受欢迎,风头甚至一度盖过微软自家的GitHub Copilot CLI。据有关报道称,在开放Claude Code的使用权限前,微软91%的工程团队都在使用GitHub Copilot,但如今,这一高频使用率显然遭到“严重蚕食”。

这样看来,即便为了挽回局面,微软也得“强制”员工重回GitHub Copilot CLI。

据称,为了赶在6月底前逐步停止使用Claude Code,微软正鼓励工程师们在未来几周内开始把工作流迁移到GitHub Copilot CLI,以便赶在停用期限前完成过渡。

但这似乎并非易事。一方面,过去几个月里,微软工程师们更偏好Claude Code,而不是GitHub Copilot CLI,“戒断”反应不小。更重要的是,两款产品之间仍存在明显差距。为此,知情人士透露,微软正在加大对GitHub团队的督促,要求其在6月底前根据内部员工的Bug报告和反馈,“疯狂”对Copilot CLI进行迭代升级。

甚至有传言,微软在近几个月内曾考虑收购Cursor,以补足GitHub Copilot的短板,但后来或许是为了避免潜在的监管审查,转而开始关注其他小型的AI初创公司。

所以,综合来看,为了让微软的工程师们能够更好地完成过渡,压力给到GitHub团队了。他们需要在短时间内改进Copilot CLI,使其能够达到与Claude Code比肩的水平,甚至超越……

Claude Code推出Token用量追踪

与此同时,Claude Code团队成员Boris Cherny在社交媒体上发布了一则更新公告。

在Claude Code的下一个版本中,将新增/usage命令,用户可以直接查看各类组件的token使用明细,包括具体哪些Skills、Agents、MCPs和插件分别消耗了多少token。目前CLI版本已经支持,很快会推出桌面版本。

微软砍掉Claude Code:不只是用不起,更是怕Copilot被‘偷家’

这个功能不仅能显示当前会话的消耗,还支持聚合所有会话,并按天或周进行过滤,同时会把下游产生的token正确归因到对应的技能或插件上。

很多用户反馈之前不知道哪个技能或MCP在吃token,这个功能提供了透明度,能帮助优化提示词、禁用不必要的工具、控制成本,特别适合重度用户和团队。

那么你呢,如何看待微软的这一操作?欢迎在评论区留言、交流!

参考链接:

https://x.com/HedgieMarkets/status/2057531661785628841
https://www.theverge.com/tech/930447/microsoft-claude-code-discontinued-notepad
https://www.reddit.com/r/theprimeagen/comments/1tjztiw/microsoft_canceled_its_internal_claude_code/
https://x.com/bcherny/status/2057476878110261587


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:https://www.itsolotime.com/archives/36027

(0)
上一篇 7小时前
下一篇 7小时前

相关推荐

  • 分割一切、3D重建一切还不够,Meta开源SAM Audio分割一切声音

    声音的“外科手术刀”:SAM Audio如何用多模态提示重塑音频编辑的未来 当Meta在深夜悄然发布SAM Audio时,音频处理领域迎来了一场静默的革命。这不仅仅是一个新的技术模型,而是一个能够理解人类意图、响应自然交互的智能音频编辑系统。在AI技术不断突破边界的今天,SAM Audio的出现标志着音频处理从工具化向智能化的根本性转变。 想象一下这样的场景…

    2025年12月19日
    41100
  • OpenAI财务危机深度剖析:推理成本指数级增长与收入线性增长的致命剪刀差

    OpenAI作为人工智能领域的领军企业,其财务状况一直是行业关注的焦点。近期曝光的微软财报数据揭示了这家公司面临的严峻挑战:推理成本正以指数级速度增长,而收入仅呈现线性增长态势,两者形成的“成本-收入剪刀差”正在急剧扩大,这不仅是OpenAI的个体困境,更折射出整个大模型产业面临的系统性风险。 从微软公布的Azure服务模型推理成本数据来看,OpenAI的财…

    2025年11月29日
    42500
  • 从“魔法”到“分析师”:AI Agent工作流如何重塑2026年智能系统

    第一次接触大型语言模型时,许多人感觉它近乎“魔法”。 你输入一个提示,它给出回应。交互到此结束。 对于快速答疑、头脑风暴或生成一段文本,这种“一次性交互”已足够好。问一个问题,得到一个回复,然后继续下一件事。简单、高效、令人满意。 但当我们开始要求 AI 去完成真正的工作时,问题便暴露出来。 让 AI 去分析市场趋势、交叉核对信息来源、综合洞见,并将这些内容…

    2026年2月2日
    49200
  • 视频生成新范式:FFGo揭示首帧作为概念记忆体的革命性发现

    在视频生成技术快速发展的今天,传统认知将视频首帧视为时间轴的起点和动画的起始画面。然而,马里兰大学、南加州大学和麻省理工学院联合研究团队的最新论文《First Frame Is the Place to Go for Video Content Customization》彻底颠覆了这一观念。研究发现,视频生成模型中的首帧实际上扮演着更为关键的角色——它并非…

    2025年12月5日
    36800
  • AI职业暴露度报告:高薪白领最易被替代,蓝领工作反而安全?

    Karpathy 利用 AI 对美国 342 个职业的“AI 暴露度”进行了评估。 该项目一度因过于火爆而被作者删除。 他从美国劳工统计局获取了 342 个职业的数据,并使用 Gemini Flash 模型为每个职业打出了一个 0-10 分的“AI 暴露度”分数。 简而言之,暴露度衡量的是:该职业的工作内容有多大比例可以转移到计算机上完成。 工作内容越依赖电…

    2026年3月21日
    1.0K00