干得越好额度越高：Devin给AI用量上了信用分
AI技术投降派
AI-assisted summary of 干得越好额度越高：Devin给AI用量上了信用分 — original source. Check the original for full context.
Source published:
Key ideas
- Cognition 为 AI 编程助手 Devin 发布全新配额管理机制，通过对工程师的 AI 使用效率打出 0 至 100 的信用分，直接决定其算力额度的自动上调。 (0:00)
- 效率评分以单位支出换算的等效工程工时为核心，采用最近 200 个 ACU 的滚动窗口计算，评分偏向谨慎低消耗的高产出行为（谨慎低耗者获 76 分，重度消耗者仅 60 分）。 (0:38)
- 针对全球企业年 370 亿美元生成式 AI 支出失控及单人月烧 10 万美元等乱象，Devin 将全行业的充值提额消费逻辑逆转为按产出提额的生产逻辑。 (3:24)
- 尽管系统承诺永不自动拒绝额度申请，但估算模型与人类自评相关性仅 0.74，且面临古德哈特定律下的刷分风险，标志着算力分配权正式让渡给算法。 (5:00)
Detailed notes
## Background 该视频由 B站 UP 主“AI技术投降派”于 2026 年 10 月 21 日发布。视频围绕 Devin 背后的研发公司 Cognition 最新上线的 AI 资源管理机制展开，重点解读其如何通过给工程师的 AI 使用效率打“信用分”来决定算力额度分配，并探讨其引发的工程师抗议与采购层追捧这一冰火两重天的行业争议。
## TL;DR Cognition 针对企业 AI 编程支出失控的痛点，发布了一套包含效率评分、Devin Coach 事前提示拦截和基于绩效自动提额的治理三件套，彻底将行业传统的“充值越多额度越高”的消费逻辑颠覆为“干得越好额度越高”的生产逻辑。系统通过代码合并与任务推进判断，按滚动 200 ACU 窗口为工程师评出健康档位，达标者临近超额可自动提额，未达标者转人工且“永不自动拒绝”。这一变革虽然有效解决了审批流程卡顿并压制了空耗算力的“Token Maxing”乱象，但也暴露出估算模型与人工自评仅 0.74 相关性、易诱发古德哈特定律刷分以及算法实质掌握生产资料分配权等深层隐患。它标志着 AI 编程正式从购买工具时代跨入按人效绩效分配算力的新纪元。
## Atmosphere & style 全片充斥着强烈的科技冷面审视感与职场现实讽刺意味，主讲人语调冷静克制但言辞辛辣，将枯燥的算法规则拆解为惊心动魄的劳资博弈与权力转移。从推特工程师痛斥“苏联工厂化”的愤怒开场，到官方反直觉数据对比的戏谑解剖，再到层层剥开营销话术背后的算法漏洞，情绪在严谨推导中逐步收紧。整场叙事就像一场高密度的行业白皮书审计，让观众在冷静的算力数据与严峻的职场未来之间，真切体会到打下的每一个字符都被算法记账的无形压迫感。
## Bulletin - [00:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=0s) Cognition 为 AI 编程助手 Devin 发布全新配额管理机制，通过对工程师的 AI 使用效率打出 0 至 100 的信用分，直接决定其算力额度的自动上调。 - [00:38](https://www.bilibili.com/video/BV1HeJf6XE2D?t=38s) 效率评分以单位支出换算的等效工程工时为核心，采用最近 200 个 ACU 的滚动窗口计算，评分偏向谨慎低消耗的高产出行为（谨慎低耗者获 76 分，重度消耗者仅 60 分）。 - [03:24](https://www.bilibili.com/video/BV1HeJf6XE2D?t=204s) 针对全球企业年 370 亿美元生成式 AI 支出失控及单人月烧 10 万美元等乱象，Devin 将全行业的充值提额消费逻辑逆转为按产出提额的生产逻辑。 - [05:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=300s) 尽管系统承诺永不自动拒绝额度申请，但估算模型与人类自评相关性仅 0.74，且面临古德哈特定律下的刷分风险，标志着算力分配权正式让渡给算法。
## Key takeaways - [00:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=0s) Devin 推出根据工程师 AI 使用效率自动调整算力额度的机制，引发开发者（抨击其为数字工厂流水线）与企业管理层（称赞其解决成本失控）的剧烈阵营分化。 - [00:38](https://www.bilibili.com/video/BV1HeJf6XE2D?t=38s) 核心指标效率评分（0-100分）以单位金钱换算的有效工程工时为准，对有代码合并与无合并（Bug 排查、架构规划）任务分别采取不同核验逻辑。 - [00:55](https://www.bilibili.com/video/BV1HeJf6XE2D?t=55s) 评分算法权重以效率为主导，调用体量最多补足剩余差距的五分之一，并依靠 200 ACU 滚动窗口避免历史失误成为长期包袱。 - [01:30](https://www.bilibili.com/video/BV1HeJf6XE2D?t=90s) 官方案例呈现反直觉分布：高产重度用户得分（60分）低于谨慎低消耗用户（76分），机制导向明确惩罚无效烧钱。 - [01:47](https://www.bilibili.com/video/BV1HeJf6XE2D?t=107s) Devin Coach 将质控前置到输入端，在提交前拦截模糊表述、公器私用、小任务开旗舰模型等 6 类不良提问。 - [02:05](https://www.bilibili.com/video/BV1HeJf6XE2D?t=125s) Cognition 设立两条交互底线：Coach 建议可被用户完全忽略，且后台绝不擅自篡改或精简用户的原始 Prompt。 - [02:27](https://www.bilibili.com/video/BV1HeJf6XE2D?t=147s) 评级达到 Healthy 或 Satisfactory 的员工在额度耗尽前由系统自动上调，实测助力团队周合并 PR 数从 30 提升至近 80。 - [02:50](https://www.bilibili.com/video/BV1HeJf6XE2D?t=170s) 低分档转入人工审批后台，但系统硬性承诺永远不会自动拒绝任何额度申请，最终裁决权保留给人类管理员。 - [03:24](https://www.bilibili.com/video/BV1HeJf6XE2D?t=204s) 机制出台背景是企业 AI 支出失控（软件编程占生成式 AI 落地的 55%），一刀切控费容易卡死核心员工，放任则导致 Token Maxing 空耗算力刷考核。 - [04:06](https://www.bilibili.com/video/BV1HeJf6XE2D?t=246s) 传统云厂商与模型厂商均采用按累计充值升级的消费逻辑，Devin 首次转向干得好才给提额的生产逻辑。 - [05:15](https://www.bilibili.com/video/BV1HeJf6XE2D?t=315s) 估算模型与人类主管实际评估的相关性仅为 0.74，存在对疑难排查等防御性工程价值系统性低估的算法误差。 - [05:30](https://www.bilibili.com/video/BV1HeJf6XE2D?t=330s) 在古德哈特定律作用下，将信用分作为额度考核目标必然招致工程师挑软柿子任务刷分的逆向工程行为。 - [05:43](https://www.bilibili.com/video/BV1HeJf6XE2D?t=343s) AI 模型生成的虚拟工时开始主宰真金白银的生产资料分配，标志着软件工程正式步入按绩效分配算力的时代。
## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=0s) 工程师炸锅与采购叫好：Devin 推出 AI 效率信用分机制
10 月 19 日，AI 编程助手 Devin 背后的研发团队 Cognition 正式发布了一套全新的资源管理机制。这套机制的核心逻辑极其简单直白：系统开始给工程师使用 AI 的效率进行打分，评分高的工程师，其所分配到的 AI 用量与额度就会自动往上涨。然而，这一更新发布仅一天时间，便在技术社区内激起了轩然大波，推特上的程序员们直接炸开了锅。有开发者直接抨击这种根据指标定额度的机制“很苏联”，认为它让体面的软件工程退化成了冷冰冰的工厂流水线打卡岗位；甚至有媒体记者公开撰文，将这套机制定性为“对软件工程师的生存威胁”。
与开发者的愤怒形成鲜明对照的，是企业管理层与采购圈的一片叫好声。对于背负着高昂预算压力、天天面对失控账单的企业 CTO 和财务负责人而言，这套机制恰恰切中了他们的痛点。冰火两重天的舆论场，折射出软件工程组织在生成式 AI 时代正在经历的一场深层次管理阵痛与权力转移。
- **发布时间**：2026 年 10 月 19 日由 Cognition 官方发布。 - **工程师舆论反弹**：开发者批评该机制将创造性的软件工程变成严苛监控的工厂工种，有媒体直接称其为生存危机。 - **资方与管理层态度**：企业采购与管理部门普遍支持，视其为治理工程团队算力浪费的制度化工具。
---
[00:38](https://www.bilibili.com/video/BV1HeJf6XE2D?t=38s) 效率评分拆解：单位工时、200 ACU 滚动窗口与反直觉的 76 分
在这套三件套体系中，核心构件是“效率评分”（Efficiency Score）。该评分的取值范围为 0 到 100 分，其度量的核心本质是：工程师每花掉单位支出，究竟能给公司换来多少有效的工程工时。具体的计算分为两步：第一步，系统会严格判定每次会话（Session）是否交付了实质性内容。如果有代码合并（PR/Merge），则直接检验合并状态；如果没有代码合并（例如排查生产环境 Bug 或进行架构规划），系统会调用专用的分类器模型，评估这次调研与排查是否真正推进了项目任务。第二步，系统再将这些被判为有效的实际产出，折算为等效的人类工程师工时。
在权重设计上，官方设置了非常巧妙的平衡算法：效率占据了分数的绝对大头，而调用的使用体量最多只能补足剩余差距的五分之一。这意味着工程师绝不可能单纯靠堆砌调用量把分数刷上去。同时，为了避免“一朝失误背负终身”，该评分采用了滚动窗口机制，系统只提取该用户最近 200 个 ACU（Agent Compute Unit，智能体计算单元）相关的会话数据，早期因为探索或新手操作粗糙而浪费掉的额度，不会成为长期的历史包袱。
根据评分，工程师被划分为四个档位： - **Healthy（健康）**：80 分及以上； - **Satisfactory（良好）**：50 到 79 分； - **Needs Improvement（待改进）**：50 分以下； - **Unknown（未知）**：数据样本不足 200 ACU。
官方在公告中列出了四个典型示例画像，其数据展现出极其反直觉的分布：一个用量极大但充斥着浪费行为的工程师只拿到了 41 分；中规中矩的典型工程师拿到 55 分；高产出的重度用户拿到 60 分；而一位使用谨慎、调用总量偏低但每次都刀刃出鞘的工程师，反而拿下了 76 分的高分。这一反差直接挑明了规则的导向：不瞎烧钱、高单位产出的人，系统给出的信用分反而更高。
```mermaid flowchart TD accTitle: Devin 效率评分与提额决策流 accDescr: 展示 Devin 如何评估工程师产出、计算滚动效率分并执行提额或审核。
subgraph Evaluation["会话产出与工时评估"] A["工程师会话 (Session)"] --> B{"是否有代码合并?"} B -->|"是"| C["核验 PR / Merge 状态"] B -->|"否"| D["分类器判断是否推进任务"] C --> E["换算为等效人类工时"] D --> E end
subgraph Scoring["评分与分档 (滚动 200 ACU)"] E --> F["计算效率评分 (0-100)"] F --> G{"评级分档"} G -->|"≥ 80 分: Healthy"| H["自动提额通道"] G -->|"50-79 分: Satisfactory"| H G -->|"< 50 分: Needs Improvement"| I["人工审核通道"] G -->|"数据不足: Unknown"| I end
subgraph Action["配额执行"] H --> J["触顶自动提额至管理上限"] I --> K["转管理员人工审批<br/>(永不自动拒绝)"] end ```
---
[01:47](https://www.bilibili.com/video/BV1HeJf6XE2D?t=107s) Devin Coach：提示词拦截与“不擅自改写”的底线
体系的第二件工具是被称为“Devin Coach”的事前教练功能。不同于事后拉账单问责，Coach 将质量控制直接前置到了输入框阶段：在工程师将提示词正式发给 Devin 之前，一个轻量级模型会率先对其进行一轮快速扫描，精准拦截六类典型的不良提问习惯： 1. **请求表述过于模糊**：例如缺乏上下文，直接甩一句“把它改好”； 2. **简单任务开高配模式**：比如仅仅为了修改一个前端按钮的文本标签，却调用了最高阶、最昂贵的旗舰档模型配置； 3. **单会话内混入不相干事项**：在原本专注某个微服务的上下文中突然插入无关问题； 4. **单条提示词强塞多个复杂任务**：缺乏逻辑拆分，一次性堆叠多项无序需求； 5. **公器私用处理个人事务**：例如让编码 Agent 帮忙规划私人度假行程，Coach 会直接跳出劝阻工程师不要提交； 6. **大型复杂任务未提前做计划**：在没有规划阶段的情况下直接让模型盲目铺开写代码。
为了平息工程师对“AI 监工干预自由”的反弹，Cognition 在设计 Coach 时划定了两条极其关键的制度底线：第一，Coach 的拦截诊断和修改意见仅供参考，工程师拥有绝对的自主裁量权，可以完全忽略并强制发送；第二，官方明确承诺系统绝不会在后台悄悄改写、精简或篡改用户的原始提示词，确保交互的透明度与确定性。
---
[02:27](https://www.bilibili.com/video/BV1HeJf6XE2D?t=147s) 自动提额与审批机制：22 次解锁与“永不自动拒绝”
三件套中最具制度刚性的部分，是“基于效率的自动提额机制”。在企业传统的配额管理下，工程师一旦用光额度就必须层层填表申请，陷入漫长的等待流程。而在新体系下，只要工程师的评分维持在 Healthy（≥80分）或 Satisfactory（50-79分）区间，当其消耗临近个人用量限额时，系统无需任何人工审批，会自动为其调高可用额度，直到触及企业管理员预设的最高天花板。在此过程中，整个组织的总预算池依然受到风控保护。
相比之下，落入 Needs Improvement 或 Unknown 档位的工程师若额度耗尽，系统则会将其申请转交至管理员的人工审批后台。在管理员的审核界面上，该员工的底牌一览无余：其效率分是多少、平时习惯使用哪些模型、总共产生了多少金钱消耗等关键数据都被结构化呈现。但在这套看似冷酷的规则中，Cognition 给出了一句分量极重的底层承诺：“系统永远不会自动拒绝任何申请。” 哪怕工程师的分数再难看，算法也无权直接切断其调用，生死裁决权依然保留在人类管理员手中。
该机制在实践中的成效已有鲜明的数据对比： - **启用自动提额的企业**：某客户公司的工程师在周期内先后 22 次触碰用量红线，系统每一次都毫秒级自动解锁，不仅没有打断开发流，该团队每周合并的代码 PR 数量更是从原先的 30 个激增到将近 80 个。 - **沿用传统人工审批的企业**：在严格走流程对照组中，其团队内部最高产的一位明星工程师，仅仅因为等待管理员层层手工批复额度，整整被卡住耽搁了 4 天时间。
---
[03:24](https://www.bilibili.com/video/BV1HeJf6XE2D?t=204s) 行业背景：失控的账单与荒诞的 Token Maxing
Cognition 之所以敢冒天下之大不韪推出这套机制，根源在于当下企业在 AI 编程领域的财务支出已经全面失控。数据显示，过去一年全球企业在生成式 AI 领域的整体支出高达 370 亿美元，其中软件编程以绝对优势成为第一大落地场景，相关支出达到了 40 亿美元，占整个生成式 AI 落地用例的大约 55%。但在高渗透率的背后，是极为触目惊心的资金黑洞：部分硅谷科技公司甚至出现了极个别员工单月烧掉 10 万美元 API 账单的极端案例。这直接迫使包括 Meta 和微软在内的科技巨头不得不紧急收紧权限，开始限制内部员工对 Claude 等高功耗旗舰模型的使用。
这种粗放的管理真空催生出了一个颇具黑色幽默的职场新词——“Token Maxing”（极致刷 Token）。在许多企业的绩效考核中，管理层由于不懂技术细节，误把“调用了多少 AI 算力”当成了员工是否拥抱 AI 的积极性指标。有工程师甚至因为月度 Token 消耗量偏低而被主管公开点名批评，为了应付考核，员工转头就将模型的上下文与并行参数火力全开，无休止地空耗算力。面对这种进退失维的困境，Cognition 在官方博客中给出的诊断一针见血：
> “一刀切的用量上限相当于AI时代的招聘冻结”
如果用一刀切的限额来控制预算，等于直接封死组织产能；但如果完全依赖手动审批，管理员每个月要机械审查成千上万条配额申请，其必然结果就是产出最高、最需要工具的骨干工程师被流程活活卡死。
---
[04:06](https://www.bilibili.com/video/BV1HeJf6XE2D?t=246s) 范式转移：从“花得多”的消费逻辑到“干得好”的生产逻辑
从宏观行业维度来看，Devin 这套机制的真正破坏力在于打破了整个 AI 算力行业的定价分配范式。在此之前，整个市场的提额逻辑本质上全都是“消费逻辑”：无论是 Anthropic、OpenAI 还是各大云厂商，其 API 的 Tier 升级体系看且只看客户的历史累计充值金额。客户充值越多、花掉的真金白银越多，账号的级别就越高，系统赋予的并发数与速率额度（TPM/RPM）也就随之放大。
而 Devin 首次将这一套底层逻辑重构成为了“生产逻辑”——不再关注你消费了多少，而是考核你交付了什么；给算力的前提不再是“花得多”，而是“干得好”。Cognition 官方副总裁对此打了个生动的比方：这就像银行给用户提升信用卡额度，传统银行审核的是你的按期还款流水，而 Devin 的信用系统审核的则是你的工程产出记录。
值得玩味的一个细节是，“Token Maxing”这个用来描绘行业滥用痛点的热词，最早正是 Cognition 自己在六个月前的官方推文中一手制造并推向社区的。先在行业舆论中精准定义并命名痛点，半年后再顺理成章地拿出商业工具作为解药，这展现出极其老练且完整的营销闭环。
---
[05:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=300s) 隐藏风险与冷面审视：0.74 相关性、刷分悖论与算力分配权
抛开官方的商业包装，剥开外壳后的冷面审视揭示了该体系隐藏的一系列严峻挑战与结构性漏洞：
首先是**舆论阵地的阶级分裂**。在推特与领英上，人们看到的是截然相反的两个世界：推特上的前线开发者们几乎一边倒地控诉这是数字泰勒制（Taylorism）在软件工程上的复辟，是赤裸裸的算法微观监控；而在领英的企业管理高层圈子里，CTO 和采购主管们却异口同声地称赞这是目前市面上“最完整、最精密的工程支出控制体系”。
其次是**度量衡本身的算法误差**。官方公布的测试数据显示，其负责打分的估算模型给出的结果，与人类工程主管的实际自评相关性仅有 0.74。这一数值意味着在微观的个体层面存在着巨大的误判容错率。更致命的是，该算法天然偏向具有显式代码提交（Git Merge）的功能性开发，很可能会系统性地低估那些排查疑难杂症、底层重构以及长期调研等难以直接量化的防御性工程价值。
再次是**不可避免的“古德哈特定律”（Goodhart's Law）**——当一个指标变成目标时，它就不再是一个好指标。一旦模型计算的信用分直接决定了工程师每天能调用多少算力，团队内部针对算法的“逆向工程与刷分行为”必然如期而至。对于老练的程序员来说，在滚动窗口期内专门挑一些极度简单、极易通过的任务把自己的健康分快速刷到 Healthy 档位，技术上几乎毫无门槛。
最后则是深刻的**结构性悖论**：由一个 AI 估算模型推导出的虚拟“等效工时”，居然开始反过来决定现实世界中价值数万美元的真金白银算力配额。在这个循环中，模型估算器本身已经不再只是辅助度量衡，它在实质上被赋予了组织的资源分配权力。
从产业演进的视角来看，这是整个 AI 编程领域从早期的“充值买工具时代”，迈入“按人效绩效分配算力时代”所开出的第一张官方文件。尽管 Cognition 在产品设计上保留了克制与底线——系统绝不自动拒绝、200 ACU 滚动机制不翻旧账、Coach 绝不擅自篡改 Prompt，但这一制度转向的势头值得行业高度警惕。当黑盒模型的估算开始主宰开发者的生产资料额度，度量本身就彻底失去了中立性。正如一位行业评论者在针对此事的长文中所下的深刻断言：
> “Token分配将是下一个十年最重要的技能。你打的每个字都在给自己的信用分记账。”
## Notable quotes > [05:00](https://www.bilibili.com/video/BV1HeJf6XE2D?t=300s) Token分配将是下一个十年最重要的技能。你打的每个字都在给自己的信用分记账。 — 行业评论者
> [03:24](https://www.bilibili.com/video/BV1HeJf6XE2D?t=204s) 一刀切的用量上限相当于AI时代的招聘冻结 — Cognition
## Mentioned Devin, Cognition, Devin Coach, Anthropic, OpenAI, Meta, 微软, Claude
## Video description 十月十九日，Devin 背后的 Cognition 发了一套新机制，一句话就能说清楚：给工程师用 AI 的效率打分，分高的，额度自动往上涨。发布才一天，推特上的工程师已经炸了：有人说这很苏联，有人说软件工程变成了工厂岗位。但另一边，企业采购圈在叫好。
三件套拆开看。效率评分，零到一百，衡量单位支出换来多少有效工程工时：有合并的看合并状态，没合并的排查规划类会话由分类器判断是否真实推进任务；权重上效率定大头、体量最多补剩余的五分之一；滚动窗口只看最近两百个 ACU，不背终身旧账。反直觉的细节：官方四例分数里，谨慎低量的七十六分，反而高于高效重度的六十分——不瞎烧钱，分数更高。Devin Coach 事前教练，发提示词前逮六类问题：模糊请求、简单任务开旗舰档、私事规划假期直接劝退；建议可忽略，官方明说不悄悄改写。按效率自动提额：Healthy 和 Satisfactory 临近限额自动上调到管理员天花板，其余转人工审核；最硬的一句承诺——系统永远不会自动拒绝任何申请。案例：一家公司二十二回触顶二十二回自动解锁，周合并从三十涨到近八十。
背景是企业 AI 编程支出失控：年总盘三百七十亿美元、编程占五十五%，个别员工月账单十万美金。最独特的点在于对照：全行业的调额逻辑都是消费逻辑，花得越多额度越高；Devin 第一次换成生产逻辑，干得越好额度越高。冷面照摆：估算模型与人类自评相关性只有零点七四、古德哈特定律下刷分会来、用模型估算的工时决定真金白银的额度——估算器本身成了权力。
判断：这是 AI 编程从充值买工具，进入按绩效分配算力的第一张官方文件。有位评论者的话适合收尾：Token 分配，将是下一个十年最重要的技能。你打的每个字，都在给自己的信用分记账。
时间轴： 00:05 开场：工程师炸了，采购叫好 00:38 效率评分：公式、四档与反直觉的 76 分 01:47 Devin Coach：六类问题与两条底线 02:27 自动提额：永不拒绝与 22 次解锁案例 03:24 背景：支出失控与 tokenmaxxing 04:06 对照：花得多给得多 vs 干得好给得多 04:55 冷面：分裂、误判与刷分 05:43 判断：按绩效分配算力的第一张官方文件
[Source](https://www.bilibili.com/video/BV1HeJf6XE2D)