Meta不再以AI工具使用量评判工程师工作表现，转而关注工作质量、速度和复杂度。
AI解读：Meta调整了内部绩效考核标准，不再将AI工具使用量作为工程师绩效的评判依据，因为此前员工为了在内部排行榜上显得积极，大量消耗AI token，这种行为被称为“tokenmaxxing”，不仅让考核机制失真，还导致内部AI使用成本急剧上升。据估算，仅内部AI使用一项，2026 年的成本就可能达到数十亿美元，这促使Meta计划从 2027 年开始引入预算控制和统一管理面板，从成本端约束AI使用。对于工程师来说，这意味着过去那种“多用AI就能得分”的做法行不通了，考核重点重新回到工作成果本身；对于企业管理者，这一事件提供了一个反面教材：将AI使用量简单设为KPI可能引发浪费性行为，需要设计更能反映实际产出的指标，并用预算手段配合。普通读者如果不涉及相关管理决策，则无需特别关注，这次调整不会直接影响普通用户使用Meta产品。
Meta将不再以人工智能工具的使用量来评判工程师的工作表现。据The Information看到的一份内部备忘录，高管Maher Saba和Santosh Janardhan在备忘录中表示，AI仪表板和token计数器将不再影响员工的绩效评估，取而代之的是工作质量、速度和复杂程度。
“tokenmaxxing”现象与成本压力
此前，Meta曾将AI使用情况作为评审标准之一，这导致员工出现了一种名为“tokenmaxxing”的行为：大量消耗AI token，只为在内部排行榜上获得更好的名次。这种过度使用带来了成本代价。仅内部AI使用一项，预计 2026 年成本就将接近数十亿美元。为此，Meta计划从 2027 年开始引入预算制度和统一管理仪表板，以控制相关支出。
AI agent工具Hatch的内部测试阻力
与此同时，Meta正在测试新的AI代理工具Hatch，该工具旨在自主处理计算机任务，相关测试情况由WIRED报道。但测试在公司内部遇到阻力，部分员工出于隐私方面的担忧，不愿意将Hatch连接到自己的个人账户。