Token 少了七成，但 AI 沒有變笨——這才是 AutoTTS 真正驚人的地方

Meta 和 Google 的研究團隊上週聯手發表了 AutoTTS，把推理階段的 Token 消耗砍掉 69.5%。這個數字乍看像是壓成本的工程優化，但背後代表的事情要大得多。 先解釋一下 Test-time Scaling 是什麼。這是目前 AI 界的主流方向之一——模型在「思考」的時候多花一些算力，讓答案更準確。你可以把它想成考試時「打草稿」，草稿打得越細，答案越可靠。o1、o3、Claude 的 Extended Thinking 都是這個邏輯。問題是，草稿要打多細？打到哪裡才夠？這些策略以前全靠人類研究員憑直覺手動設計，沒有系統性的方法。 AutoTTS 做的事，就是把「怎麼打草稿」這件事本身自動化。它可以根據任務難度動態調整推理深度，難題多算一點，簡單的直接跳過，不再用同一套固定策略應付所有情況。結果就是 Token 少了近七成，但模型表現沒有掉。 這對開發者和企業的實際影響很直接：API 費用。現在很多公司用 o3 或 Claude Sonnet 跑複雜任務，帳單上最燒錢的往往就是推理 Token。AutoTTS 如果能實際落地，理論上可以把這塊成本壓下來快一半以上，同時維持同等的準確度。 更大的意義是：AI 開始學會「分配注意力」了。以前模型對每個問題都全力以赴，像一個學生不管考幾分的題目都花同樣時間作答。現在開始有了輕重緩急的概念。這不只是省錢，而是讓 AI 更接近「有效率的思考」，而不是「暴力運算」。 Scaling Laws 的主戰場已經從訓練轉移到推理，而 AutoTTS 代表的是：連推理策略本身，也開始可以被自動優化了。下一個被自動化的，可能就是你現在還在手動調的那些 prompt 參數。