驗收筆記 · 上篇 · UNLIMITED TOKENS

無限的是 token，
有限的是驗收

一個 Cisco 的故事，八個有數字的案例，和一張四週後可以拿去對的驗收單。上篇只想證明一句話：token 是投入，驗收才是產出。下篇再問：當驗收不可能由人來做，誰來判。

圖名無限 token 的故事與真實
起點Fortune · 2026-10-30
版次v0.2 · REV.01
系列驗收筆記 上篇 · 鏡子篇延伸
下篇一百萬顆 CPU，是用來驗的（S-10 起）

Cisco 總裁 Jeetu Patel 給了一個 27 歲的工程師「無限 token」，目標是 24 個月內重構公司 98% 的舊程式碼。這則新聞在三天內從 Fortune 傳到 Tom's Hardware，再傳到中文的轉傳貼文，每轉一手就掉一樣東西。掉的那些東西，剛好都是驗收。

所以這篇不從 Cisco 寫起。先把 2026 年裡每一個「無限」的下場排出來，再把真的蓋完的案子排出來，看它們差在哪裡。最後回到 Cisco，列一張四週後可以拿去對的單子。

這是兩篇裡的上篇。上篇的驗收還是人在做：審 PR、跑測試、簽字。下篇把規模再放大一百倍，到人不可能看完的地方，問同一個問題。兩篇的節號連著編，S-00 到 S-09 是上篇，S-10 起是下篇。

S-00 · 圖名欄

故事是怎麼傳到你手上的

原始出處是 Fortune 在 2026 年 10 月 30 日刊出的一篇文章，作者 Orianna Rosa Royle，放在 Success 和 Gen Z 的欄目。它本質上是一篇談「為什麼要雇年輕人」的職涯文章，不是技術報導。Patel 的話是在一場小型圓桌晚餐上說的。

把原文和流傳最廣的中文摘要並排，差異是這樣：

項目原文（Fortune）轉傳版本
動詞內文用 refactor，標題用 upgradingrewrite／重寫
誰提的Krishnamurthy 自己認為兩人團隊就能做；Patel 說連他團隊裡最 AI-forward 的人都沒這樣想總裁「要他」24 個月內做到
時程先給自己四週證明可行；24 個月 98% 是最終目標只剩 24 個月 98%
五層在組織圖上「低於 Patel 五層」「被放在低了五個職級的位置」
三種人Patel 描述的是他自己的團隊，各佔三分之一變成泛論
驗收沒有：沒有程式碼盤點、沒有 98% 的分母、沒有驗收標準、沒有 token 預算也沒有

最後一列才是重點。這份報告不是要糾正轉傳，轉傳掉的東西本來就會掉。要問的是原文裡有沒有驗收，而答案是沒有。有一家轉述的媒體把話說得很直：這份計畫沒有定義的程式碼範圍、沒有量測結果、沒有成本基準。

還有一個背景數字。Cisco 是透過收購 EzDubs 拿到這位工程師的，官方公告寫的完成日是 2025 年 11 月 25 日。他進 Cisco 還不到一年。

S-01 · 修訂欄

第一天就改了一版

報導刊出當天，當事人就把故事降了一級。「兩個人重寫 98%」在 REV.00 是頭條，在 REV.01 變成「兩個人去推動一件核心團隊要做的事」。這兩件事的難度差了一個數量級。

這個模式年初就出現過一次。Microsoft 的 Galen Hunt 在 2025 年 12 月的 LinkedIn 貼文裡喊出「一個工程師、一個月、一百萬行」，要在 2030 年前清掉 Microsoft 所有的 C 和 C++。隔天他更新貼文：這是一個研究專案，不是公司計畫；Windows 不會用 AI 改寫成 Rust。

頭條活在第一天，修訂欄活在第二天；可是被轉傳的永遠是頭條。

Patel 今年的其他承諾也值得放在旁邊當背景：2 月他說 2026 年底前至少會有六個「只靠 AI 寫」的產品；他也說過要準備好一個人審不完 AI 寫的所有程式碼的世界。這些是宣稱，不是結果，後面會回來對。

S-02 · 設計圖

「無限」在別處的下場

2026 年是「無限 token」這個詞被用壞的一年。排三個案子：

案子設計圖上寫的竣工後的樣子
Meta2026-04工程師自建的「Claudeonomics」排行榜，彙整 8.5 萬名員工的 token 用量，前 250 名可以當 Token Legend有工程師公開承認為了不被看成「用太少」，會刻意拿文件裡已經有答案的問題去問 AI；曝光後一週內下架；6 月 WIRED 報導 Meta 內部備忘錄打算限制員工 token 用量；9 月正式把 token 數從考績拿掉
美國陸軍2026-05陸軍 CIO 宣布 350 萬名員工透過 Ask Sage 拿到無限 token6 月中額度池用完，恢復上限
NVIDIA GTC2026-03黃仁勳說「我的工作配多少 token」已經成為矽谷的招募問題這句話本身沒錯，但它把 token 講成了薪資，而不是成本

三個案子的共同點是，「無限」從來不是技術描述，是定價話術：供應方賭你用不完。你一旦真的用完，上限就回來了。

S-03 · 帳單

四個月花完一年

Uber · 2026 年 AI 工具預算

4 個月

用完全年額度

Uber · 每位工程師每月

$500–2,000

CTO 透露的 API 成本區間

Uber · 6 月起的上限

$1,500 / 月

每人、agentic coding 工具

Claude Code 採用率

32% → 84%

由內部排行榜推上去的

Uber 是今年被引用最多的帳單。2025 年 12 月開放 5,000 名工程師使用 Claude Code，用內部排行榜鼓勵大家「盡量用」；4 月 CTO Praveen Neppalli Naga 向 The Information 證實，2026 年全年的 AI 工具預算已經用完，要「回到製圖板」。5 月底 COO Andrew Macdonald 的說法更值得記下來：內部數據顯示更多程式碼是用 Claude Code 寫的，但看不出這些程式碼有沒有讓乘客或司機那一端多出任何東西。6 月，Uber 設了每人每月 1,500 美元的上限。

Amazon 走的是另一條路。5 月，Amazon 關掉內部的 AI 用量排行榜，理由是它獎勵的是用量不是價值，改用一個叫「normalised deployments」的指標，看的是工程師有沒有穩定地用 AI 寫出真的部署出去的程式碼。10 月 27 日的內部備忘錄更直接：token 用量、工具採用率、程式碼變更數，都是「deeply flawed」的衡量方式；發現 AI 對某件事沒幫助而不用，是好的判斷。Amazon 的發言人同時說，公司沒有設 token 上限。

Linear 的 COO Cristina Cordova 在 X 上留了一句最好用的話：用 token 花費排名工程師，就像用誰花最多錢來排名行銷團隊。

token 是一個成本訊號，2026 年上半年它被拿去當績效指標，下半年各家開始把它收回成本那一欄。Cisco 的故事在 10 月底出現，等於是在這條曲線的尾端又說了一次「無限」。

S-04 · 竣工圖

真的蓋完的，長什麼樣

反過來看。過去兩年裡有數字、有公開事後報告的大型 AI 遷移，排在同一張表上。重點不在「省了多少」那一欄，在「驗收怎麼過」那一欄。

案子規模與結果驗收怎麼過備註
AmazonJava 8/11 → 17 · 20243 萬個應用；每個從約 50 人日降到幾小時；換算省下 4,500 開發者年，每年省 2.6 億美元目標版本明確，建置通過就是驗收；Jassy 另外提到 79% 的 AI 審查建議不經修改就出貨最像「工業化」的一案：源和目標都是版本號
AirbnbEnzyme → RTL · 2024約 3,500 個測試檔；6 週完成，原估 1.5 年人力流程固定成狀態機：改寫 → Jest 通過 → lint 與 tsc 通過 → 標記完成；自動化到 97%，剩下不到 100 個檔案人工補完一週Airbnb 自己說，成本含 API 和六週工程時間，遠低於原估
Google內部遷移 · 2024–25int32→int64：約 80% 的變更由 AI 寫成，總時間省約 50%；JUnit3→4：5,359 個檔案、14.9 萬行、3 個月，87% 的 AI 程式碼未經修改就提交AST 找位置、LLM 改、再跑建置與測試；審查變成主要瓶頸，Google 刻意限制每週產生的變更量，避免壓垮審查者論文自述沒有對照實驗，省時是工程師估的
BunZig → Rust · 2026-05535,496 行；11 天、約 6,500 個 commit、64 個 agent 並行；API 牌價約 16.5 萬美元（59 億未快取輸入、6.9 億輸出 token）每個 commit 經兩次對抗式審查；完整測試套件；上線後 19 個已知 regression，全部已修Zig 作者質疑：測試若真完整，舊版的 bug 為什麼沒抓到；Rust 版有約 2.7 萬行 unsafe
AsanaEnzyme → RTL · 2026模型與基礎設施約 1.2 萬美元，對比原本 600 萬美元的人力估算同 Airbnb 的驗收路徑「五年」指的是低優先順序下自然完成的時間，不是五年的人力投入
Cisco98% 舊程式碼 · 2026-10未公開：哪些系統、多少行、98% 的分母未公開四週驗證期結果未公開

五個蓋完的案子有三個共同點：

  1. 源和目標都定義清楚。一個版本號對另一個版本號，一個測試框架對另一個測試框架，一種語言對另一種語言。沒有一個案子的目標是「舊程式碼」。
  2. 驗收是機器可以判定的。建置過、測試過、lint 過。人介入的是剩下那 3%。
  3. 審查容量是被管理的。Google 那句「刻意限制每週變更量」是整張表裡最重要的一句話：產出可以無限，審查不行，所以產出要被節流到審查跟得上。

把 Cisco 放進同一張表，三欄都是空白。這不是說它一定做不到，是說目前沒有任何東西可以拿來對。

S-05 · 現場

感覺快了，實測呢

如果驗收是瓶頸，那在組織層應該看得到一個現象：個人產出上升，組織產出不動。2025 到 2026 年剛好有兩組資料可以對。

第一組是 METR 的隨機對照試驗：16 位資深開源工程師，在自己維護了平均五年的程式庫上做 246 件真實任務，隨機分配能不能用 AI。受試者事前預期 AI 會讓自己快 24%，事後自評快了 20%，碼表量到的是慢了 19%。2026 年 2 月 METR 發表追蹤研究（57 人、800 多件任務），方向翻成快了約 18%，但 METR 自己說這個數字不能當乾淨的估計：最看好 AI 的工程師不願意進「不用 AI」那一組，樣本已經自我篩選。

第二組是 Faros 的遙測資料，1,255 個團隊、超過一萬名工程師：

任務完成數

+21%

高 AI 採用團隊

合併的 PR 數

+98%

同上

PR 審查時間

+91%

瓶頸在這裡

PR 平均大小

+154%

每個 PR 更難看

每人 bug 數

+9%

DORA 指標無可量測改善

兩組資料說的是同一件事：寫的那一端變快了，看的那一端沒有。接回〈跑從來不是問題，看才是〉那篇講的是一個人在三題 Three.js 上的裁判解析度；這篇講的是一家公司；下篇講的是人已經看不完的地方。瓶頸是同一個：看。

S-06 · COBOL

最硬的那一塊

2026 年 2 月 23 日，Anthropic 發了一篇講用 Claude Code 做 COBOL 現代化的部落格，裡面有一句「可以在幾季內完成，而不是幾年」。同一天 IBM 股價跌超過 13%，Bloomberg 說是 2000 年 10 月以來最大的單日跌幅。IBM 軟體事業的 Rob Thomas 當天也發了一篇文章回應，核心是一句話：翻譯不等於現代化。

之後有人真的去量了。Factory 在 4 月 1 日發表 Legacy-Bench，拿真實的舊程式庫出題，測 AI agent 修 bug、加功能、跨語言遷移的能力。題目裡 COBOL 佔 46%，其次是 Java 7、BASIC、C89、Fortran、組合語言。

12 組模型×agent 的通過率

16.9–42.5%

同批模型在 SWE-bench Verified 超過 70%

COBOL 最佳成績

34.8%

GPT-5.3-Codex；最差 18.1%

無人解出的 44 題

31 題

是 COBOL

失敗的任務中

97%

agent 相信自己已經解決

Legacy-Bench 對 COBOL 的解釋，是這篇報告最想要的一句話：COBOL 的 bug 是無聲的。錯的輸出看起來合理，沒有錯誤訊號。換句話說，COBOL 是驗收最貴的程式碼：沒有測試、沒有人懂、錯了不會報錯。97% 的失敗案例裡 agent 都以為自己做對了，這表示把「無限 token」丟進去，得到的是無限多個自認完成的版本。

有一位作者在 10 月去追了這條線索，結論是公開紀錄裡還沒有一個完成的、由 AI 主導的 COBOL 遷移。這是單一作者的查核，不是產業統計，但到這篇寫成為止，我也沒找到反例。

Anthropic 自己的部落格建議的流程

先讓 AI 讀懂程式碼、畫出依賴和資料流；在改任何東西之前先產生測試，由人決定測試夠不夠；然後一次遷移一個元件，每一步驗證，新舊並行跑。這個流程的每一步都是驗收，沒有一步是 token。那篇文章也沒有提供任何量測過的案例來支持「幾季而不是幾年」。

為什麼這一節要放在 Cisco 的報告裡：網路設備的舊程式碼和 COBOL 是同一種東西。幾十年的行為相容性、客戶現場的部署、原作者早就離開、測試覆蓋不完整、錯了不一定會報錯。Cisco 那 98% 裡面，最難的那部分長得就像 COBOL。

S-07 · 估算書

無限對誰便宜

Bun 是目前唯一把 token 帳單和程式碼行數都公開的案子。16.5 萬美元除以 535,496 行：

$0.31 / 行

BUN · ZIG → RUST · API 牌價 · 這是 token 的價格，不是驗收的價格

拿這個數字做兩個方向的估算。假設 Cisco 這件事的工程量是 Bun 的 100 倍，token 費用大約是 1,650 萬美元。有媒體用 Cisco FY2026 的 10-K 算過，Cisco 的研發支出大約是每天 2,620 萬美元。也就是說，就算重寫量是 Bun 的一百倍，token 的錢也不到 Cisco 一天的研發費用。對一家這個規模的公司，「無限 token」是一個很便宜的承諾。

反方向：同樣的「無限」放到 Uber 的規模，5,000 名工程師乘以每人每月 1,500 美元的上限，是每月 750 萬、每年 9,000 萬美元，而且那還是設了上限之後的數字。

無限，對兩個人是一個便宜的姿態；對整家公司是一張會被收回的支票。

這兩段是我算的

「100 倍」是假設，不是 Cisco 的數字；每行 0.31 美元是 Bun 在 Fable API 牌價下的平均，不同語言、不同快取比例會差很多。Cisco 每日研發費用是 FourWeekMBA 根據 10-K 做的除法，我沒有重算。這一節的目的不是估 Cisco 會花多少，是說明 token 在這個算式裡不是大的那一項。

S-08 · 驗收單

四週後要看到的三樣東西

如果從 10 月 30 日起算，四週驗證期大約在 11 月底結束。到時候不管是 Patel 發文、Fortune 追蹤、還是內部流出，拿這張單子去對。前三項缺一項，就還是 REV.00 的頭條。

  1. 分母。哪些 repo、多少行、哪些產品線；98% 是用行數、檔案數、還是模組數算的。缺了這項，98% 就不是進度，是口號。
  2. 判定方式。重構後的程式碼用什麼證明行為沒變：既有測試、新寫的特性化測試、建置、還是新舊並行跑。誰跑、跑在哪裡、通過率多少。缺了這項，四週內產出的任何東西都只是「agent 自認完成」。
  3. 審查容量。誰審、每週能審多少、產出有沒有被節流到審查跟得上。Patel 在 REV.01 說核心團隊要 own 最後的產品，那核心團隊的審查時間就是這件事的真正預算。缺了這項，Faros 的那組數字會原樣重演。
  4. 加分：token 實際用量。把「無限」變成一個數字。這項不影響驗收，但會影響這個故事下一次被講的方式。

還有一個不在單子上、但值得一起記的東西。Patel 說要準備好一個「人審不完 AI 寫的程式碼」的世界。如果四週後的答案是「我們靠 AI 審 AI」，那第 2 項和第 3 項就要重新問一次：審查的那個 AI，用什麼驗收。下篇 S-10 從這裡開始

S-09 · 待補

修訂欄留白

REV.02 留白等 11 月底。同時值得追的三條線：

這三條線的共同點和這篇一樣：不看宣稱，看驗收。

兩件事刻意沒放進上篇。一是實驗室內部的 agent 群和它們底下的沙箱農場，二是 Grok Bot、Dots、Muse、Duet 這類一個人用的常駐 agent。它們的驗收單位都不是程式碼，是行為；而且規模一個大到人看不完、一個小到沒有人在看。這兩件事是下篇的題目。

附錄 A · 名詞

圖例

refactor vs rewrite重構 vs 重寫重構是改結構不改行為，理論上每一步都可以驗證；重寫是換掉整個實作，驗收要重建。Fortune 原文用的是前者。
tokenmaxxing衝 token2026 年 3 月 NYT 的 Kevin Roose 造的詞，指為了讓 AI 用量指標好看而刻意多消耗 token。4 月到頂，5 月底已有媒體宣告它死了；Meta、Uber、Amazon 都因此改掉了內部排行榜，Meta 9 月正式把 token 數從考績拿掉。
DORA 指標dora metrics部署頻率、變更前置時間、變更失敗率、回復時間。組織層的交付指標；Faros 的資料裡這四項在高 AI 採用團隊沒有可量測改善。
Legacy-Benchfactory · 2026-04以真實舊程式庫出題的 agent 基準測試，COBOL 佔近半。公開了十題樣本。
竣工圖as-built drawing工程完工後依現場實況修訂的圖，和原設計圖的差異就是施工期間的變更。這篇借它來分「故事」和「真實」。

附錄 B · 來源

圖面引用

上篇 v0.2 · 2026-11-05 · REV.02 待補 · 下篇：一百萬顆 CPU，是用來驗的