2026年8月11日 · GitHub
Per-model token breakdown in the usage report
GitHub 在 2026 年 8 月 11 日的博客文章中宣布，AI 使用报告现在提供按模型划分的 token 明细，显示每个模型的输入、输出和缓存 token 数量。
EVENT STORY
发展脉络
- 首次出现Per-model token breakdown in the usage reportGitHub Copilot Changelog
- 当前判断这一更新反映了 AI 工具供应商向更透明、更细粒度的成本报告发展的趋势。随着 AI 采用率增长，企业用户要求更详细的成本分解，以管理预算并优化模型选择。GitHub 此举可能促使其他平台（如 OpenAI、Anthropic）提供类似功能，以保持竞争力。Agent Pulse · 分析
GitHub 更新了其 AI 使用报告，新增了按模型划分的 token 消耗明细。该功能允许用户查看每个模型在输入、输出和缓存方面的 token 使用情况，从而更清晰地了解 AI 信用额度的消耗。这一变化提高了成本透明度，使用户能够识别哪些模型消耗了最多的资源，并可能优化其使用模式。
该功能表明 GitHub 正在增强其遥测和计费基础设施，以支持细粒度的 token 计量。对于开发者而言，这意味着可以更精确地监控和优化 API 调用，尤其是在多模型工作流中。下一步可验证的信号是，GitHub 是否会提供 API 端点或导出功能，以便自动化分析 token 使用数据。
这一更新反映了 AI 工具供应商向更透明、更细粒度的成本报告发展的趋势。随着 AI 采用率增长，企业用户要求更详细的成本分解，以管理预算并优化模型选择。GitHub 此举可能促使其他平台（如 OpenAI、Anthropic）提供类似功能，以保持竞争力。
对于企业客户，此功能提供了成本可见性，有助于优化 AI 支出并做出更明智的模型选择。它还可以帮助识别低效的提示或缓存策略，从而降低运营成本。对于 GitHub，这增强了其企业产品的价值主张，并可能提高客户满意度。
未来，我们可以预期更多 AI 平台将提供类似的 token 级报告，并可能集成到成本管理工具中。此外，GitHub 可能会扩展该功能，包括按项目、团队或时间段的过滤，以及成本预测和异常检测。