For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-TW/articles/microsoft-and-meta-cut-claude-use-claude-9c2db609.md.
Anthropic 的兩家最大企業客戶正在同時縮減內部對 Claude 的使用。
Anthropic 的兩家最大企業客戶正在同時縮減內部對 Claude 的使用。
根據 The Information 的報導，Microsoft 先前預估，今年將在其內部使用 Anthropic 技術上支出 至少 10 億美元。在要求員工減少使用 Claude、更多依賴 Microsoft 自家工具後，該公司已將這項預估下調 超過三分之一。
在 Meta，使用 Claude Code 的員工人數據報已從 2026 年稍早的約 60,000 人降至約 30,000 人。
令人意外的是，使用者人數下降並不必然代表支出很低。The Information 報導稱，Meta 在最近某個 28 天期間內，Claude Code 的支出仍 超過 1.05 億美元。
因此，這個故事並不是 Claude 突然變差了。
情況幾乎恰恰相反。
Claude Code 已變得足夠實用，讓大型工程組織持續運行它。當自主程式設計 Agent 開始讀取程式碼儲存庫、執行測試、編輯檔案、重試失敗操作，並一次運作數小時時，Token 消耗就成為重要的預算項目。
這正在將企業 AI 程式設計推向一個新階段：能力仍然重要，但 單一任務成本、資料控制、供應商策略，以及客戶是否能自行打造替代方案 同樣重要。
Microsoft 的經驗清楚說明，當 Agent 式程式設計工具在大型工程組織中擴大部署時，會發生什麼。
原始文章指出，Microsoft 在 2025 年底開始向其 Experiences and Devices 組織內數千名工程師提供 Claude Code 存取權。無須太多內部推廣，採用便迅速擴散。
關於該計畫的早期報導指出，在某些情況下，Claude Code 的重度使用每位工程師每月可達數百甚至數千美元。各報導中的確切人均數字有所不同，不應將其視為 Microsoft 全公司通用的平均值，但整體成本壓力已有充分記錄。
到了 2026 年中，Microsoft 已開始將許多工程師從 Claude Code 轉向 GitHub Copilot 與 Microsoft 自行開發的模型。
Microsoft AI 執行長 Mustafa Suleyman 在接受 Bloomberg 採訪時，異常明確地說明了公司的立場。他表示 Anthropic「極其昂貴」，而 Microsoft 希望降低——並最終消除——其支付給 Anthropic 的成本。
最新報導的內容更進一步。
The Information 表示，Microsoft 原本預計每年在內部 Anthropic 使用上花費 至少 10 億美元，但現在已將該預估下調超過三分之一。
彙整相同報導的 The Decoder 表示，雲端部門也將每位員工每月的 Claude 預算，從約 100,000 美元降至 10,000 美元。這個數字應理解為內部支出額度或預算上限，而不是證明每位員工實際每月都消耗了 100,000 美元的 Claude 用量。
Meta 的 Claude Code 使用者人數據報已從約 60,000 人降至約 30,000 人。
部分減少源於裁員，但 The Information 表示，更大的因素是 Meta 自己的 AI 程式設計技術堆疊。
Meta 現在擁有多個內部使用或內部測試的替代方案：
即使 Claude Code 使用者基礎約減半，Meta 據報在最近某個 28 天期間內，仍在 Claude Code 上支出 超過 1.05 億美元。
這使其經濟效益難以忽視。
原始文章表示，Meta 內部的「Claudeonomics」儀表板顯示，30 天內使用了 60 兆 Token，並暗示這些全都代表透過 Claude 傳遞的內部程式碼與資料。
這樣的說法過於廣泛。
The Information 早期報導指出，員工自行建立的 Claudeonomics 排行榜，追蹤的是全公司 AI Token 使用量；在最近一個 30 天期間內，該數量已超過 60 兆。現有報導並未證實這些 Token 全部來自 Claude Code。
該儀表板仍說明了 Meta 內部 AI 使用的規模，但不應將它解讀為一筆僅屬於 Claude 的 60 兆 Token 帳單。
一般聊天使用的邊界相對明確。
使用者提出問題，模型回答，互動可能就此結束。
程式設計 Agent 的行為則不同：
讀取程式碼儲存庫
→ 檢查相依套件
→ 搜尋檔案
→ 編輯程式碼
→ 執行測試
→ 檢查失敗項目
→ 再次編輯
→ 執行工具
→ 持續數小時
每一輪都可能重複使用大量程式碼儲存庫上下文。
這就是為什麼 Agent 式軟體恰恰會在變得實用時變得昂貴。
Agent 的自主性越高，持續活躍的時間越長。程式碼庫越大，它讀取的上下文越多。採取的步驟越多，累積的 Token 計費也越高。
這為企業帶來一個簡單的問題：
工具可以帶來真實的生產力收益，但若沒有路由、快取、預算與使用控制，部署成本仍可能在財務上難以承受。
成本只是故事的一部分。
更深層的問題是，Anthropic 正日益與那些曾主要將其視為模型供應商的公司競爭。
Microsoft 銷售 GitHub Copilot、開發自有模型，並在打造具備更高 Agent 能力的生產力軟體。Anthropic 的 Claude Code 與 Claude Cowork，現在與 Microsoft 希望掌握的部分開發者工具及辦公軟體市場重疊。
Meta 的情況也相似。
它正在打造 MetaCode、Muse Code 與自己的 Muse 模型。一旦 Meta 擁有可信的內部程式設計技術堆疊，付費請競爭對手執行相同工作就更難合理化。
這使雙方關係從：
客戶 → 模型供應商
轉變為更接近：
客戶 + 策略合作夥伴 + 潛在競爭對手
這個時間點尤其敏感，因為 Anthropic 正準備上市。
Reuters 援引 Anthropic 的 IPO 招股書報導，兩名未具名客戶約占 Anthropic 2025 年營收的 24%。
招股書沒有指出這兩名客戶是誰。
原始文章稱市場普遍猜測是 Microsoft 與 Meta。這仍是推測，不應視為已獲確認的事實。
已確認的是更廣泛的風險：Anthropic 的招股書明確警告，其營收集中於少數大型客戶，而主要帳戶減少支出可能損害其業務。
這使得兩家大型科技客戶同時縮減使用，比一般的供應商預算調整更值得重視。
Microsoft 與 Anthropic 的關係中，還存在另一種不同尋常的張力。
雖然 Microsoft 正在減少內部的 Claude 支出，Anthropic 本身卻對 Microsoft 承擔了龐大的長期基礎設施義務。
Reuters 根據 Anthropic 招股書報導，除特定違約情況外，該公司對 Microsoft 有約 314 億美元不可取消的基礎設施承諾，將延續至下一個十年。
這意味著兩家公司可以同時是：
這種相互依存關係，在前沿 AI 領域正變得愈來愈普遍。
來源文章認為，Microsoft 與 Meta 並非孤立案例。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
其他報導也支持這項更廣泛的趨勢。
7 月，Reuters 報導，Alibaba 禁止員工使用 Claude Code，並以安全疑慮為由，指示員工改用公司的 Qoder 平台。
9 月，Reuters 報導，Palantir、Nvidia 與 Booz Allen Hamilton 因為專有資料及資料保留政策疑慮，已限制或正在考慮限制對先進外部模型的使用。
各公司的確切限制不同：
共同模式不只是「Claude 太貴」。
對大型公司而言，程式碼、安全資料、內部文件與專有工作流程都是核心資產。AI Agent 越接近這些資產，客戶就越在意成本、資料保留、控制權與競爭依賴。
Anthropic 並未忽視這些異議。
9 月，它推出 Claude Fable 5.1，維持基礎 API 價格不變，同時將快取讀取定價降低 75%，從每百萬 Token 1.00 美元降至 0.25 美元。
Anthropic 表示，這可降低總成本：
原因很直接。
長時間運行的 Agent 會重複讀取先前處理過的上下文。如果這類重複使用的上下文變得便宜許多，即使標準輸入與輸出價格不變，總任務帳單也可能下降。
| Token 類型 | Fable 5.1 每 100 萬 Token 價格 |
|---|---|
| 輸入 | $10.00 |
| 快取讀取 | $0.25 |
| 輸出 | $50.00 |
25% 與 45% 的節省是工作負載估算，而不是每個請求都保證適用的折扣。
未受益於快取的短請求，成本仍可能與先前基本相同。
Anthropic 也宣布了 Enterprise Frontier Safeguards（EFS），以回應資料保留疑慮。
EFS 的設計是讓符合資格的企業客戶將資料保留在其控制的雲端基礎設施中，而非 Anthropic 自有系統中，同時仍允許進行濫用偵測的自動化防護。
Anthropic 表示，EFS 將分階段推出，而符合資格的客戶在該系統全面可用前，可以獲得零資料保留處理。
這直接回應了處理專有或受監管資訊的企業所提出的其中一項疑慮。
不過，它無法解決每一個策略問題。
即使外部定價與隱私條件改善，已擁有強大內部模型或程式設計技術堆疊的公司，仍可能偏好自有系統。
過去兩年，AI 競賽的大部分焦點都在能力：
現在，財務團隊正在提出不同的問題：
每項完成的任務實際花了多少成本？
這是重大轉變。
Microsoft 的經驗展現完整循環：
工程師偏好仍然重要，但它不再決定整個採購流程。
一種可能的企業模式正在浮現：
| 工作負載 | 可能的模型策略 |
|---|---|
| 日常程式設計、文件撰寫、簡單修正 | 成本更低、速度更快且控制嚴格的模型 |
| 高量內部 Agent | 搭配積極快取與支出上限的低成本模型 |
| 專有或高度敏感工作 | 內部、私有或強隔離部署 |
| 困難推理與複雜架構 | 僅保留給最棘手任務的前沿模型 |
這比基準測試排行榜少了些光彩，但它對企業採用可能更重要。
最強的模型不會自動贏得最大規模部署。
勝出的系統還必須足夠可負擔、可預測、可治理，且安全到足以連接公司的核心資料。
企業愈來愈需要衡量的是每個完成任務的成本，而不只是每百萬 Token 的 API 價格。
有用的內部指標可能包括：
總任務成本 =
模型 Token
+ 快取寫入與讀取
+ 工具呼叫
+ 重試
+ 人工審核時間
+ 基礎設施額外負擔
若高 Token 價格的模型能以更少步驟完成任務，仍可能更具經濟效益。
若低價模型不斷循環、重試，或需要更多人工修正，也可能變得昂貴。
這就是為什麼 AI 程式設計的下一階段將愈來愈像 FinOps：路由、預算、可觀測性、快取、使用儀表板與 ROI 衡量，將成為工程技術堆疊的一部分。
The Information 報導，Microsoft 在要求員工減少使用 Claude、更多依賴 GitHub Copilot 與 Microsoft 自家模型後，將其預估的內部 Anthropic 支出削減超過三分之一。成本是主要因素，但 Microsoft 也直接參與開發者工具與企業 AI 的競爭。
最新報導顯示，人數約為 30,000 人，低於 2026 年稍早約 60,000 人。部分下降源於裁員，但更大的因素是 Meta 擴展 MetaCode、Muse Code 與自家 Muse 模型。
The Information 報導，Meta 在最近某個 28 天期間內，於 Claude Code 上支出超過 1.05 億美元。這是據報的內部支出，而不是 Meta 正式披露的財務數字。
不完全是。據報由員工建立的 Claudeonomics 儀表板顯示，30 天內的全公司 AI Token數量超過 60 兆。現有報導無法證實所有這些 Token 都是 Claude Code 流量。
Agent 式程式設計工作階段會重複讀取大型程式碼儲存庫、呼叫工具、執行測試、檢查輸出並重試變更。這產生的 Token 用量遠高於短暫聊天或一次性的程式碼補全。
Claude Fable 5.1 將快取讀取定價降低 75%。Anthropic 估計，這可讓一般工作負載的總成本降低約 25%，並讓重複使用大量快取上下文的高度 Agent 化工作負載成本最多降低約 45%。
Enterprise Frontier Safeguards 是 Anthropic 為符合資格的商業客戶推出的新控制機制，適用於希望在保留濫用監測的同時強化隱私的企業。其設計將資料保留在客戶控制的雲端基礎設施中，而非 Anthropic 系統中，並將於 2026 年起分階段推出。
不是。趨勢是選擇性使用，而非完全放棄。許多公司正將昂貴的前沿模型保留給高價值任務，同時把日常、敏感或高量工作負載路由至成本較低或內部受控的系統。
Microsoft 與 Meta 減少使用 Claude，並不是因為該工具突然不再實用。它們的縮減恰恰顯示了相反的問題：一旦數千名員工針對大型程式碼庫運行長時間、自主化的工作階段，Agent 式程式設計可能極快地變得昂貴。
策略問題不僅是價格。Microsoft 與 Meta 正在打造自己的競爭性 AI 產品，而其他企業則在涉及專有資料時收緊對外部模型的存取。Anthropic 正透過更低的快取讀取價格與更強的企業資料控制做出回應，但市場顯然正在轉向更具選擇性的模型路由。
企業 AI 程式設計的下一階段，評判標準將不只限於基準測試分數。公司愈來愈在意單一任務成本、資料治理、供應商依賴，以及模型能否安全地連接至核心內部系統。
能力最強的程式設計 Agent 不會自動成為企業預設工具——最終勝出的工具還必須可負擔、可控制，且在策略上可被接受。
從一句話開始，幾分鐘內拿到完整網站。
