I ett samtal sent på eftermiddagen som jag deltog i, läste någon tyst upp Twilio-VD:ns kommentar om ROI och ”tokenmaxxing” för gruppen.
Det ögonblicket kändes som en vändpunkt: man kunde känna hur stämningen skiftade från fnittrig experimentlusta till nykter matematik, och jag fortsatte att undra om hysterin faktiskt hade dött ut eller bara bytt mask.
I ett annat rum fick Shopifys ingenjörer tydligt besked om att endast använda ”frontier models” som OpenAI:s GPT-5.6 Sol och Anthropic:s Fable 5.
Det påbudet från Farhan Thawar landade som en doktrin – inte kostnadsbesparingar – och det tvingade mig att fråga mig hur tro ser ut när den bär en prislapp.
Vad är ”tokenmaxxing”?
Vid en demonstration vid ett soffbord som jag såg förra månaden använde någon ”tokenmaxxing” som en förkortning för att kasta beräkningskraft på varje idé tills en fastnade.
Den förkortningen är viktig eftersom termen fångar två beteenden: urskillningslös volym och den känslomässiga tryggheten i skalbarhet, och om du skalar bort jargongen hittar du en utgiftsvana maskerad som strategi.
Varför väljer vissa företag endast ”frontier models”?
På Shopifys interna kanaler är regeln enkel: om modellen inte är en ”frontier model”, bry dig inte.
Denna verkliga policy avslöjar ett vad – marknadshastighet och nyhet behandlas som riskreducerare, och logiken är enkel: använd de mest kapabla modellerna för att förkorta återkopplingsslingorna även om varje token kostar mer.
I en intervju formulerade Twilio-VD:n motreaktionen annorlunda genom att fråga om företag får ut ROI från AI-användning.
Denna inramning får dig att mäta data och pengar snarare än religiös iver, och när du kombinerar hans försiktighet med Shopifys tro, ser du två konkurrerande strategier: spara, eller investera aggressivt i upplevd överlägsenhet.
På Olive rapporterade Bill Nguyen att ha bränt häpnadsväckande 774 miljarder tokens på en månad, cirka 4,5 miljoner dollar (4,2 miljoner euro) i uppskattade kostnader.
Denna bekännelse läses som en trosbekännelse i latens, trohet och ”first-mover advantage”, och den tvingar alla som bryr sig om enhetsekonomi att fråga sig om marginella vinster på en ”frontier model” motiverar marginella utgifter.
Vid en demo-dag jag deltog i försvarade grundare val av endast ”frontier models” genom att peka på snabbare iteration och mindre krångel med modellen.
Det försvaret är förföriskt eftersom tid till marknad och konkurrensrisk har verklig tyngd, och för vissa företag gynnar kalkylen att betala mer per token för att undvika månader av justering och integration.
På en liten startup som jag såg kämpa jämförde ingenjörsledaren att välja billigare modeller med att springa med en arm bunden bakom ryggen.
Den metaforen träffar rätt eftersom ”product-market fit” ofta är en kapplöpning, och i kapplöpningar kommer vissa team att satsa sin framtid på en upplevd snabbhetsfördel.
I ett samtal i korridoren med en före detta datahallchef kom ordet ”slöseri” upp mer än en gång.
Den oron är praktisk: ”tokenmaxxing” utan mätbar förbättring ser, i kalkylblad, ut som att bränna pengar snarare än att köpa resultat, och företag som saknar tydliga mätvärden kommer att betala för sin tro på modeller.
På en mässa lyssnade jag när en CTO argumenterade för att användning av endast ”frontier models” signalerar ett åtagande till kvalitet för kunder och partners.
Denna ståndpunkt skapar socialt tryck – ingenjörer och chefer jämför sig med kollegor – och resultatet är tribal förstärkning där kompromiss känns som kätteri.
Vid en middag med produktledare frågade jag om man kan förena ”frontier”-dyrkan med finansiell disciplin.
Den frågan är viktig eftersom du antingen optimerar för kortsiktig marknadspositionering eller långsiktig effektiv skalning, och att blanda de två utan mätningar leder till strategisk ryggsmärta.
På en startup sa VD:n till mig att det var ”frontier eller inget”, en replik som lät mer som en predikan än strategi.
Den retoriken skapar lärjungar och avhoppare: vissa kommer att satsa stort, andra kommer tyst att bygga kostnadsmedvetna vägar runt altaret, och jag såg båda hända i praktiken.
Vid varje bord där jag undersökte detta beteende dök två känslor upp: rädsla för att vara långsam och rädsla för att ha fel.
Denna dubbla rädsla driver utgifter och försvarar dem, och den förklarar varför ”tokenmaxxing” inte dog – den muterade helt enkelt till en ”premium-only”-tro där kostnaden motiveras av löftet om konkurrensmässig immunitet.
Vid det här laget borde du fråga om ditt team behandlar modellval som ett leverantörsbeslut, ett ingenjörsval eller en strategisk indikator.
Denna praktiska självrevision är hur jag råder grundare: mät den förbättring du får per dollar, testa antaganden om tid till marknad, och låt data, inte dogmer, bestämma din utgiftstakt.
Vid slutet av flera samtal hörde jag samma metafor om och om igen, som jämförde ”frontier”-lojalitet med en troskatedral.
Den bilden förklarar varför styrning och incitament är viktiga – när tro ser ut som arkitektur följer policyer och avvikande åsikter blir kostsamma, och du måste bestämma om du ansluter dig till en församling eller driver ett företag.
Vid slutet av ett styrelsemöte jag deltog i föreslog någon en medelväg: pilotera ”frontier models” där de gör verklig skillnad och använd billigare modeller för förutsägbara arbetsbelastningar.
Den kompromissen kan fungera om du noggrant mäter resultat och sätter avbrytarpunkter, men få organisationer har disciplinen att göra det utan politiska konsekvenser.
Vid varje vändning fortsatte jag att fråga mig själv: vill du vara företaget som spenderade så mycket det kunde på beräkningskraft, eller det som bevisade avkastning på den utgiften?
Den frågan är testet du är skyldig dina investerare, dina ingenjörer och dina kunder – och svaret du väljer kommer att definiera om din ”frontier-only”-tro är en smart satsning eller en dyr tro?
Stöd vårt arbete ❤️
Om du gillade den här artikeln, överväg att lämna dricks för att hjälpa oss fortsätta publicera bra innehåll.
