Meta 将 AI token 用量移出工程师绩效评估

2026-09-03

据 The Information 报道，Meta 在员工开始刷 AI 用量指标后，决定将 AI token 用量从工程师绩效评估中移除。Meta 仍表示目前 93% 的代码变更由 AI 智能体辅助完成，并非要求工程师减少使用 AI。

Meta 因员工开始刷 AI 用量指标，决定将 AI token 用量从工程师绩效评估中移除。Meta 仍表示目前 93% 的代码变更由 AI 智能体辅助完成，并非要求工程师减少使用 AI。

这是什么信号

Meta 把 AI token 用量从工程师绩效评估中移除，直接原因是员工开始针对该指标刷量。这说明当 AI 使用量被纳入考核，指标会从工具采用度异化为可被操纵的 KPI。

Meta 仍表示目前 93% 的代码变更由 AI 智能体辅助完成，并非要求工程师减少使用 AI。这释放出两个信号：一是 AI 编程在 Meta 内部已有很高渗透；二是公司试图把考核重点从用了多少 AI 拉回产出与质量。

为什么重要

这不是一条单纯的产品更新，而是 AI 进入企业流程后，度量体系被反向博弈的案例。用量指标容易推动采用，但一旦与绩效强绑定，就会诱导刷量，导致数据失去参考价值，甚至让管理者误判 AI 的真实 ROI。

对谁有价值

对工程管理者、CTO、正在推动 AI 编程考核的企业，以及销售 AI 编程工具的厂商都有参考价值。它提醒买方和卖方：AI 工具的价值应体现在交付结果，而不是 token 消耗或生成代码行数。

可以怎么行动

企业可以把 AI token 用量、AI 生成代码占比作为团队级观测指标，用于资源规划和工具推广，但不要直接绑定个人绩效。更稳妥的做法是结合代码评审、缺陷率、交付周期、业务结果等指标，并对异常刷量保持监控。同时明确 AI 是辅助工具，考核目标是工程产出与质量。

风险或限制

该信息来自 The Information 报道，具体实施范围、替代指标、内部政策细节未披露；93% 代码变更由 AI 智能体辅助完成是 Meta 口径，外部难以独立验证。取消 token 考核也可能被误读为 AI 使用不重要，因此需要配套沟通。若只取消一个指标而不调整目标，仍可能出现其他指标被刷。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 x.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Meta 将 AI token 用量移出工程师绩效评估》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。