精选今天74 投票
Whoburnedmore：你的AI用度年度报告，还有公开排行榜
一句话总结
Whoburnedmore 是一款类似“Spotify Wrapped”的工具，但它的关注点不是你的音乐品味，而是你使用 Claude、Codex 等 AI 模型的“烧钱”情况，并提供一个公开的排行榜供用户一较高下。
它是如何工作的？
Whoburnedmore 的核心功能是追踪和统计用户在各种 AI 模型上的 API 调用量、Token 消耗以及对应的费用。你可以把它想象成一个 AI 使用习惯的“记账本”。通过连接你的 API 密钥或导入使用数据，它能生成一份个性化的年度/月度报告，清晰展示你在哪个模型上花费最多、调用了多少次、生成了多少文本。
最有趣的部分在于公开排行榜。用户可以选择将自己的数据匿名（或非匿名）提交到排行榜上，看看自己在全球“AI 重度用户”中处于什么位置。这种游戏化的设计不仅增加了趣味性，也侧面反映了不同模型的实际使用热度。
行业背景与意义
在大模型应用爆发的当下，开发者、研究人员乃至普通用户都在频繁调用 API。但很多人对“到底花了多少钱”并没有清晰概念。Whoburnedmore 填补了这个空白：
- 成本可视化：让用户直观了解 AI 使用成本，有助于预算管理。
- 模型对比：通过排行榜数据，可以观察到 Claude、Codex 等模型在不同用户群体中的受欢迎程度和实际消耗量。
- 社区效应：公开排行榜催生了“比拼”心理，可能间接推动用户更高效地使用 AI 资源。
值得关注的点
- 隐私与透明度：用户数据上传前是否经过脱敏？排行榜的排名规则（按总花费、调用次数还是其他指标）是否公开？这些细节将决定工具的可信度。
- 支持模型范围：目前明确提及 Claude 和 Codex，未来是否会扩展到 GPT-4、Gemini 等其他主流模型？
- 实用性与娱乐性平衡：作为一款“年度总结”类工具，它可能更偏向社交分享，但若无法提供深度的数据分析（如调用频率趋势、成本优化建议），则难以留住高频用户。
小结
Whoburnedmore 巧妙地将“个人 AI 使用报告”与“公开排行榜”结合，既满足了用户的好奇心与炫耀欲，又客观上提供了行业参考数据。如果你好奇自己在 AI 上的投入到底排第几，不妨一试。不过，记得先确认数据隐私政策是否让你放心。
