（来源：上观新闻）
研究者让同一个👩💻🇧🇶 Agent💳 在同🏸🥧一个任务上跑了🤾♂️🏒 4 🕌🧗♀️次，结果发🇨🇺现： 在不🇰🇳同任务之🥝间，最贵🦚的任务比🤕🇳🇴最便宜👌🗣的任务多📂烧约 700 万🚶♀️个 Tok🔤🎳en（😷Figu👩🎓👨👧👦re 2🏳a） 在同🍱🏎一模型、同一任🇵🇼🧞♀️务的多🎋次运行中，🈹最贵的一次大🔧🙁约是最便宜的一🛴🙅次的 2 🇸🇿🧦倍（Figu🖼🏌️♀️re 2🇰🇭👩⚖️b） 而如💹果跨模型对比同一◀🌐个任务，最高消耗♐和最低消耗之间🏋️♀️👨👧👦可以相差高达 🦈🕙30 倍 🚶♀️↩最后一个数字尤🔨其值得关注🍑：这意味🍃🐰着，选🌗对模型和选错模型✖之间的成本⭐差距，不是“🗡🦅贵一点”🇹🇭🏳sem是什么检测分析，而是“贵出一🐯个数量级⏺”🌇sem是什么检测分析。
华为、苹果等头🏝部厂商凭借对供🇸🇾🐥应链的强🇬🇮🎻掌控力，受A🦚🏮I产能挤压影响🏜相对较小🦟🍃。核心矛盾在♒🎤于，过去的 Go🇫🇰🧩ogle 搜索是🔽♐一个「目录」🚳，它告诉🥡你哪里有🇵🇪信息，你自己🇿🇼🚢去判断，费时间📜但自己🤩看过什么自己心🆓🎐知肚明⬅。相关方案细🔫🏴节目前🏛还在测试阶段🐗🧙♂️，正式上线时🦶会通过🏒🇩🇬官方渠道发布完整🏸信息🍡🎙。这个发现至关🇬🇹👮♀️重要，它意😙💶味着：与其📷抛弃所有🇦🇪VLM数据重来👩🦱🚭，不如在VLM那🔋👓片广阔🇪🇺😚的数据大陆上🇭🇳☮，精准地🛳挑选出那些与机器🐔⁉人世界更接近👻的"边境地带🆙🏋️♀️"样本，🚚用它们🇧🇶来做针对🇱🇦性的过渡🍨训练🐄。
上面的数字🇾🇪♐可能让你倒吸一口📽凉气—🦹♂️—AI Ag◀🤘ent🇨🇴💘 自主修 Bu🎠🦹♀️g 在🎇海外官方🕧 API 🚬🎂下，单次未修🦌🚔复任务常烧9️⃣😮掉百万以🍪上 Token👩👩👦♨，费用可达几十🍺至一百多美元🇰🇷。
