（来源：上观新闻）
发现四：人类🏹觉得难的⛑，Agent 不👩❤️💋👩一定觉得贵—📮—难度感知完全错👩🦲👁位 你可能🇸🇮🇧🇩会想：那🐨🆖至少我可以根据任🔘务的难易程度🇷🇴来预估成本吧？ 🛢论文找来人类专家🛷👩🏭，对 50📷🇧🇷0 个任🐕务的难度进行🧝♂️评分，然🙍🦈后和 Ag🌹🇿🇼ent 的实际 🐡😜Token 👩👦🍞消耗做对比——🦀 结果❔⛈：两者之🔳⏬间只有弱相关🛠⁉。行业数据🚨显示，202⏬🌔5 年国内 🌫AI 工🕛具用户付费转化率🏣从 202❕🇻🇪4 年的🕸 8%🔣 提升至 1👈😭1%，🥢其中高🚘😀频使用的职场人🎠🗝、专业创作者付费🇻🇬意愿超过 30🥓%，用户已📭经普遍接🏉💌受「基础功能免🌨费、高价值🦟生产力能力付费」👨👨👧👧📅的商业逻🚧辑🆓。
发现三：模型之🏍间“能效比⛳🔍”天差地别—💇👩👧—GPT📊-5 最省，🇧🇭有的模🇸🇬型多烧 15🚴0 万 T🇦🇱🍟oke🎦🇲🇫n 论文在业界标🔟准的 SWE-💂♀️ben👷♀️ch 🎳Ver🕎ifi👨⚖️ed（💨500 个🇨🇬真实 GitHu🍵🧮b Iss📊ue）上，测🌍试了 8 🥥🕣个前沿大模型的 🎃Agent 👺©表现🐁🔋。越来越多👨👩👧👧的非智元系本体厂📅商开始✈🐄意识到，🌩🇺🇾泛站程序与其自建昂贵的售📷后与租赁网络🔁，不如⏫📉接入擎🇬🇧天租已经🐺🇵🇦铺开的4🤨00多个🐽城市合伙人节点😙。研究团队还做🚙🎪了一个"✌跨身体📜"的迁移🈳💐实验：用Int🔐泛站程序ern👩🏫🧓VL3.5🇨🇨🏯-1B🕍的特征✡🇲🇴空间筛选🥀🚿出的精选数据集☕，不做任何调整🦏🕶，直接用来对🚽🥃另一个架构不同的⛷🇮🇲模型Qwen3🇺🇿❔VL-2B进👳行中间训练🥅。
