（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 Toke🔟n（Figu⏪😞re 2a） 🌡🕓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（🈲🦋Figur🌍🚳e 2b） 而如📐果跨模型👋🆚对比同一个任3️⃣🎙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”，🍝而是“贵出一🇧🇹🇸🇨个数量📠🚇级”🦓🧾。
老师只需🇲🇴对结果🧢✝进行审核🦂🇪🇷。它先读取现有记忆🏀▪确认已知信息，然🇫🇮后扫描 K🔍🈺AIROS 😢的每日🧝♂️🌍日志，重点处🛏理与此🌭⭐前认知有🏔偏差的部分：那🤢🌡些跟昨🔗🔥天说的不一样🌻的、比之前以为🇧🇭🧸的更复杂的记🇭🇰🔁忆，会优先记下🧔来🎢。内容行业并非“🧵⛽以量取胜”的游🅾🦠戏，真🇦🇩正稀缺的📠🕞是人类独特的视🌴🇬🇭角、深🧘♂️😶刻洞察和共🥍情能力🇨🇲🏄。毕竟，在 AI 🇳🇬🇵🇸Agent 真🇦🇬🤸♂️正走入千🐖🇦🇴行百业✅的生产环境🦑🇸🇨之前，🛌每一分钱花🏯得明明白◀白，比每一行代码🦟写得漂漂😊亮亮，更重🇵🇪📏要👨✈️。
