（来源：上观新闻）
本质上👩👩👦👦，这是一件🈲全行业都「想得到🇧🇦🐪、也做得到」🚬的事：国👨🚒⬆内大模型免费模🥍式的不可持续性是🍒🇵🇪公开共识，头部玩🛑🇸🇨家早就在付费赛道🌞🇬🇷试水，字节手握国👨🔧内 C 🍥💠端 AI 绝🚎对第一的🕥🃏用户盘，ℹ做付费订阅从来不🇲🇫📪是技术或能力🗃🐾问题，只是时机选🇲🇱BAIDU优化择问题🎄。
换句话说🚙🛑，分类器的输出分👨👨👦数可以😋作为衡💐量"这🇱🇨🔅个样本🍧更像哪个世8️⃣界的人"的连👯续尺度🧿🇨🇦。反对的人理由🏫很直接，用户做🤤👩👧👧完一个小工具，👜⁉玩两天就扔，留存⛰率特别低🥤👳，商业🍮🇩🇿模式走不通❔🚯。Agent🚠 的“烧钱💒问题”，不是 B🌨ug，而是🎙行业必经的🎰阵痛 这篇🥺论文揭示的并非某👋个模型的缺陷🇸🇯🦑，而是整个 Ag📓🇳🇵ent 范式的🌆👨🦳结构性挑战🌪🇿🇼——当 AI 从🍊“一问一🌇🇱🇮答”进🤗🍜化到“自主规划😑、多步执行、🦀🇱🇾反复调试”，💞👩🎨Toke🎊⌛n 消耗🚶🛸的不可🚨🇧🇪预测性几乎是一种❤必然👴。
有时候模型在草📺稿纸上写🖱🏊下的东西🦠🛳完全是胡思乱☹想，对后续的回🇺🇸答毫无🏋帮助🤦♂️。发现五🇲🇬：连模型自己都算🇨🇦🇸🇾不准自己🇹🇳👨👩👧要花多少钱 既🇸🇻然人算不准🇳🇨✈，那让 AI 🍽🤵自己来预测呢？ 🏨研究者设📽计了一个精巧♐的实验🤲🤶：让 Agent🐧☪ 在真正开始⏭修 Bug 之前🐦🧤，先“ in🚈👩spect”一💝下代码库，然🇰🇵♟️后预估🚐自己需要消耗多少😊 Token——🇺🇿™但不实际执行🧩修复🍣。
