（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（Fig🇦🇩⌨ure 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🦑广告投放平台次的 2 👨👧😻倍（Figu☯re 2b） 🦴🏺而如果跨模型➗对比同🔰一个任务，最🍱高消耗和最低消耗⚛广告投放平台之间可以🍂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👨🦰🌗”🐄👩👩👦。
论文发现了一个🇱🇮“倒 ✌🐶U 型”曲线： 😏🤝成本水平准🧟♀️确率趋势低成本🥾🤞准确率较低🛥（可能投入🇨🇴🥞不够）中🤮🐣等成本🌓准确率往往最🇨🇲高高成本准确🇩🇴率不升♿🥫反降，进入"🤵📀饱和区间" 为🚷什么会👵这样？👩💼论文通🏄♀️过分析 Ag🏘🥶ent 的👩⚕️🔰具体操作给出🗺🚚了答案🐤🔦—— 高成本的运🐼行中，A🇸🇰🥌gen🏭t 大量时间花🔻在了“重复劳🌛🚫动”上🇨🇦🛌。
