（来源：上观新闻）
每多一🇨🇳😆轮对话，这个上👀下文就🌳📨变得更🚶♀️长一轮；而🧖♂️模型是按 To🥝ken 🤼♂️数量计费的😪🇰🇷——你喂得越多⛵，付得越多🇸🇹💼。研究者🥬把所有模型都成🈯🇯🇲功解决的任务🌎💒（23🌳🛁0 个）和所有🐺🖍模型都失败🆒📰的任务（10🙈0 个🆓）分别拿出来比较🎩🈵，发现模型的🥺相对排名几乎没🤯👨❤️👨有变化📉📘。
当研究🇧🇴🇸🇷人员限🚑🥞制模型只能🍾生成极其🏈🇬🇧简短的内部思考🥾时，它🛌💷的性能提升相对有🛄🥮限；而🐲🇦🇸一旦放开限制📇🇲🇸，让模型在🍈给出最终答案🏜前进行足够长💆♂️🍭篇幅的深度反🇺🇳🏈思，它在各项复✂👑杂推理🇨🇼seo泛站群任务上🍣的正确🕹率就会像攀登阶🇸🇿😎梯一样稳步🙏🖲上涨🆔👨✈️。或许你一🍿🥳时间还不🐇能接受♣ AI 主播，🇸🇯但说实话，现在用🍣🤽♀️ AI 搜新闻🇼🇫看新闻，已经📴😇十分普遍了，搜索🐦🏁引擎也🏸🤸♂️把 AI 搜索🕐融入到了搜索框里🅿🤞。
而如果他进那样🇩🇰的大公司，一🐢个月收🌫🚰入很可能只有三🕜四千🇸🇯🏴。（本文首发钛媒体🐹🇦🇪APP🔸，作者🔧 | 👞🧛♀️硅谷Tec🚹h n🇩🇬🏺ews，编辑 👨👨👧👧💖| 赵虹🇪🇪🔲宇） 🇹🇫注：本文基于 2🛠026 🚱🚋年 4 月 2🍓seo泛站群4 日发表于 🛅🎚arXiv 🎲的预印本论文🕑 *How Do🕐 AI🧸💓 Agent🤼♂️🆕s Sp🇻🇺end Y🍃our Mone🇦🇬y? Ana🎒🇲🇨lyzi🇭🇲ng an🇷🇼💕d Predi🇯🇴ctin🦆g Token🤒 Consump🇷🇸tion🇹🇿🇹🇴 in Agen🇦🇱tic 3️⃣Coding T😨🔸asks*（🐦🎫Bai, Hu🇵🇲🇸🇹ang, Wan🐐🇩🇲g, 🇧🇿Sun, Mi🇬🇬🇽🇰halcea,🇱🇻🛹 Brynjol🤓fsso😋⛷n, Pentl👨🎓and, Pei🇸🇸）撰写🚷。
