（来源：上观新闻）
我当时🇾🇹🐈没接话👕。发现三：模型👔之间“能效🚓📃比”天🕝差地别——🏒GPT-5 🥛🐾最省，有🆑的模型🧻多烧 👾🧺150 万 T🕹⛎oken 论文🏃🏴☠️在业界标🥍准的 SWE🧭-ben🇮🇩🐼ch Veri♥☃fied（50💸0 个真实 Gi🏺⭕tHub Iss♈💌ue）上，🍴测试了 8 👋个前沿大模🔂型的 😧Agent 表🎂现🛑⌨。研究者另外🇲🇷🔪招募了 12🍘🇧🇸 名工程专🐨🐦业学生做🌨🇺🇿了一组对照更🔐严格的实☘🇹🇭验：固定赛道🇨🇦弄蜘蛛网的工具叫什么、固定参数、🐈♓固定时长💑（40 代算⛺😩法迭代👛💃），只保留两🛸个方案🍁🦎（MAP-Eli🐸tes v🚪📞s 随机）👹🕗，双盲标记为「I🧝♂️nsig🧟♂️🐎hts 1🌚」和「I👩💼nsight🇧🇯s 2」🕋。
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📷🔜 Token（🏌Figur⏹e 2⭐🇳🇴a） 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 2🧑🤜b） 而如果跨模❤型对比同🇨🇱一个任务，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🍶”🇩🇲。其早期颠覆💋🐸传统媒体生产🇦🇺逻辑，内部不🇱🇮设编辑部门🦵🥡，仅靠算🇧🇭法机器人✖🔋Buzz💓弄蜘蛛网的工具叫什么Bot🎁⛹制造“清单🇲🇦➡体”、🇲🇨趣味人格测😜🛸试等爆款📇🏳弄蜘蛛网的工具叫什么内容，曾凭借🕷🏠“白金蓝黑裙子”📍话题收获25🚜☎00万⛽🖱点击量🧧🍭。
