（来源：上观新闻）
（本文首发钛媒体🐂🛹APP，作者 👩💼| 硅谷Te⚪🧻ch ne♍😸ws，编辑 |🇱🇺📹 赵虹宇） 注：📍本文基👦于 2026 年🏛 4 月 🚃域名cname24 日发表🥊于 arX👨🏭🚻iv 的预印本论👺🤬文 *🐽⛪How 📘域名cnameDo ⬅AI Ag◽ents 🕕🤑Spend🏔🇨🇰 Your Mo🎅ney😪🇻🇦? Ana☢👩👩👦lyzing a⛄nd Pre☢dicti🍤🚲ng Token🖱🌛域名cname Consum👩🌾ption in🥚 Agenti🇵🇪c Cod🏤🇦🇼ing Ta📛sks*（Ba📤i, Hua📇ng, 🇸🇨Wang, Su🇨🇰🇮🇴n, 🇨🇱⏏Miha🇰🇳lcea, B🥫⤵rynjo🧚♀️😰lfsson⭐, Pentl💊域名cnameand, Pei🏔）撰写👜🚤。
202🇾🇪5年，📔农作物耕种🤼♂️收综合机械🇨🇮🔀化率达到76.🕔👩⚖️7%，农业科技🥩进步贡献率超过🍕🍨64%⏪。在参数🇨🇨量上，这个⬇经过中间训练🏴☠️的1.1B模型，📰🍹面对的竞争🕌⚛对手包括7.7B📮✡参数的OpenV🏴🐆LA、3.1B✝参数的π0（基于🧁🦷PaliGe🇫🇰💬mma🔡🤱-1的流匹配模型🧿）、3.8🧀B参数的Qwe🔶🦒n2.5🇮🇸VL-🗺🅱3B、8.3👩🦱😴B参数的Qwe🧿⬆n2.5VL-🍽7B，💧以及规模从2📩🌭B到30✝B的多个🚕Qwen3VL🇨🇩系列模型🎄🌿。
研究者让💰📼同一个 Age🚺nt 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 T🚥oken（F🤠igure 🗑🐓2a） 在同↪🐹一模型、同🇧🇪😜一任务4️⃣的多次运行中，最🤽♀️👨💻贵的一🆘次大约是最便🦡🍁宜的一次的 2🐰👧 倍（🥖🕒Figure 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”◽💣。
