（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 75️⃣📡00 万🔋🇾🇪个 Token（🇦🇨🚆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🗓🇮🇨的一次🦸♂️的 2 倍（Fi🛶⏮gure 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”🐒。
但恰恰，好的🥉 AI，可能不是💛🏑给你答🥡案的那个，而是🌷用一堆不完美的⭕🥅方案逼你自己去🇧🇮想的那个🥯。但 Age🏏⛎nt 任务完全❌打破了这一假设—⛄📸—一个🗜🥐的任务可🥜🇨🇽能因为 A⛽🦌gent 陷入👨🔧循环而烧💶掉巨量🥊🇨🇷 To🤾♂️🇱🇾ken😷🗄。点下“运行 A🇹🇹gent”，就像🖤开盲盒🤝🏞——账单出来🇵🇫才知道花了多少🏹。海外虽然有👥真正中立的🌥第三方探索，但📊其启动👱♀️🛀之慢、资本消耗👷之大，在🎍🖋当前的竞争节奏下👨⚕️已显疲态🇳🇦。
换算成美元，😝🇰🇮Tok😁🇰🇳en效🎡➖率高的模型每个任🐲🥬务可以多⬛花几十🗣⛰块的区别⬛。受此影响，🤣🇬🇳行业预🧢计手机均价🇩🇿🚈同比上🗄涨15%到2🎰🐵5%❤🇷🇺。”19🌙🔲97年参🇵🇼加工作以🚗来，他拒绝🔳“纸上🌍🛀谈兵”，🇲🇷将办公室☀🤲搬到工🇷🇴地板房和矿井隧道🤭。最离谱的一种出错🇲🇲方式找到🥎了正确的来源，🧨🧗♀️但给出相反的答🇧🇪🍠案😵🧪。
