（来源：上观新闻）
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 Toke🎩🇨🇿n（Fi🗽📳gure 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（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🇵🇸🕢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”🦏💸。
但长期来🥢🛎看，这件🐠事能否真正🚹🐋跑通，核心📨👙不取决于它的用户🐂规模有多大🎞😪，也不取决🐸🐽于它的模🙎♂️🧔型能力🕍有多强，甚🦔🏘至不取👩💼决于字🐽🛁节的生态📯优势有多🇧🇮明显，而👨💻🦶取决于它🍳💆♂️能否解决两🇬🇲个最根💖🇻🇺本的问题💆♂️： 第一，🇳🇵🇧🇬能不能把字节🐦的生态优↩势，真正🇲🇵🇲🇨转化为🇨🇳⚫用户不🇾🇹👧可替代的💈🏊付费刚性，🚵♀️👨👩👦👦而不是可有可👎🇧🇶无的营销🕦噱头；第😴🐢二，能不能🧂跳出国内 🧛♀️🤷♂️C 端订阅「低🌶🌡价内卷、低续费💶率、成本倒挂」⏺🌿的行业🇲🇭🔞死循环，找🍾🥽到真正健康可持ℹ续的商业🚗模型🐚。
