（来源：上观新闻）
而如果他进那样⛓🤼♂️的大公司🐌，一个月收🇪🇬入很可能只😟🇺🇳有三四千🇫🇷。可是，当面对需🀄🔍要多步推理的🇮🇱👱♀️复杂数学🐢题或逻辑谜题😨时，这种脱口👨🔬而出的习🥧惯就成了致命🇵🇳伤💂♀️🇳🇪。两份答卷 🤽♂️🆓生物学里有🥫一个概念叫🍧🚀趋同进化：亲🦢💻缘关系很🖊远的物种，🚣♀️🇸🇬因为面对相似的环🇷🇴🌟境压力，会独立🏋️♀️👩❤️💋👩演化出相似的解决👇🕞方案🐪🧡。Agent 的“⚔烧钱问题”，⭕不是 🈶🤼♀️Bug，而🌠🐟是行业必经的阵🙀🧹痛 这篇论文揭👜🔪示的并非⚱🇧🇹某个模型的缺陷🌶，而是整个 Ag🚶♀️ent 🇸🇧范式的结🥭🏌️♀️构性挑战——🇮🇷🥋当 AI🇬🇹🎤 从“一问一答”🇵🇭🧭进化到“自主规划🚆🗼、多步🏂执行、反复调试📲🛤”，Token🙉 消耗的不可预🇷🇺测性几乎☑是一种必然⏩。
用t-S✂🌥NE可视化（🇨🇮🍭一种把🕚高维数据压缩成🍝二维图🇫🇴👮来直观展示☸😭的技术）🇳🇺🚺来看，😰🕐机器人数据☂🔙形成的那几个簇📆🍍，与V👱⌛LM数据的主🧖♂️🇻🇨要区域几乎🌆🦗不重叠，只有极🥡SEO站群程序少数VLM样本🛐📅漂浮在靠近🥭机器人数据的边💿🦕缘地带🧦🏅。短期实现规模化🍤付费用户、完♈🌎成商业🎰🚍化初步落地，🥢🥚是大概🐗率事件；但长🆕期能否跑通♊健康的盈🍋🐐利闭环、成为👩🦱🚓国内 C 端 A🇹🇲I 订阅🗑的标杆，🇧🇳充满了不🏉🛅确定性🔪🍎。简单说就是给📔 Agen🥒t 装一🦋🥛个"油表"：👺📧当 Toke🏄n 消耗接近✂🔺预算时，强制它🌥🕟停止无💥🎸效探索📼，而不是一😲😹路烧到底🍆。在 G🇧🇩🇬🇾oogle 对✈ Gemin🙂🇲🇨i 3 的内部👩🏫评估中，模型单独💡🦓运行时的🇹🇦错误率是 2🍀8%🙅♂️。
