（来源：上观新闻）
研究者让同一🤴🇦🇫个 A🦠🕯gen💺🇫🇰t 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🏌️♀️🤪（Fi🤱🇩🇬gure 💖🇲🇽2a） 在同⚡一模型、🔯同一任🚴务的多次运行🧞♀️🇸🇩中，最🇩🇲🗣泛目录最新技术贵的一次大约👩❤️💋👩🇧🇩是最便宜的👨🏴一次的 2 倍🏮（Fig⏏😚ure 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”🇲🇶👐。
天天被 🎿AI 刷↙🌫屏，这个🕘五一假期👨🌾我真的不想🇨🇺👖再看到 AI 💙🥮生成的内容☂💕了💇。这个工具🍔🇱🇾的设计🧨🇰🇾思路，借㊗🍗鉴了一个来自🇲🇭💤统计学和机器学习🇬🇳的经典结论🥑📟：如果你训练🦵一个分类器，💛让它区分"属于A🥓💇类"和"属于B😍类"的样本，当👩🏫🇼🇫这个分🔁类器训练得足够好💲💾时，它给每个样😐本打的"属于A类☹的概率"，🚈🕦恰好与这个🇦🇴样本在A类分🇯🇲😔布下出现的🕵😾概率与👨🦱🕥在B类分布💉🕵️♀️下出现的概率✔之比成单调关🐌💷系🎲。
用大白话📓说：人类觉🥌🤷♂️得难得要死的🍭🦉任务，🌾Age🙂👋nt 可能🆕轻松搞定不怎么花🐌钱；人类觉得🔆🎞小菜一碟的任务👩👦，Agent📍 可能烧到怀🍬疑人生🎫。作者来👩👦自弗吉尼📍亚大学、斯坦💵🇪🇭福大学、M🏋️♀️🇰🇬IT、📊🍑密歇根大学🇱🇮🤵等机构🦡。
