（来源：上观新闻）
所有比较均🏨通过了🚿🛒严格的统计检验3️⃣（Mann🇾🇪🔇-Whitne🥜🤽♀️y U， p💴🗼<0.002）🤡😢。最后，价🏗格战，🇵🇭👓迟早会回来🇪🇺🔭。但现实是，模型普🇻🇪😛遍在失败任务🎡🏴☠️上消耗了更多⛅的 Token🇩🇴——它们🧩不会“认输”，只🇰🇳🤷♂️会继续探索、重💹🇹🇷试、重读上📣🤲泛目录泛域名下文，像🌫一台没有油表🏄🐿警示灯的汽👩❤️💋👩🧽泛目录泛域名车，一路开到抛🌦🔥锚📑。打个比方：这就🤾♂️🕹像请了一个修理工⛽📊，他每动一下🇮🇷扳手之前，都要你🌨📈把整栋楼的图纸⚙🌈从头念一👩🚀☦遍给他听——念图🔍👁纸的钱，🚍🇧🇱远比拧螺丝的钱🥭⏰贵得多💭。
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 🍙Agen👮t 范式的结构😶🧾性挑战——当 A🛣I 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🈺。真正决定答案🔯形状的，还是约束🍏本身的压缩🗳♣力🇮🇩🙅♂️。训练完🔚成后，🚢这个分类🏩👠器就成了一个"🇻🇪🌮靠近机器🇲🇻⏸人世界的🎌📽程度评分员"——🇳🇴♻对海量🏫🇦🇷VLM数据的💿每一个🇪🇹🏜样本打🐤🦇泛目录泛域名一个0到1之间的⚛🍅分数，分数🐢◽越高，说明这个样💮本与机器↗🍡人操作数据的🇭🇷"世界观"越接😔🗻近🦃。
结果同样在三个基⛄🍽准上都有提升🕡——Calv👨👨👧👦in从3.20💂5到3.🦷584，Si🚄mplerE😂🔌nv从3🐐🕘8.5%到45.🐷8%，LIBER🕠👩⚕️O从33.8%到🤵👩👧40.2🙍♂️💱%♍。中国智🍭🦓慧医疗的🇱🇾“毛细💂血管”☔⏩们，正在一个个🍮🌌细分赛道上解决🕰真问题、☑🏘创造真👨🎨👨👦👦价值👩🔬。"——纯文🎅字识别和书目👨🍳信息检索🇳🇨🥑，与机器人任🈺🇯🇴务几乎🦋没有关联😖🐓。
