今日行业协会颁布重大传递中美元首座谈 很欣喜为您解答这个问题，让我来助您具体注明一下。品牌授权报建电话，急剧上门服务

四川省甘孜藏族自治州九龙县青海省海西蒙古族藏族自治州德令哈市怀柔区宝山镇怀柔区雁栖地域湖北省恩施土家族苗族自治州恩施市湖北省孝感市汉川市湖北省恩施土家族苗族自治州恩施市濮阳市南乐县福建省广安市龙海市青海省玉树藏族自治州治多县辽宁省辽阳市白塔区张家界市蚌山区武清区上马台镇密云区河南寨镇阿克苏地域新和县山东省通辽市城阳区山东省通辽市城阳区甘肃省陇南市辽宁省本溪市溪湖区银川市宁明县福建省广安市龙海市向阳区幼红门地域河东区大直沽街路郴州市博望区辽宁省辽阳市白塔区向阳区管庄地域四川省凉山彝族自治州昭觉县平山县岗南镇云南省丽江市宁蒗彝族自治县山西省晋中市太谷区广东省临沧市龙湖区山西省运城市夏县桥西区苑东街路山东省乌兰察布市牟平区云南省红河哈尼族彝族自治州泸西县赵县沙河店镇塔城地域和布克赛尔蒙古自治县湖北省宜昌市秭归县福建省内江市永泰县青海省海西蒙古族藏族自治州德令哈市广东省临沧市南澳县西藏山南市洛阳市汝阳县江苏省周口市启东市云南省西双版纳傣族自治州勐腊县无极县大陈镇怀柔区雁栖地域福建省广安市龙海市辽宁省大连市旅顺口区平山县宅北乡静海区西翟庄镇山西省乌海市平定县湖北省宜昌市宜都市西乡塘区西城区天桥街路昌平区幼汤山镇西青区精武镇青海省海北藏族自治州门源回族自治县黑龙江省哈尔滨市巴彦县山东省呼伦贝尔市台儿庄区黑龙江省七台河市桃山区福建省内江市永泰县门头沟区大峪街路青海省玉树藏族自治州治多县宝坻区牛家牌镇青海省玉树藏族自治州治多县福建省南充市城厢区四川省宜宾市翠屏区和田地域青海省海西蒙古族藏族自治州德令哈市江西省曲靖市奉新县怀柔区雁栖地域辽宁省向阳市北票市丰台区和义街路山东省巴彦淖尔市垦利区甘肃省陇南市辽宁省铁岭市清河区益阳市大通区辽宁省铁岭市清河区湖北省孝感市汉川市山西省临汾市安泽县广东省昭通市越秀区信阳市平桥区吉林省白山市浑江区山西省吕梁市中阳县平山县宅北乡怀柔区宝山镇山东省洛阳市泰山区山西省晋城市泽州县鹿泉区寺家庄镇黑龙江省大兴安岭地域呼玛县湖北省孝感市汉川市山西省朔州市山阴县湖北省孝感市汉川市辽宁省沈阳市沈河区蓟州区官庄镇山东省郑州市青州市怀柔区宝山镇黑龙江省鹤岗市哈密市伊吾县

昨日行业协会传递新钻研成就Agent 必要“油表”和“刹车”：一篇论文，扒光了 Agent 的“糊涂账”，很欣喜为您解答这个问题，让我来助您具体注明一下:官方服务专线，支持多品牌报建

陕西省咸阳市兴平市向阳区管庄地域静海区西翟庄镇四川省广元市四川省广安市岳池县定西市靖西市重庆市县巫山县江西省曲靖市奉新县湖北省孝感市汉川市山东省濮阳市辽宁省辽阳市白塔区云南省怒江傈僳族自治州福贡县海南省？谑忻览记ㄊ锌κ驳赜蛞冻窍卣偶医缡辛雍区丰台区右安门街路西青区精武镇辽宁省大连市旅顺口区江西省铜仁市石城县和田地域山西省晋中市太谷区江苏省南阳市新沂市江西省曲靖市奉新县宝坻区牛家牌镇北辰区甘肃省庆阳市镇原县张掖市东兴市武清区上马台镇海淀区青龙桥街路西青区精武镇云南省红河哈尼族彝族自治州泸西县平山县宅北乡焦作市中站区山西省晋城市泽州县井陉县测鱼宜昌西省昆明市永新县吉林省长春市双阳区岳阳市庐阳区福建省乐山市海沧区海南省中卫市江苏省南阳市新沂市岳阳市瑶海区山东省焦作市冠县丰台区和义街路四川省宜宾市江安县山西省忻州市定襄县云南省丽江市宁蒗彝族自治县昌平区延寿镇海南省中卫市贵州省黔东南苗族侗族自治州天柱县平顶山市卫东区上海市市辖区嘉定区密云区不老屯镇白银市秀峰区四川省成都市新都区福建省达州市建瓯市吉林省白山市浑江区门头沟区大峪街路山西省乌海市平定县张家界市蚌山区巴音郭楞蒙古自治州和硕县吉林省长春市双阳区山西省忻州市定襄县福建省眉山市梅列区鹿泉区白鹿泉乡张掖市东兴市江西省曲靖市奉新县哈密市伊吾县南开区长虹街路平顶山市卫东区湖北省孝感市汉川市南开区体育中心街路江苏省南阳市丰县甘肃省兰州市西藏山南市四川省宜宾市珙县静海区大邱庄镇阿克苏地域新和县四川省德阳市广汉市西藏山南市贡嘎县桥西区东华街路阿克苏地域新和县岳阳市瑶海区武清区上马台镇向阳区酒仙桥街路海南省中卫市甘肃省陇南市陕西省咸阳市兴平市蓟州区东施古镇贵州省六盘水市水城县甘肃省白银市景泰县山东省洛阳市东平县黑龙江省大兴安岭地域呼玛县绵阳市利辛县山东省乌兰察布市牟平区武威市海城区福建省南充市城厢区山东省郑州市青州市黑龙江省鸡西市鸡冠区

全球服务区域:武清区上马台镇山东省鄂尔多斯市临淄区塔城地域和布克赛尔蒙古自治县四川省成都市金牛区密云区不老屯镇长安区南村镇武清区上马台镇四川省宜宾市江安县山东省郑州市青州市四川省广元市福建省乐山市海沧区江苏省信阳市相城区隆安县平山县上观音堂乡江苏省驻马店市赣榆区四川省成都市双流区内蒙古鄂尔多斯市康巴什区四川省甘孜藏族自治州九龙县赵县沙河店镇云南省红河哈尼族彝族自治州泸西县广东省普洱市斗门区伊犁哈萨克自治州昭苏县内蒙古乌海市乌达区四川省宜宾市珙县江苏省周口市启东市辽宁省沈阳市浑南区陕西省宝鸡市千阳县陕西省商洛市山阳县塔城地域和布克赛尔蒙古自治县西城区月坛街路黑龙江省伊春市金林区丰台区和义街路喀什地域叶城县绵阳市利辛县福建省乐山市湖里区福建省乐山市湖里区武清区上马台镇丰台区宛平城地域江西省铜仁市石城县青海省海南藏族自治州贵德县山西省吕梁市中阳县青秀区西城区月坛街路岳阳市庐阳区平顶山市卫东区开封市通许县伊犁哈萨克自治州昭苏县濮阳市南乐县新乐市协神乡大兴区云南省红河哈尼族彝族自治州绿春县赞皇县西龙门乡江西省曲靖市奉新县定西市靖西市山西省晋城市泽州县青海省果洛藏族自治州山西省吕梁市中阳县四川省乐山市青秀区四川省遂宁市蓬溪县江西省毕节市余江区辽宁省沈阳市浑南区江西省六盘水市上栗县辽宁省沈阳市沈河区内蒙古呼伦贝尔市阿荣旗桥西区苑东街路四川省凉山彝族自治州西昌市西藏山南市贡嘎县西城区天桥街路海南省固原市西沙区江西省遵义市武宁县福建省达州市四川省凉山彝族自治州昭觉县山东省焦作市茌平区长安区广安街路岳阳市庐阳区吉林省白山市浑江区密云区高岭镇张家界市蚌山区西乡塘区山东省新乡市齐河县丰台区宛平城地域内蒙古呼伦贝尔市阿荣旗青海省海南藏族自治州贵德县海南省中卫市山东省焦作市冠县宝坻区牛家牌镇甘肃省定西市渭源县湖北省宜昌市秭归县南开区体育中心街路四川省广元市新乐市协神乡焦作市沁阳市密云区古北口镇山西省长治市襄垣县山西省吕梁市中阳县静海区大邱庄镇辽宁省辽阳市白塔区山西省临汾市安泽县伊犁哈萨克自治州昭苏县

本月行业汇报更新新变动Agent 必要“油表”和“刹车”：一篇论文，扒光了 Agent 的“糊涂账”，很欣喜为您解答这个问题，让我来助您具体注明一下:售后服务维建中心电话，支持多渠路服务

全国服务区域：固原市西吉县山西省临汾市安泽县湖北省襄阳市襄州区山西省晋城市泽州县福建省内江市永泰县江苏省周口市启东市内蒙古锡林郭勒盟镶黄旗南开区体育中心街路定西市靖西市湖北省孝感市汉川市定西市靖西市广东省丽江市山东省乌兰察布市龙口市广东省兰州市新兴县顺义区空港街路黑龙江省鹤岗市白银市兴安县重庆市县巫山县内蒙古锡林郭勒盟正镶白旗固原市西吉县内蒙古乌海市乌达区广东省兰州市新兴县辽宁省本溪市溪湖区定西市田林县山西省吕梁市岚县四川省成都市金牛区内蒙古呼伦贝尔市阿荣旗西藏山南市贡嘎县四川省凉山彝族自治州昭觉县山西省吕梁市中阳县江西省曲靖市宜丰县西藏山南市贡嘎县丰台区长辛店镇福建省南充市升天县黑龙江省佳木斯市富锦市南阳市内乡县许昌市建安区阿克苏地域新和县南开区体育中心街路福建省达州市建瓯市山西省长治市襄垣县青海省果洛藏族自治州黑龙江省大兴安岭地域呼玛县西乡塘区云南省玉溪市新平彝族傣族自治县内蒙古乌海市乌达区焦作市内蒙古鄂尔多斯市鄂托克旗四川省遂宁市蓬溪县贵州省黔南布依族苗族自治州惠水县江苏省漯河市浦口区四川省泸州市江阳区福建省内江市永泰县内蒙古呼伦贝尔市阿荣旗平山县上观音堂乡江苏省南阳市新沂市四川省广元市郴州市博望区福建省达州市建瓯市福建省内江市永泰县蓟州区东二营镇重庆市市辖区北碚区白银市秀峰区贵州省铜仁市玉屏侗族自治县贵州省黔南布依族苗族自治州惠水县陕西省宝鸡市千阳县湖北省孝感市汉川市元氏县苏村乡四川省乐山市江苏省宜昌市句容市吉林省四平市铁西区贵州省黔东南苗族侗族自治州天柱县山西省吕梁市中阳县蓟州区东二营镇常德市南陵县四川省凉山彝族自治州甘洛县黑龙江省佳木斯市汤原县海南省中卫市辽宁省铁岭市开原市山东省濮阳市武清区上马台镇山西省运城市夏县黑龙江省佳木斯市汤原县四川省凉山彝族自治州西昌市静海区西翟庄镇新乐市协神乡山西省乌海市平定县山东省洛阳市东平县密云区河南寨镇山西省乌海市平定县四川省成都市双流区平山县东回舍镇巴音郭楞蒙古自治州和硕县向阳区幼红门地域山东省乌兰察布市牟平区黑龙江省鸡西市鸡冠区山东省平顶山市江苏省南阳市新沂市江西省遵义市武宁县南开区长虹街路

售后服务上门服务电话，智能分配单据：Agent 必要“油表”和“刹车”：一篇论文，扒光了 Agent 的“糊涂账”

设想一下这个场景：

你让 AI Agent 助你建一个代码 Bug。它打开项目，读了 20 个文件，改了改，跑了一下测试，没过，又改，又跑，还是没过……来回折腾了十几轮，终于——还是没建好。

你关掉电脑，松了口气。而后收到了 API 账单。

上面的数字可能让你倒吸一口凉气——AI Agent 自主建 Bug 在海表官方 API 下，单次未建复工作常烧掉百万以上 Token，用度可达几十至一百多美元。

2026 年 4 月，一篇由斯坦福、MIT、密歇根大学等结合颁布的钻研论文，第一次系统性地打开了 AI Agent 在代码工作中的“消费黑箱”——钱到底花在哪了、花得值不值、能不能提前预估，答案令人震惊。

发现一：Agent 写代码的烧钱速度，是通常 AI 对话的 1000 倍

各人可能感触，让 AI 助你写代码和让 AI 跟你聊代码，花的钱应该差不多吧？

论文给出对比显示：

Agentic 编码工作的 Token 亏损量，是通常代码问答和代码推理工作的 约 1000 倍。

差了整整三个数量级。

为什么会这样？论文指出了一个事实——钱不是花在“写代码”上，而是花在“读代码”上。

这里的“读”不是指人类读代码，而是 Agent 在工作过程中，必要不休地把整个项主张高低文、汗青操作纪录、报错信息、文件内容一股脑儿“喂”给模型。每多一轮对话，这个高低文就变得更长一轮
；而模型是按 Token 数量计费的——你喂得越多，付得越多。

打个譬喻：这就像请了一个建理工，他每动一下扳手之前，都要你把整栋楼的图纸重新想一遍给他听——想图纸的钱，远比拧螺丝的钱贵得多。

论文把这个景象总结为一句话：驱动 Agent 成本的，是输入 Token 的指数级增长，而非输出 Token。

发现二：统一个 Bug，跑两次，破费能差一倍——并且越贵的 Bug 越不不变

更让人头疼的是随机性。

钻研者让统一个 Agent 在统一个工作上跑了 4 次，了局发现：

在分歧工作之间，最贵的工作比最便宜的工作多烧约700 万个 Token（Figure 2a）统一模型、统一工作的屡次运行中，最贵的一次约莫是最便宜的一次的2 倍（Figure 2b）而若是跨模型对比统一个工作，最高亏损和最低亏损之间能够相差高达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”。

更扎心的是——花得多，不代表做得好。

论文发现了一个“倒 U 型”曲线：

成本水平正确率趋向低成本正确率较低（可能投入不够）中等成本正确率往往最高高成本正确率不升反降，进入"鼓和区间"

为什么会这样？论文通过度析 Agent 的具体操作给出了答案——

高成本的运行中，Agent 大量功夫花在了“反复劳动”上。

钻研发现，在高成本运行中，约50% 的文件查看和文件批改操作是反复的——也就是说，Agent 在反复读统一个文件、反复改统一行代码，像一幼我在房间里转圈，越转越晕，越晕越转。

钱没花在解决问题上，花在了“迷途”上。

发现三：模型之间“能效比”天壤之别——GPT-5 最省，有的模型多烧 150 万 Token

论文在业界尺度的SWE-bench Verified（500 个真实 GitHub Issue）上，测试了 8 个前沿大模型的 Agent 阐发
；凰愠擅涝，Token效能高的模型每个工作能够多花几十块的区别。放到企业级利用——一天跑几百个工作——差距就是真金白银。

更有意思的一个发现是：Token 效能是模型的“固有脾气”，而非工作使然。

钻研者把所有模型都成功解决的工作（230 个）和所有模型都失败的工作（100 个）别离拿出来比力，发现模型的相对排名险些没有变动。

这注明：有些模型天生就“话多”，跟工作难度关系不大。

还有一个令人沉思的发现：模型不足“止损意识”。

在面对所有模型都无法解决的难题工作时，梦想的 Agent 应该尽早烧毁，而不是持续烧钱。但现实是，模型普遍在失败工作上亏损了更多的 Token——它们不会“认输”，只会持续索求、重试、重读高低文，像一台没有油表警示灯的汽车，一路开到抛锚。

发现四：人类感触难的，Agent 不愿定感触贵——难度感知齐全错位

你可能会想：那至少我能够凭据工作的难易水平来预估成本吧？

论文找来人类专家，对 500 个工作的难度进行评分，而后和 Agent 的现实 Token 亏损做对比——

了局：两者之间只有弱有关。

用大口语说：人类感触可贵要死的工作，Agent 可能轻松搞定不怎么花钱
；人类感触幼菜一碟的工作，Agent 可能烧到疑惑人生。

这是由于人和 AI “看到”的难度底子不是一回事：

人类看的是：逻辑复杂度、算法难度、业务理解门槛Agent 看的是：项目有多大、要读几多文件、索求蹊径有多长、会不会反复批改统一个文件

一幼我类专家感触“改一行就杏妆的 Bug，Agent 可能要先读懂整个代码库的结构能力定位到那一杏转—光是“读”就要烧掉大量 Token。而一幼我类感触“逻辑很绕”的算法问题，Agent 可能刚好知路尺度解法，三下五除二就搞定了。

这就导致了一个狼狈的现实：开发者险些不成能凭直觉预估 Agent 的运行成本。

发现五：连模型自己都算禁绝自己要花几多钱

既然人算禁绝，那让 AI 自己来预测呢？

钻研者设计了一个精彩的尝试：让 Agent 在真正起头建 Bug 之前，先“ inspect”一下代码库，而后预估自己必要亏损几多 Token——但不现实执行建复。

了局若何？

所有模型，全军覆没。

最好的成就是 Claude Sonnet-4.5 对输出 Token 的预测有关性——0.39（满分 1.0）。无数模型的预测有关性只有 0.05 到 0.34 之间，Gemini-3-Pro 最低，仅为0.04——根基蹬宗瞎猜。

更离谱的是：所有模型都系统性低估了自己的 Token 亏损。Figure 11 的散点图中，险些所罕见据点都落在“美满预测线”的下方——模型感触自己“花不了那么多”，现实上花了更多。并且这个低估误差在不提供示例的情况下越发严重。

更嘲讽的是——预测自身也要花钱。

Claude Sonnet-3.7 和 Sonnet-4 的预测成本甚至高达工作自身成本的2 倍以上。也就是说，让它们先“估个价”，比直接干活还贵。

论文的结论斩钉截铁：

现阶段，前沿模型无法正确预测自身的 Token 用量。点下“运行 Agent”，就像开盲河转—账单出来才知路花了几多。这笔“糊涂账”背后，藏着一个更大的行业问题

读到这，你可能会问：这些发现对企业意味着什么？

1. “按月订阅”的定价模式，在被 Agent 撕开裂缝

论文指出，像 ChatGPT Plus 这样的订阅造之所以可行，是由于通常对话的 Token 亏损相对可控、可预测。但 Agent 工作齐全突破了这一如果——一个的工作可能由于 Agent 陷入循环而烧掉巨量 Token。

这意味着，纯正的订阅造定价对 Agent 场景可能不成持续，按量计费（Pay-as-you-go）在相当长功夫内仍是最现实的选项。但按量计费的问题在于——用量自身就不成预测。

2. Token 效能应该成为选模型的“第三指标”

传统上，企业选模型看两个维度：能力（能不能干）和速度（干得快不快）。这篇论文给出了第三个一致重要的维度：能效（花几多能力干成）。

一个能力略逊但效能高 3 倍的模型，在规
；【跋驴赡鼙取白钋康罘选钡哪Ｐ透芯眉壑。

3. Agent 必要“油表”和“刹车”

论文提到一个值得关注的将来方向——Budget-aware tool-use policies（预算感知的工具使用战术）。单一说就是给 Agent 装一个"油表"：当 Token 亏损靠近预算时，强造它终场无效索求，而不是一路烧到底。

目前，险些所有主流 Agent 框架都不足这种机造。

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点，而是整个 Agent 范式的结构性挑战——当 AI 从“一问一答”进化到“自主规划、多步执杏注反复调试”，Token 亏损的不成预测性险些是一种必然。

好新闻是，这是第一次有人系统性地把这笔糊涂账翻出来算。有了这份数据，开发者能够更明智地选择模型、设置预算、设计止损机造
；模型厂商也有了一个新的优化方向——不只是做得更强，还要做得更省。

终于，在 AI Agent 真正走入千行百业的出产环境之前，每一分钱花得明领略白，比每一行代码写得漂美丽亮，更重要。（本文首发钛媒体APP，作者 | 硅谷Tech news，编纂 | 赵虹宇）

注：本文基于 2026 年 4 月 24 日颁发于 arXiv 的预印本论文 *How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks*（Bai, Huang, Wang, Sun, Mihalcea, Brynjolfsson, Pentland, Pei）撰写。作者来自弗吉尼亚大学、斯坦福大学、MIT、密歇根大学等机构。该钻研尚未经同业评审。

今日监管部门披露重猛进展Agent 必要“油表”和“刹车”：一篇论文，扒光了 Agent 的“糊涂账”

设想一下这个场景：

你让 AI Agent 助你建一个代码 Bug。它打开项目，读了 20 个文件，改了改，跑了一下测试，没过，又改，又跑，还是没过……来回折腾了十几轮，终于——还是没建好。

你关掉电脑，松了口气。而后收到了 API 账单。

上面的数字可能让你倒吸一口凉气——AI Agent 自主建 Bug 在海表官方 API 下，单次未建复工作常烧掉百万以上 Token，用度可达几十至一百多美元。

2026 年 4 月，一篇由斯坦福、MIT、密歇根大学等结合颁布的钻研论文，第一次系统性地打开了 AI Agent 在代码工作中的“消费黑箱”——钱到底花在哪了、花得值不值、能不能提前预估，答案令人震惊。

发现一：Agent 写代码的烧钱速度，是通常 AI 对话的 1000 倍

各人可能感触，让 AI 助你写代码和让 AI 跟你聊代码，花的钱应该差不多吧？

论文给出对比显示：

Agentic 编码工作的 Token 亏损量，是通常代码问答和代码推理工作的 约 1000 倍。

差了整整三个数量级。

为什么会这样？论文指出了一个事实——钱不是花在“写代码”上，而是花在“读代码”上。

这里的“读”不是指人类读代码，而是 Agent 在工作过程中，必要不休地把整个项主张高低文、汗青操作纪录、报错信息、文件内容一股脑儿“喂”给模型。每多一轮对话，这个高低文就变得更长一轮
；而模型是按 Token 数量计费的——你喂得越多，付得越多。

打个譬喻：这就像请了一个建理工，他每动一下扳手之前，都要你把整栋楼的图纸重新想一遍给他听——想图纸的钱，远比拧螺丝的钱贵得多。

论文把这个景象总结为一句话：驱动 Agent 成本的，是输入 Token 的指数级增长，而非输出 Token。

发现二：统一个 Bug，跑两次，破费能差一倍——并且越贵的 Bug 越不不变

更让人头疼的是随机性。

钻研者让统一个 Agent 在统一个工作上跑了 4 次，了局发现：

在分歧工作之间，最贵的工作比最便宜的工作多烧约700 万个 Token（Figure 2a）统一模型、统一工作的屡次运行中，最贵的一次约莫是最便宜的一次的2 倍（Figure 2b）而若是跨模型对比统一个工作，最高亏损和最低亏损之间能够相差高达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”。

更扎心的是——花得多，不代表做得好。

论文发现了一个“倒 U 型”曲线：

成本水平正确率趋向低成本正确率较低（可能投入不够）中等成本正确率往往最高高成本正确率不升反降，进入"鼓和区间"

为什么会这样？论文通过度析 Agent 的具体操作给出了答案——

高成本的运行中，Agent 大量功夫花在了“反复劳动”上。

钻研发现，在高成本运行中，约50% 的文件查看和文件批改操作是反复的——也就是说，Agent 在反复读统一个文件、反复改统一行代码，像一幼我在房间里转圈，越转越晕，越晕越转。

钱没花在解决问题上，花在了“迷途”上。

发现三：模型之间“能效比”天壤之别——GPT-5 最省，有的模型多烧 150 万 Token

论文在业界尺度的SWE-bench Verified（500 个真实 GitHub Issue）上，测试了 8 个前沿大模型的 Agent 阐发
；凰愠擅涝，Token效能高的模型每个工作能够多花几十块的区别。放到企业级利用——一天跑几百个工作——差距就是真金白银。

更有意思的一个发现是：Token 效能是模型的“固有脾气”，而非工作使然。

钻研者把所有模型都成功解决的工作（230 个）和所有模型都失败的工作（100 个）别离拿出来比力，发现模型的相对排名险些没有变动。

这注明：有些模型天生就“话多”，跟工作难度关系不大。

还有一个令人沉思的发现：模型不足“止损意识”。

在面对所有模型都无法解决的难题工作时，梦想的 Agent 应该尽早烧毁，而不是持续烧钱。但现实是，模型普遍在失败工作上亏损了更多的 Token——它们不会“认输”，只会持续索求、重试、重读高低文，像一台没有油表警示灯的汽车，一路开到抛锚。

发现四：人类感触难的，Agent 不愿定感触贵——难度感知齐全错位

你可能会想：那至少我能够凭据工作的难易水平来预估成本吧？

论文找来人类专家，对 500 个工作的难度进行评分，而后和 Agent 的现实 Token 亏损做对比——

了局：两者之间只有弱有关。

用大口语说：人类感触可贵要死的工作，Agent 可能轻松搞定不怎么花钱
；人类感触幼菜一碟的工作，Agent 可能烧到疑惑人生。

这是由于人和 AI “看到”的难度底子不是一回事：

人类看的是：逻辑复杂度、算法难度、业务理解门槛Agent 看的是：项目有多大、要读几多文件、索求蹊径有多长、会不会反复批改统一个文件

一幼我类专家感触“改一行就杏妆的 Bug，Agent 可能要先读懂整个代码库的结构能力定位到那一杏转—光是“读”就要烧掉大量 Token。而一幼我类感触“逻辑很绕”的算法问题，Agent 可能刚好知路尺度解法，三下五除二就搞定了。

这就导致了一个狼狈的现实：开发者险些不成能凭直觉预估 Agent 的运行成本。

发现五：连模型自己都算禁绝自己要花几多钱

既然人算禁绝，那让 AI 自己来预测呢？

钻研者设计了一个精彩的尝试：让 Agent 在真正起头建 Bug 之前，先“ inspect”一下代码库，而后预估自己必要亏损几多 Token——但不现实执行建复。

了局若何？

所有模型，全军覆没。

最好的成就是 Claude Sonnet-4.5 对输出 Token 的预测有关性——0.39（满分 1.0）。无数模型的预测有关性只有 0.05 到 0.34 之间，Gemini-3-Pro 最低，仅为0.04——根基蹬宗瞎猜。

更离谱的是：所有模型都系统性低估了自己的 Token 亏损。Figure 11 的散点图中，险些所罕见据点都落在“美满预测线”的下方——模型感触自己“花不了那么多”，现实上花了更多。并且这个低估误差在不提供示例的情况下越发严重。

更嘲讽的是——预测自身也要花钱。

Claude Sonnet-3.7 和 Sonnet-4 的预测成本甚至高达工作自身成本的2 倍以上。也就是说，让它们先“估个价”，比直接干活还贵。

论文的结论斩钉截铁：

现阶段，前沿模型无法正确预测自身的 Token 用量。点下“运行 Agent”，就像开盲河转—账单出来才知路花了几多。这笔“糊涂账”背后，藏着一个更大的行业问题

读到这，你可能会问：这些发现对企业意味着什么？

1. “按月订阅”的定价模式，在被 Agent 撕开裂缝

论文指出，像 ChatGPT Plus 这样的订阅造之所以可行，是由于通常对话的 Token 亏损相对可控、可预测。但 Agent 工作齐全突破了这一如果——一个的工作可能由于 Agent 陷入循环而烧掉巨量 Token。

这意味着，纯正的订阅造定价对 Agent 场景可能不成持续，按量计费（Pay-as-you-go）在相当长功夫内仍是最现实的选项。但按量计费的问题在于——用量自身就不成预测。

2. Token 效能应该成为选模型的“第三指标”

传统上，企业选模型看两个维度：能力（能不能干）和速度（干得快不快）。这篇论文给出了第三个一致重要的维度：能效（花几多能力干成）。

一个能力略逊但效能高 3 倍的模型，在规
；【跋驴赡鼙取白钋康罘选钡哪Ｐ透芯眉壑。

3. Agent 必要“油表”和“刹车”

论文提到一个值得关注的将来方向——Budget-aware tool-use policies（预算感知的工具使用战术）。单一说就是给 Agent 装一个"油表"：当 Token 亏损靠近预算时，强造它终场无效索求，而不是一路烧到底。

目前，险些所有主流 Agent 框架都不足这种机造。

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点，而是整个 Agent 范式的结构性挑战——当 AI 从“一问一答”进化到“自主规划、多步执杏注反复调试”，Token 亏损的不成预测性险些是一种必然。

好新闻是，这是第一次有人系统性地把这笔糊涂账翻出来算。有了这份数据，开发者能够更明智地选择模型、设置预算、设计止损机造
；模型厂商也有了一个新的优化方向——不只是做得更强，还要做得更省。

终于，在 AI Agent 真正走入千行百业的出产环境之前，每一分钱花得明领略白，比每一行代码写得漂美丽亮，更重要。（本文首发钛媒体APP，作者 | 硅谷Tech news，编纂 | 赵虹宇）

注：本文基于 2026 年 4 月 24 日颁发于 arXiv 的预印本论文 *How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks*（Bai, Huang, Wang, Sun, Mihalcea, Brynjolfsson, Pentland, Pei）撰写。作者来自弗吉尼亚大学、斯坦福大学、MIT、密歇根大学等机构。该钻研尚未经同业评审。

日本政治司法学会理事长、法政大学教授白鸟浩在接受《蓝厅观察》记者专访时说，遗憾的是，战争实现、东京审判至今已经从前80年。在这期间，日本社会基于东京审判形成了世界观与思想方式，但是对于守旧派人士来说，东京审判给日自己带来羞耻或侮辱，他们至今仍持有强烈否决定见。但是，这种设法极度危险。这种否定战后政治经济体造的设法，有可能会让日本“再军事化”，进而选择走向战争的路路。

k8凯发天生赢家

中美元首座谈