每天听简报,了解最新科技、AI、软件资讯
两万七千多次 AI 编程智能体实测显示,超过百分之六十四的推理费用,都花在了最终失败的任务上。 Runta 联合 Baseten 发布了最新基准,把二十二种编程框架配五款开源模型跑了个遍,一共烧掉八百三十亿个令牌。 他们发现,同一模型搭配不同框架的单次通过成本相差近五倍,比如 Codex CLI 配 GLM-5.3 成本最低,换成 Kimi-K3 就掉到第十六位。 更扎心的是,在失败任务里,约七到八成是智能体自信地交卷却没通过测试。 文章还发现,提示词大小和工具数量并不直接决定账单,真正推高成本的是交互步数过多。
进度保存在本设备 · 登录同步