代码审查阶段为什么吃掉 AI Agent 近 60% token？开发流程 tokenomics 拆解

它本质上是一场需要从业者长期持续投入学习、数据深度分析、专业经验判断、跨领域知识积累以及灵活场景适配能力的动态、复杂的长期博弈过程。

论文进一步揭示了agentic任务的独特高耗特征。相比单次推理，Agent需要反复读取上下文、调用工具并迭代修正，由此产生的“通信税”推动输入token占比显著升高。高耗并不必然对应高准确率，研究显示准确率常在中间成本区间达到峰值，继续追加token投入后反而出现饱和。这意味着盲目延长运行时间未必能换来更好回报。

最近arXiv上的一篇论文《How Do AI Agents Spend Your Money?》把这个痛点说得很清楚。他们用OpenHands agent在SWE-bench Verified任务上系统分析，发现agentic coding任务的token消耗是普通代码聊天或推理任务的1000倍左右。而且，主导成本的不是输出token，而是输入上下文。同一任务不同运行之间，token用量差异能达到30倍。

输入 token 主导的特性进一步放大了这一优势，对于预算敏感或需要大规模部署的团队来说，长期累积的节省能直接转化为真金白银。有意思的是，GPT-5 在部分极致复杂任务中准确率可能存在局限，但整体来看，它在效率与稳定之间的平衡更适合大多数实际开发场景。

GPT-5在相同Agentic Coding任务中展现出显著的token效率优势。论文指出，它平均比Kimi K2和Claude Sonnet 4.5少消耗150万以上的token，这一差距在所有模型共同解决的子集上依然稳健存在。GPT-5的上下文处理和迭代策略似乎更注重精炼，避免了不必要的冗长循环，从而在预算敏感场景下提供了实打实的经济性。但有意思的是，在极度复杂的多文件重构任务中，其准确率有时会显露局限，团队仍需结合具体需求权衡。

从实际部署看，这种波动让企业预算预测变得困难。开发团队修复同一个issue，第一次运行可能顺利通过测试，token在合理范围；第二次却走弯路，上下文膨胀导致成本直线上升，准确率却未必提升，甚至因超时失败。短期内，开发者需加强单次运行监控，考虑早停机制；长期而言，推动模型提升token预测能力（当前相关性最高仅0.39且系统性低估）将成为关键，否则高波动或成Agent规模化落地的隐形瓶颈。

无限循环迭代是常见浪费来源之一。Agent反复尝试相似修复方案，每次都重新加载大量上下文，token线性累积。实操中，提前在框架内设置单任务token预算上限，并在接近阈值时记录中间状态，能有效中断无效循环并从检查点重启。这在小规模bug修复中特别实用，避免了从头重跑的开销。

防控的关键不在于彻底取消迭代，而是让Agent学会在预算边界内“聪明停手”。通过结合硬性token上限、早停判断和上下文压缩等手段，开发者能在保持准确率基本稳定的前提下，将整体消耗降低70%以上。这不是限制Agent的能力，而是让它避免在无效循环中浪费资源，真正实现高效的编码辅助。

arXiv 最新论文《How Do AI Agents Spend Your Money?》对 agentic coding 任务的轨迹分析显示，AI Agent 在复杂编码场景下的 token 消耗远超普通聊天或单次代码推理，差距可达约 1000 倍甚至更高。输入 token 而非输出 token 成为主导成本驱动因素，同一任务不同运行间的消耗差异有时高达 30 倍。

这远超初始设计（2.4%）和编码（8.6%）等前期阶段，输入token整体占比达53.9%，远高于输出token。表面上AI Agent能自主完成SWE-bench任务显得高效，但实际成本结构比想象中复杂得多。

深入观察五大发现之一，代理任务的token消耗可达普通场景的约1000倍，且主要由输入token驱动，而非输出。这反映出代理在工具调用、上下文维护和循环决策中的持续开销特征。不同于一次性查询，代理往往陷入长链交互，导致总成本快速膨胀。数据支持这个方向，但样本量仍需更多验证来确认普适性。

实用干货哪里有一元一分红中麻将群_科学网论坛的背后，真正决定成败的还是对优势分析的理解和执行力。