**智能体失败源于执行而非智力：不良 JSON 重试导致 22.9% 的性能损耗**

_Agents don't fail on intelligence. They fail on execution_

> 一项针对 720 个浏览器自动化任务的基准测试揭示，智能体（Agent）系统的核心瓶颈并非模型智力，而是执行可靠性。测试发现，Gemini 2.5 Flash 因生成不良 JSON 导致高达 22.9% 的“智能体执行税”（需重试），而 Kimi K2.5 则实现了零重试。研究指出，在规模化生产环境中，不可靠的执行会成倍增加延迟与成本，使得看似便宜的模型实际成本更高。建议根据具体场景选择模型：追求准确率选 GLM-5，追求性价比选 MiniMax M2.5，追求实时响应则选 Kimi K2.5。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-products
- **发布时间**：2026-11-06 18:20（北京时间）
- **原文**：[打开原文](https://fireworks.ai/blog/agent-execution-tax-browser-agent-benchmark)