AI智能体Token消耗实证研究：输入Token主导，不同模型差异巨大
原帖
**对 AI 智能体 Token 消耗的观察**
_Observations on AI agent token consumption_
> 斯坦福、密歇根大学、DeepMind 和 All Hands 等机构的研究人员发表了一篇论文，首次对 AI 智能体如何大规模消耗 Token 进行了开源实证研究。研究发现，在智能体工作流中，由于上下文在多轮对话中被反复输入，输入 Token 数量占主导地位，其消耗量（约 1000 倍）远超对话或推理任务。此外，在相同任务上，不同模型的 Token 消耗量存在数量级差异。这为理解和管理 AI 使用成本提供了重要参考。
**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-05-18 22:34（北京时间）
- **原文**：[打开原文](https://willhackett.com/agent-token-consumption)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
根据斯坦福、密歇根大学、DeepMind和All Hands研究人员发表的论文，在AI智能体工作流中，输入Token消耗量（约1000倍）远超对话或推理任务，不同模型在相同任务上的Token消耗存在数量级差异。
答案说明
该研究发现，AI智能体工作流中，由于上下文在多轮对话中被反复输入，输入Token数量占主导地位，其消耗量远超对话或推理任务。此外，不同模型在相同任务上的Token消耗存在显著差异。
这篇帖子回答的问题
- AI智能体工作流中哪种Token消耗最多？
- 不同AI模型在相同任务上的Token消耗有何差异？
核心观点
- 在AI智能体工作流中，输入Token的消耗量远超对话或推理任务，是主导消耗来源。
- 不同AI模型在完成相同任务时，Token消耗量存在数量级的显著差异。
FAQ
- Q: AI智能体Token消耗的研究发现了什么主要结论？
- A: 研究发现，在智能体工作流中，输入Token数量占主导地位，其消耗量远超对话或推理任务；同时，不同模型在相同任务上的Token消耗存在数量级差异。
关键实体
- 斯坦福大学
- DeepMind
- AI智能体Token消耗