AI Agent 的成本也在指数增长？Toby Ord 的冷水泼得好
METR 的 AI Agent 时间线基准测试一直是行业最关注的指标之一：AI 能独立完成多长时间的软件工程任务？从 2023 年的几分钟到现在的几小时，进步曲线看起来令人振奋。
但牛津大学哲学家 Toby Ord 最近提了一个被所有人忽略的问题：完成这些任务花了多少钱？
被忽略的成本维度
Ord 的核心洞察很简单：METR 基准测试衡量的是”最佳性能”，不计成本。为了找到模型的能力上限，研究者会不断增加计算预算，直到性能不再提升。这就像用 F1 赛车的圈速来预测日常通勤的效率 — 技术上没错，但经济上毫无意义。
不同计算预算下，同一模型的任务完成率差异巨大
他从 METR 拿到了成本数据，发现了一个让人不安的趋势：AI Agent 的”时薪”不仅没有下降，反而在上升。 Claude Opus 4 完成 2 小时级别的任务，成本大约在 100-200 美元/小时。这比大多数软件工程师的时薪还贵。
“甜蜜点”理论
Ord 提出了一个更有建设性的框架：每个模型都有一个”甜蜜点”（Sweet Spot）— 在这个任务复杂度上，模型的性价比最高。
每个模型都有自己的”甜蜜点”，超过这个点，成本效率急剧下降
这意味着什么？不是所有任务都应该用最强的模型。 一个 5 分钟的简单任务用 Haiku 可能只要几美分，但用 Opus 可能要几美元 — 结果一样，成本差 100 倍。
对开发者的实际启示
这篇分析给了我三个思考：
第一，基准测试不等于经济可行性。 一个模型”能”完成 8 小时的任务，不代表你”应该”让它做。如果成本是人工的 3 倍，那这个能力就是实验室里的展品，不是生产力工具。
第二，模型选择比模型能力更重要。 2026 年的 AI 开发不是”用最强的模型”，而是”用对的模型”。简单的代码补全用 Haiku，中等复杂度的重构用 Sonnet，只有真正需要深度推理的架构决策才上 Opus。像 OfoxAI（ofox.ai）这样的多模型平台在这个背景下价值就很明确 — 一个入口按需切换，把每一分钱花在刀刃上。
第三，Agent 的未来不在于”更强”，而在于”更聪明地花钱”。 真正的突破不是让 Agent 能做 100 小时的任务，而是让它在 2 小时的任务上比人便宜。这需要的不只是模型进步，还有更好的 Agent 架构 — 知道什么时候该思考，什么时候该直接执行，什么时候该问人。
冷水泼得好
AI 行业太需要这种冷静的分析了。过去两年我们被能力曲线冲昏了头，忘了问最基本的商业问题：这玩意儿划算吗？
Ord 的数据告诉我们：目前还不够划算。但好消息是，成本下降的速度也在加快。关键是别被”最强模型”的光环迷惑，找到每个场景下的最优解。
工程师的价值从来不在于用最贵的工具，而在于用对的工具。AI Agent 时代也一样。
原文：Are the Costs of AI Agents Also Rising Exponentially? — Toby Ord