衡量 AI Agent，不该只数 Token，更要看它交付了什么
2026-11-02 · MIT Tech Review AI · 原文链接
AI 编程 Agent 正在改变开发者衡量性能与成本的方式。与传统聊天机器人不同，Agent 很少只用一步就完成编程请求。它可能先拆解任务、制定计划、生成代码、检查项目、运行测试、分析错误，再修改代码并不断重复这一流程，直到产出可用结果。这样的工作流，消耗的 Token 可能是基础聊天提示的 10 到 50 倍。然而，Token 数量本身并不能说明系统是否真正创造了价值。随着 Agent 能力提升，它们也会发起更多模型调用，使原始使用量越来越难以完整反映生产力。更值得关注的问题是，Agent 最终交付了什么：可运行的代码、可靠的修复方案，以及真正完成的任务。对于评估 AI 工具的开发者和企业而言，输出质量、任务成功率、迭代时间和对整体工程效率的影响，可能远比单纯统计 Token 更重要。