一句话看懂:arXiv 上一篇新论文尝试用热力学框架拆解编程 Agent 的 Token 成本,发现成功运行中约 80% 的 Token 用于没有改变目标代码的模型调用,提出这部分可视为“热”。
事件核心:发生了什么
2026 年 11 月 19 日,arXiv cs.AI 收录了一篇题为《Where the Tokens Go: Heat, Entropy and Error in Agentic Coding》的论文(编号 2611.23375v1)。摘要显示,作者提出“软件热力学”理论,把编程 Agent 生成的 Token 视为成本,并拆分为“功”和“热”。实验方式类似单分子拉伸—折叠:Agent 对代码仓库做修改再撤销,反复循环并统计每次模型调用的 Token。结果称,成功运行中约 80% 的 Token 产生于没有实际移动目标改动的调用;修改一次的自由能估计为成功运行平均成本的 14%—22%;编码成本约为撤销成本的 1.1—1.5 倍。目前公开信息仅为摘要,全文实验细节尚未核验。
为什么重要
当前编程 Agent 普遍按 Token 计费,但行业缺少衡量“一个 Token 到底买到了什么”的统一语言。这篇论文的价值不在给出成熟产品结论,而在于提供一种分析框架:把测试套件比作“软件麦克斯韦妖”,把测试环境不稳定带来的额外消耗也纳入成本。对依赖 API 调用大模型做代码生成的企业和开发者来说,这提示优化重点可能不只是减少总 Token,而是识别哪些调用真正推动了代码变更。它也可能催生新的 Agent 效率评测指标,而不是只看通过率或单次成本。
对用户/开发者/创作者的影响
对开发者而言,如果该框架后续被工具链采纳,可能出现更细粒度的 Token 使用分析工具,帮助判断重试、回滚和测试反馈是否在“空转”。对使用编程 Agent 的企业,摘要中“测试套件接受错误改动也有 Token 成本”的观察值得注意:测试质量会直接影响 Agent 的隐性开销。对普通用户,这项研究尚未转化为可用的产品功能或定价变化,目前更适合作为理解 AI 编程服务成本结构的参考,而非采购依据。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是论文全文是否公开更多实验条件和可复现数据;二是是否出现基于该框架的开源或闭源 Agent 分析工具;三是主流编程 Agent 产品是否在计费或效率报告中引入“有效改动 Token”之类的细分指标。由于目前仅有摘要,上述方向均需后续信息验证。
来源:arXiv cs.AI


