Agent 性能瓶颈在循环而非模型，优化成本降 30%

Background-Job-862 · reddit · 2026-08-27

作者对比不同 Agent 运行时发现，在模型固定为 Claude Opus 且任务成功率相同(11/14)的情况下，运行时差异巨大：最快与最慢耗时相差 2.5 倍(39 vs 96 分钟)，Token 消耗相差 3 倍多(3.85M vs 13M)，总成本相差约 30%。

差异主要源于「无聊的运行时细节」：每轮重发的系统提示词量、工具输出累积方式、循环探索与重试的激进程度等。作者认为，Agent 基准测试衡量的是「模型+Harness+提示词+工具循环」的组合，而非单一模型能力。