LLM驱动的智能体能力越强，API调用开销就越“爆炸性”地增长。尽管技术演示令人惊艳，但高昂的运营成本正严重威胁着应用的可扩展性和可及性。我们是否陷入了“为了性能不计成本”的怪圈？
今天为你深度解读一篇来自OPPO AI团队的重磅论文《Efficient Agents》，它首次系统性地揭示了如何在不牺牲性能的前提下，打造出“省钱又高效”的AI智能体。
通过对基座模型、框架设计、工具使用等关键组件的精细调优，他们构建的新框架
Efficient Agents，与业界领先的开源方案相比，“通关成本”（Cost-of-Pass）指标实现了28.4%的显著优化，而性能损失几乎可以忽略不计。论文地址：https://arxiv.org/pdf/2508.02694
核心发现：
- 1. 大道至简：最强的记忆，是最原始的记忆。只记录“历史观察和行动”的最简单记忆模式，在效果和成本上，完胜所有需要额外调用LLM进行“总结摘要”的复杂记忆机制。结论是：在记忆模块上，过度设计是性能和钱包的头号杀手。
- 2. 给智能体设个“熔断”：别让它“想太多”。将最大步数限制在一个**适中值（如8步）**是性价比最高的选择。这能有效避免它在无解问题上陷入“过度思考”的烧钱循环，而性能几乎没有损失。
- 3. 最强的模型 ≠ 最优的选择：警惕“效率雪崩”。顶级模型（如Claude 3.7）虽然在任务成功率上领先，但在处理高难度任务时，其成本会不成比例地爆炸式增长，出现“效率雪崩”现象。因此，选择一个性能与成本更均衡的模型（如GPT-4.1），才是经济上更明智、更可持续的选择。
- 4. 警惕“大力出奇迹”的性能增强陷阱。广为流传的Best-of-N（N中选优）策略，在智能体上是个性价比极低的“巨坑”。实验证明，它带来的性能提升微乎其微，但为此付出的API调用成本却急剧飙升。在追求高效的路上，要果断放弃这类华而不实的方法。
这篇研究不仅是一份“降本增效”的实战指南，更可能标志着智能体研究进入了“精耕细作”的2.0时代。AI智能体的研究已经走到了一个**“拐点”**——从一味追求“更强”，转向追求“更聪明、更高效”。
实验设置
该研究的核心目的在于系统性地评估大型语言模型（LLM）驱动的智能体系统中，不同组件对**效果（Effectiveness）与效率（Efficiency）**之间权衡关系的影响。为此，作者设计了一套全面的实验流程。
基准平台: 所有实验均在GAIA (General AI Assistants)基准测试集上进行。
核心评估指标：
- 效果指标 ：
pass@1(Accuracy): 指智能体在一次尝试中成功解决问题的比例。这是衡量智能体解决问题能力的直接指标。 cost-of-pass(通关成本): 这是本研究最核心的评估指标，用于量化获得一个正确答案的预期经济成本。它衡量的不是“模型有多准”，而是**“为了成功解决一个问题，平均要花多少钱”**。
通关成本 = 单次尝试的费用 / 任务成功率
AI智能体的“性能与成本仪表盘”：
通过对智能体各个组件的不同配置进行实验和评估，最终找到一个“性价比”最高的组合方案。
四周的五个大框（Planning, Backbone, Test-time Scaling, Memory, Tools）代表了可以调节的五个关键组件。
正中间的圆形区域（Efficient Agent）代表了将这些旋钮调节到**“最佳位置”**后，最终得到的成果
- Max Steps = 8: 8作为最大执行步数。
- Plan Interval = 1选择每一步都进行一次计划修正。
- Search Num = 5选择将用户问题扩展为5个搜索词。多搜索源（Google, Wikipedia等）
- 记忆类型（简单记忆）
五大降本增效秘籍
秘籍一：基座模型，不选最贵，只选最对 🧠
探究不同的基座大语言模型（LLM）在作为智能体核心时，其性能（effectiveness）和成本效率（efficiency）之间的权衡关系。
- 是不是最强的模型就一定是最好的选择？
- 强大的性能背后，需要付出多大的成本代价？
- 小模型或特定结构的模型（如稀疏模型）在效率上有什么优势？
论文选择了一系列具有代表性的模型，覆盖了当前主流的技术路线：
顶级专有模型 (Proprietary Models)：
GPT-4.1：业界领先的强力模型，作为性能基准。Claude 3.7 Sonnet：另一个顶级模型，以其强大的推理能力著称。o1：OpenAI发布的新一代以推理为核心优化的模型。
开源稀疏模型 (Open-source Sparse Models)：
Qwen3-235B-A22B：一个超大规模的混合专家模型 (MoE)，总参数量巨大，但每次推理只激活一部分。Qwen3-30B-A3B：一个中等规模的MoE模型，激活参数更少，理论上更高效。
开源稠密模型 (Open-source Dense Model)：
QwQ-32B：一个传统的稠密模型，每次推理所有参数都参与计算。
论文发现：最强的模型（如Claude 3.7），虽然准确率最高，但“通关成本”也高得离谱。反而是某些轻量级的模型，在简单任务上展现出惊人的性价比。
- 性能与效率：最强的模型往往也最“昂贵”。
Claude 3.7 Sonnet取得了最高的成功率（61.82%），但其“通关成本” (cost-of-pass) 高达3.54。相比之下，GPT-4.1成功率稍低（53.33%），但“通关成本”仅为0.98，性价比高得多。 - 以
Qwen3-30B-A3B为例，尽管它的成功率不高（17.58%），但它的“通关成本”是所有模型中最低的之一，仅为0.13。 - 高难度任务下的“效率雪崩”：对于强大的推理模型，当任务难度从Level 1（简单）上升到Level 3（困难）时，它们的效率会急剧恶化。
Claude 3.7 Sonnet的“通关成本”从L1的1.69飙升至L3的9.04，暴涨了534%。o1模型更是从1.96飙升至12.66，暴涨了646%。将当前最强的推理模型扩展到非常复杂的智能体场景中，面临着巨大的经济性挑战。它们的推理成本会随着问题难度不成比例地爆炸式增长。
秘籍二：规划模块，别让智能体“想太多” 🤔
规划模块的核心目标是：评估规划的“深度”与“频率”如何影响智能体解决长线任务的能力，以及这样做的成本效益如何。
简单来说，他们想知道：
- 让智能体“想得更远”（允许更多执行步骤）是好是坏？
- 让智能体“更频繁地反思和调整计划”是好是坏？智能体每执行N步之后，就会根据当前掌握的全部信息，重新生成一次计划，以修正后续的行动方向。
论文发现：增加思考步数在一定范围内有效，但超过一个阈值后，性能不再提升，成本却线性飙升。尤其是在解决不了的问题上，智能体会陷入“过度思考”的循环，疯狂烧钱却毫无进展。
- 存在“收益递减点”：在一定范围内增加最大步数能显著提升性能。例如，将最大步数从4步增加到8步，任务成功率 (
Acc.) 从41.82%大幅提升至52.73%。然而，当步数从8步继续增加到12步时，成功率仅从52.73%微增至53.33%，提升非常有限。但与此同时，成本 (Cost/$) 和“通关成本” (cost-of-pass) 却持续大幅上涨。这表明允许智能体无限“思考”下去是低效的。存在一个最佳的步数范围，超过这个范围后，性能收益极小，而成本代价巨大。 - 过度思考”会造成巨大浪费：当智能体遇到它本身能力无法解决的难题时，如果没有步数限制，它会陷入无效的尝试循环中，即“过度思考” (overthinking)。这会导致它在没有产出的情况下，空耗大量的计算资源和成本。设置一个合理的最大步数上限，本质上是一种成本“熔断”机制，对于保证智能体在现实世界中的经济可行性至关重要。
秘籍三：Web工具使用，多信息源 🛠️
主要评估Web Browser的效果，之所以特别关注网页浏览器，有两个原因：
- 通用性：网页浏览是智能体获取实时、多样化信息最通用和强大的工具。
- 成本影响大：网页包含大量文本、代码和多媒体，处理这些内容会消耗大量的Token，对成本有显著影响。
研究人员主要围绕网页浏览这个核心工具，设置了三个可以调整的“旋钮”进行测试：
1. 搜索源 (Source of Web Content)
- 目的：测试搜索范围的大小对结果的影响。
- 配置
- Simple (简单源)：只使用Google和Wikipedia两个最核心的信源。
- Multi (多信源)：使用一个更广泛的信源组合，包括Google, Wikipedia, Bing, Baidu, 和 DuckDuckGo。
2. 网页处理策略 (Web Page Processing Strategy)
- 目的：测试处理网页内容的复杂程度对结果的影响。
- 配置
- (a) 爬虫 (Crawler)：只抓取网页的静态文本元素，这是最简单、最轻量级的方式。
- (b) 简单浏览器 (Browser-Simple)：使用浏览器进行基础的页面渲染和处理。
- *© 复杂浏览器 (Browser-Complex)**：使用带有高级交互功能的浏览器，例如可以模拟人类进行*向上翻页 (page-up)和向下翻页 (page-down)等操作。
3. 查询扩展数量 (Number of Query Expansion)
- 目的：测试将用户的原始问题改写成多个不同搜索词进行搜索，是否能提升效果和效率。
- 配置：由LLM将用户的原始问题，自动扩展成{3, 5, 10}个不同的搜索查询。
论文发现：差别巨大！尤其是在网页浏览这个常用工具上：
- 搜索源越多越好：同时用Google、Bing、百度等多个搜索引擎，能更快找到答案，反而更省钱。更广泛的搜索源增加了快速找到关键信息的机会，减少了智能体在错误或无效信息上浪费的时间和步骤，从而在整体上降低了成本。
- 操作越简单越好：只抓取网页静态文本，比模拟真人“上下翻页”等复杂操作，效率高得多。复杂的交互操作会产生更多的观察信息和执行步骤，显著增加了Token消耗和成本，但这些额外信息对于解决问题的帮助却很有限，甚至可能引入干扰。 复杂的操作导致成功率非常低。
- 查询词越多越好：把用户的一个问题，自动扩展成多个不同的搜索词，能大大提高信息命中率。更广泛的查询集合能够覆盖更多角度，从而更有可能命中包含答案的网页，提高了信息检索的鲁棒性和全面性。
这个结论的实践意义在于，将工具（如网页浏览器）集成到智能体中，绝不是一个简单的“有或无”的选择。开发者必须精细地调整工具的内部配置——选择更广的信源、采用更简单的处理方式、利用更丰富的查询扩展——才能在不牺牲甚至提升任务成功率的同时，最大化地降低运营成本。
秘籍四：记忆模块，简单即是美 💾
论文中设计并比较了以下六种具有代表性的记忆机制，从最简单到最复杂：
- w/o Extra Memory (无额外记忆 - 基准组)：这是最基础的对照组。智能体在每一步的上下文中，只保留完整的历史执行记录（包括思考、观察、行动）。它不使用任何“额外”的、经过特殊处理的记忆模块。
- Simple Memory (简单记忆)：为了缩短上下文长度、降低成本，这种方法只在上下文中保留最核心的历史信息：过去的观察结果 (observations) 和采取的行动 (actions)。它舍弃了详细的思考过程文本。
- Summarized Memory (摘要记忆)：这是一种更复杂的记忆压缩方法。在每一步执行后，它会*额外调用一次LLM*，将当前步骤的所有信息（观察、思考、行动）总结成一段摘要。然后，这些摘要被嵌入（embed）并存入向量数据库。在后续步骤中，系统会根据与当前任务的相似度，从数据库中检索出最相关的历史摘要，并放入提示词中。这种方法旨在用简短的摘要来代替冗长的原始历史记录。
- Extra Summarized Memory (额外摘要记忆)**：它与“摘要记忆”的机制完全相同，唯一的区别是，检索出的历史摘要是作为**额外的补充信息被添加到提示词中的，而原始的、完整的历史步骤记录依然保留。
- Extra Fixed Memory (额外固定记忆)**：系统维护一个有最大长度限制的、类似“记事本”的长期记忆文本。在第一步时，由LLM生成初始内容；在之后的每一步，LLM都会根据最新情况**更新这个“记事本”。这个“记事本”作为额外记忆，被添加到每一步的提示词中。
- Extra Hybrid Memory (额外混合记忆)：这是最复杂的配置，它将**“额外摘要记忆”和“额外固定记忆”**两种方法结合起来，同时将检索到的历史摘要和更新后的长期“记事本”都作为额外信息，添加到提示词中。
传统认知：为了让智能体记住历史信息，需要设计复杂的记忆总结、检索机制。
论文发现：最令人震惊的结论来了！效果最好、成本最低的记忆方法，竟然是最简单的“原始记忆”——只在上下文中保留最原始的“历史观察”和“历史行动”记录。那些花里胡哨的“每步总结式记忆”，不仅增加了额外的API调用成本，还可能因为总结出错而误导智能体。
它表明只保留最原始的观察和行动记录，不仅极大地降低了Token消耗和成本，反而还取得了最好的任务性能。
核心启示：大道至简！在记忆模块上，别做过度设计。最朴素的方法，往往最有效。
秘籍五：增强策略（Best-of-N），性价比极低“陷阱” ❌
Best-of-N (简称BoN)是一种在不改变模型自身权重的情况下，通过多次推理来提升其表现的策略。
- 普通决策 (N=1)：想到一个方案，就直接去执行了。
- Best-of-N决策：在做一个决定前，先在脑海里构思出N个不同的备选方案。然后，对这N个方案进行评估，挑出那个看起来最可能成功的方案，最后才去执行这一个最优方案。引入了一个独立的“裁判”模型，，判断它对于完成最终任务目标的“贡献度”或“进展度”有多大，并给出一个分数。
最终结论：
- 成本急剧上升：从 N=1 增加到 N=4，Token消耗量从243K大幅增加到325K。这是因为每一步都要生成和评估更多的内容，成本自然飙升。
- **性能提升微乎其微 ** ：然而，性能的提升却非常有限。整体成功率 (
Acc.) 仅从53.33%(N=1) 微弱增长到53.94%(N=4)。 - “性价比”显著下降：由于成本大幅增加而性能提升极小，这就导致了最终的“性价比”指标
cost-of-pass急剧恶化，从0.98(N=1) 上升到了1.28(N=4)。这意味着为了获得一次成功，需要付出的平均金钱成本变得更高了。
简单地通过“N中选优”来暴力提升性能，是一种性价比极低的做法。它带来的微小性能收益，完全无法弥补其不成比例的巨大计算成本。
启示录
1. 法则一：警惕“复杂性陷阱”——简单往往更强大。
- 无论是记忆模块、测试时增强策略还是规划深度，这篇论文反复验证了一个反直觉的真理：最复杂的方案不等于最优方案。花里胡哨的“摘要记忆”、昂贵的“Best-of-N”和无限制的“深度思考”，在现实中要么收益甚微，要么成本激增。开发者应该优先选择并验证最简单、最直接的实现方式，避免过度设计。
2. 法则二：成本意识前置——将“通关成本”作为核心北极星指标。
- 不要等到上线后才发现成本失控。论文的核心贡献之一是引入了
cost-of-pass这个“性价比”指标。在开发阶段，就应该用它来衡量每一个决策——无论是选择基座模型，还是调整一个工具参数。这个指标迫使我们从“能用”转向**“用得起、用得好”**。
3. 法则三：没有万能模型，只有“适配”场景的“最优解”。
- 基座模型的选择是影响最大的决策，但“模型能力排行榜”不是唯一答案。论文揭示了顶级模型在处理高难度任务时惊人的“效率雪崩”现象。这意味着，针对不同复杂度的任务，选择不同档位的模型（甚至组合使用），可能是未来最高效的架构。为简单任务选择轻量级稀疏模型，可能比用顶级模型“杀鸡用牛刀”要明智得多。
4. 法则四：从“有或无”到“多与少”——魔鬼藏在配置细节里。
- 智能体的效率优化，不是简单地决定“要不要用工具”或“要不要规划”，而是精细地调整“用多少”。例如，将搜索查询从3个增加到5个，将最大步数从12步减少到8步，这些看似微小的参数调整，却对最终的性价比产生了决定性的影响。这标志着智能体开发进入了**“精细调校”**的时代。
最后
–
这篇论文的意义，远不止是提供了一套“省钱攻略”，指示着AI智能体研究正从“野蛮生长”的1.0时代，迈向“精耕细作”的2.0时代。
对于开发者而言，这意味着我们有了清晰的优化路线图；对于用户而言，这意味着更便宜、更触手可及的AI应用正在路上。
未来，当AI智能体真正成为我们生活和工作中不可或缺的伙伴时，我们或许应该感谢这些早期探索者，是他们让这一切变得不仅可能，而且“付得起”。
普通人如何抓住AI大模型的风口？
领取方式在文末
为什么要学习大模型？
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。
目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。
随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：
人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！
最后
只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！
在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
大模型全套学习资料展示
自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。
希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！
01教学内容
从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！
大量真实项目案例：带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
02适学人群
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！
03入门到进阶学习路线图
大模型学习路线图，整体分为5个大的阶段：
04视频和书籍PDF合集
从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）
新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）
05行业报告+白皮书合集
收集70+报告与白皮书，了解行业最新动态！
0690+份面试题/经验
AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）
07 deepseek部署包+技巧大全
由于篇幅有限
只展示部分资料
并且还在持续更新中…
真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】
)
