Экономика AI-агентов смещается от токенов к задачам
Постоянно работающие агенты оказываются дешевле ожидаемого, поскольку стоимость смещается от цены за токены к цене за выполненную задачу, что меняет подход к оценке эффективности в разработке и автоматизации.
В системах вроде OpenClaw агенты выполняют цепочки действий с памятью и переиспользованием контекста, снижая издержки на каждый шаг. По данным бенчмарков в раннем доступе, стоимость задачи может сильно различаться при близком качестве, что делает выбор модели задачей оптимизации, а не максимизации. Использование маршрутизации моделей и субагентов дополнительно снижает расходы. Это ведет к переходу от ручного prompting к оркестрации агентных систем и меняет роль разработчика.
🔗 https://blog.kilo.ai/p/the-cost-of-always-on-agents-is-less
