摘要：在人工智能飞速发展的今天，基于大语言模型的智能体（Agent）正在展现越来越强大的能力，它们能够完成复杂的多步骤任务，就像拥有了数字化的超级助手。然而，就像豪华跑车虽然性能卓越但油耗惊人一样，这些智能体系统在展现强大能力的同时，也面临着成本高昂的严重问题。OP
在人工智能飞速发展的今天，基于大语言模型的智能体（Agent）正在展现越来越强大的能力，它们能够完成复杂的多步骤任务，就像拥有了数字化的超级助手。然而，就像豪华跑车虽然性能卓越但油耗惊人一样，这些智能体系统在展现强大能力的同时，也面临着成本高昂的严重问题。OPPO人工智能团队的这项开创性研究，首次系统性地解决了这个困扰整个行业的核心难题。
这项由OPPO AI Agent团队主导的研究发表于2025年8月，论文全名为《Efficient Agents: Building Effective Agents While Reducing Cost》。有兴趣深入了解的读者可以通过GitHub链接https://github.com/OPPO-PersonalAI/OAgents访问完整代码和详细资料。研究团队由何朱和周王春树作为通讯作者，汇集了OPPO人工智能研究院的多位顶尖研究人员。
当前的智能体产品虽然功能强大，但运营成本却让人望而却步。比如业界知名的DeepResearch和Manus等产品，虽然能够处理非常复杂的任务，但每完成一个任务可能需要调用大语言模型数百次，这就像是为了做一顿饭却要开关烤箱几百次一样低效。这种高成本不仅限制了产品的规模化应用，也阻碍了普通用户享受到人工智能技术的便利。
OPPO团队意识到，智能体研究已经到了一个关键转折点。正如早期的自然语言处理研究先追求性能突破、后优化效率一样，智能体领域也需要在保持强大能力的同时，大幅降低运营成本。他们提出了一个核心问题：能否在几乎不损失性能的情况下，显著降低智能体系统的运营成本？
为了回答这个问题，研究团队设计了一套系统性的研究方案。他们选择了GAIA基准测试作为实验平台，这是一个专门用于评估通用人工智能助手的权威测试集，包含了各种复杂的推理任务。团队引入了"单次通过成本"这一创新评估指标，这个指标就像计算"每公里油耗"一样，能够综合衡量系统的效果和效率。
研究团队深入分析了影响智能体系统效率的各个因素，包括基础大语言模型的选择、智能体框架的设计，以及各种运行时优化策略。他们就像拆解一台复杂机器一样，逐个检查每个组件对整体性能和成本的影响，然后找出最优的组合方案。
一、不同大脑的成本账单
就像选择汽车引擎会直接影响油耗和性能一样，选择什么样的大语言模型作为智能体的"大脑"，对整个系统的成本和效果有着决定性影响。研究团队测试了市面上主流的各种大语言模型，包括GPT-4.1、Claude-3.7、以及各种开源模型。
测试结果揭示了一个有趣的现象。Claude 3.7 Sonnet虽然在准确率方面表现最佳，能够正确解决61.82%的问题，但它的单次通过成本却高达3.54美元。相比之下，GPT-4.1的准确率为53.33%，单次通过成本仅为0.98美元。这就像是比较两款汽车，一款虽然速度更快但油耗惊人，另一款速度稍慢但更加经济实用。
更令人意外的是，一些参数量相对较小的稀疏模型，比如Qwen3-30B-A3B，虽然准确率只有17.58%，但单次通过成本却低至0.13美元。这些模型采用了专家混合（MoE）架构，就像一个智能的多功能工具箱，只在需要时才激活相应的"专家"模块，从而大大提高了效率。
研究还发现了一个重要规律：随着任务难度的增加，推理能力强的模型成本会急剧上升。比如Claude 3.7 Sonnet处理最难任务的成本比处理简单任务高出534%，这就像爬山时越往高处走越费力一样。这个发现对于选择合适的模型具有重要指导意义。
二、多次尝试的边际效应递减
在现实生活中，当我们面临困难问题时，往往会尝试多种不同的解决方案，然后选择最好的一个。智能体系统也采用了类似的策略，叫做"Best-of-N"采样，即让系统尝试N次，然后选择表现最好的结果。
研究团队测试了让系统尝试1次、2次和4次的效果。结果显示，当尝试次数从1次增加到4次时，token消耗量从243K增加到325K，但准确率却只从53.33%微弱提升到53.94%。这就像是多做几遍练习题，虽然耗费了更多时间和精力，但成绩提升却微乎其微。
这种现象揭示了一个重要原理：盲目增加尝试次数并不能带来成正比的性能提升，反而会大幅增加成本。单次通过成本从0.98美元上升到1.28美元，效率明显下降。这提醒我们，在设计智能体系统时需要找到尝试次数和性能提升之间的最佳平衡点。
三、规划复杂度的智慧平衡
智能体在处理复杂任务时需要进行规划，就像我们出门旅行前要制定行程安排一样。但是，过于复杂的规划可能会适得其反。研究团队发现了一个有趣的现象：当系统被允许执行的最大步骤数从4步增加到8步时，准确率从58.49%显著提升到69.81%，但继续增加到12步时，准确率提升就不明显了，成本却持续攀升。
这就像做菜时的调料搭配，适量的调料能让菜品更美味，但过量反而会破坏原有的味道。研究还测试了规划更新的频率，发现每2步更新一次规划比每步都更新要更加高效，这说明给系统一些"思考时间"是有益的。
当前的大语言模型在控制推理长度方面还存在困难，经常出现"过度思考"的现象，就像学生考试时在简单题目上花费太多时间一样。适度的规划复杂度能够显著提高效率，这是设计高效智能体系统的重要原则。
四、工具配置的精妙艺术
现代智能体的强大能力很大程度上来自于它们能够使用各种外部工具，特别是网络搜索功能。研究团队深入分析了工具使用对效率的影响，就像研究不同厨具对烹饪效率的作用一样。
令人意外的是，增加搜索引擎的数量能够同时提高效果和效率。当系统可以使用谷歌、维基百科、必应、百度和DuckDuckGo等多个搜索源时，单次通过成本从1.32美元降低到0.81美元，准确率也从53.33%提升到59.39%。这就像有了多个信息来源，能够更快找到准确答案。
在网页处理策略方面，简单的静态内容抓取比复杂的交互式浏览更加高效。这提醒我们，有时候简单的解决方案反而是最好的。研究还发现，将用户查询重新表述成3-10个不同的搜索问题，能够获得更全面的搜索结果，就像从多个角度观察同一个物体能够看得更清楚。
五、记忆系统的简约之美
智能体系统需要记忆功能来处理长期任务，就像人类需要记住之前做过什么才能做出合理的决策。研究团队测试了六种不同的记忆设计方案，从简单的历史记录到复杂的总结存储系统。
结果出人意料：最简单的记忆设计反而效果最好。仅保留智能体的观察和行动记录的"简单记忆"方案，不仅成本最低，准确率还从53.33%提升到56.36%，单次通过成本从0.98美元降低到0.74美元。这就像整理房间时发现，有时候最简单的收纳方式反而最实用。
相比之下，试图使用大语言模型来总结历史轨迹的"总结记忆"方案成本最高，效果却不理想。这可能是因为模型无法准确总结过去的历史轨迹，导致需要额外的尝试来解决任务。这个发现提醒我们，在设计复杂系统时，简单往往意味着可靠。
六、高效智能体的最优配方
基于前面的系统性分析，OPPO团队提出了"高效智能体"（Efficient Agents）框架。这就像是根据营养学研究结果制定的最佳饮食搭配，每个组件都经过精心选择和调优。
高效智能体采用GPT-4.1作为基础模型，设置最大8个执行步骤，每步都更新规划，使用多个搜索源进行信息检索，将查询扩展为5个不同表述，不使用多次采样策略，采用简单的记忆机制。这个配置就像一道精心调配的菜谱，每个配料的用量都恰到好处。
与当前主流的开源智能体系统相比，高效智能体实现了显著的效率提升。与OWL系统相比，高效智能体保持了96.7%的性能水平，但将运营成本从0.398美元降低到0.228美元，实现了28.4%的成本效率提升。这就像找到了一种既营养丰富又经济实惠的食谱。
与SmolAgent系统的对比更加明显，高效智能体在性能相当的情况下，成本效率优势极其显著。这证明了通过系统性的组件优化，确实可以在保持效果的同时大幅降低成本。
七、系统性洞察的价值
这项研究的价值不仅在于提出了一个高效的智能体框架，更重要的是建立了一套系统性的分析方法。研究发现，基础模型的选择对整体性能影响最大，其次是智能体能够执行的最大步骤数和工具使用策略，而多次采样和复杂记忆机制的影响相对较小。
这些发现为整个行业提供了宝贵的设计指导原则。就像建筑师在设计房屋时需要考虑结构、美观和成本的平衡，智能体系统的设计也需要在性能、成本和复杂度之间找到最佳平衡点。
研究还揭示了当前大语言模型在推理长度控制方面的局限性。这些模型经常出现"过度思考"现象，在简单问题上浪费大量计算资源。这提醒我们，未来的模型开发需要更加注重效率和适应性。
说到底，OPPO团队的这项研究为智能体领域带来了一次重要的效率革命。他们不仅证明了在保持高性能的同时大幅降低成本是可能的，更建立了一套系统性的分析框架，为未来的研究和产品开发指明了方向。
这项工作的意义远超技术层面。它让高性能的智能体系统变得更加经济实用，有望加速这些技术在实际生活中的普及应用。无论是个人助手、客服系统还是教育应用，都能从这种高效的设计理念中受益。
归根结底，这项研究告诉我们，技术进步不仅要追求功能的强大，更要考虑实用性和可持续性。就像设计一辆好车不仅要性能出色，还要经济实用一样，优秀的智能体系统也应该在效果和效率之间达到完美平衡。OPPO团队的工作为整个行业树立了新的标杆，相信这种理念将推动更多创新和突破的诞生。对于想要深入了解技术细节的读者，完整的研究论文和代码都可以通过GitHub链接获取。
Q&A
Q1：OPPO的高效智能体框架相比传统智能体系统有什么优势？
A：OPPO的高效智能体框架最大优势是实现了性能和成本的最佳平衡。与主流的OWL系统相比，它保持了96.7%的性能水平，但运营成本降低了28.4%，从每次0.398美元降至0.228美元。这就像找到了一种既好用又省钱的解决方案。
Q2：为什么简单的记忆机制比复杂的总结记忆效果更好？
A：研究发现简单记忆机制只保留智能体的观察和行动记录，成本最低且效果最佳，准确率从53.33%提升到56.36%。而复杂的总结记忆由于模型无法准确总结历史轨迹，反而导致成本增加、效果下降，说明有时候简单就是最好的。
Q3：普通用户什么时候能用上这种高效的智能体技术？
A：OPPO团队已经将相关代码开源到GitHub，这意味着其他开发者和公司可以基于这些研究成果开发更经济实用的智能体产品。随着成本的大幅降低，预计未来会有更多基于这种高效设计的智能助手产品面向普通用户推出。
来源：至顶网
