近期,《金融产品网络营销管理办法》的发布引起了金融界的广泛关注。该办法覆盖了存款、贷款、证券、保险等所有在线营销的金融产品,其部分条款对网贷平台等助贷行业产生了深远影响。
助贷业务本质上依赖流量,而新规将重塑网贷行业的流量格局,导致流量获取和分发面临重大变革。以出行平台“嘀嗒”为例,其贷款业务因违反新规而被迫下架。该平台曾将用户一键授权后推荐给多个网贷平台,而后者又将用户转介至其他平台,包括线下贷款中介,形成了助贷行业的“套娃游戏”。《管理办法》第五条明确规定,第三方平台应将消费者和投资者直接引导至金融机构自营平台,而非其他第三方平台。这一规定将终结套娃游戏,迫使流量分发格局彻底改变,使得流量直接流向金融机构,而中间商将被淘汰。
此外,《管理办法》进一步收紧了流量源头的控制,对助贷行业的获客行为提出了严格限制。第十六条指出,营销金融产品的公众号、直播、短视频等必须由金融机构从业人员进行,且需具备相应资格和授权。这意味着第三方流量平台需要进行账号和内容的监督清理,只有符合资质的账户才能发布相关内容。对于网贷平台而言,即便拥有金融牌照,也不能随意从公开流量池获取新客户。因此,新规的实施将对整个网贷行业的获客模式造成重大影响,决定许多网贷平台的生死存亡。
作者: 智投财经
-

金融产品营销新规重构网贷生态
-

越南通胀飙升受伊朗战事影响
2023年4月,越南面临超预期的通胀率,其背后原因是伊朗战争引发的全球能源价格猛增,进而导致运输和原材料成本上涨。连续第四个月出现贸易逆差,进口额增加,因全球原材料价格上涨而起。根据越南国家统计部门最新公布的数据,4月的CPI同比增长了5.46%,超出了市场预期的4.80%。越南统计部门指出,通胀上升主要是由于国内天然气价格和全球燃料价格上涨所致,持续上升的原材料和运输成本也使得服务业和建筑业价格提高,进一步加剧了通胀。
-
假期出游,我被AI坑惨了
文 | 定焦One(dingjiaoone),作者 | 金玙璠 陈丹 李梦冉 雷晶 王璐 王汉星,编辑 | 李梦冉
五一假期,用AI做攻略的人越来越多。打开任何一款大模型,描述目的地和天数,十秒钟一份排版精美、细节详尽的行程就出来了。
这种便利让不少人放松了警惕。结果,车子开进施工路段,导航里只剩“您已偏航”;气喘吁吁在高原走了半小时,才发现原来AI口中“很近”的地方足足有六公里;照着AI推荐的路线找到景区,却发现景区早已关门了……手机里那个信誓旦旦的AI只会反复道歉,而自己被坑的旅途早已无法重来。
我们和六位被AI“坑过”的人聊了聊。他们之中,有习惯把行程精确到小时的J人、有独自出差的女生、有带全家出游的爸爸、有旅居海外的自由职业者。目的地各异、经历不同,但踩坑的方式类似。
AI确实让做攻略变快了,但没有消灭做攻略的难度。它擅长给你一个看起来合理的框架,但实时信息、突发情况,它还给不了你。
用AI做旅行攻略,该信什么、不该信什么?六个真实的踩坑故事,或许能给你一些参考。
01.AI道歉很容易,旅途中的坑只能自己扛
Ryan|河北 互联网大厂员工
我在互联网大厂工作,AI现在是我离不开的工具。以前出去旅游,我是个标准的“J人”(计划型人格),会把行程精确到小时。但自从习惯了“先问AI”之后,我变懒了。
今年4月初,我和女朋友计划去川西自驾游,顺便去一趟四姑娘山的双桥沟。做攻略时,我打开常用的某国产AI大模型,输入需求:“请帮我规划一份五一期间成都到川西的4天3晚自驾游攻略,要求行程不累,包含双桥沟的具体游玩路线。”
不到十秒,它就生成了一份详细攻略,甚至还贴心提醒“提前1天吃红景天,备氧气瓶、葡萄糖;首日不剧烈运动”。AI措辞极度自信,我看每日车程两三百公里也合理,便没再多查,直接出发。
第二天一进双沟桥,坑就来了。AI建议我先打卡参果坪,结果到了现场才发现景区的观光车是一路到底的,游客统一在山顶的红杉林下车,从上往下游览。而参果坪靠近入口,上去的车根本不停。如果按AI的计划:先坐车到顶,再下到参果坪,然后再坐车回顶,接着一个个往下玩……完全反人类。
这还不算完,从红杉林下来后,AI告诉我“没多远就是珠噶纳措”,强烈建议步行前往。结果我们走了快半小时,工作人员告诉实际距离有6公里。我和女朋友在海拔三千多米的地方,累到近乎崩溃。
后面还有些小插曲:AI推荐的餐厅有几家已经关门,有的景点开放时间也对不上,我都勉强忍了。
最让我崩溃的是最后一天返程。AI说不走高速回成都全程只有200多公里,我打开地图一搜,实际要400公里。AI没有考虑到川西复杂的盘山公路和实际路况。大半夜我只能硬着头皮重新研究路线,我和女朋友也因此大吵了一架。
气愤之下,我质问AI:“你给的路线和实际差了200公里,景区路线也是错的”。AI只会秒认错道歉:“非常抱歉,我掌握的可能是历史或理论数据……”
事后我反思,AI做旅游攻略,框架和逻辑看起来头头是道,但一到实操细节,给的指导很多是错的。景区的实时运营情况、真实的驾车距离、餐厅是否还在营业……这些现在指望大模型还不行。
以后出行,我还是会用AI,但只会用它做框架,具体的交通、路线、餐厅,必须亲自核验。毕竟,AI认错很快,但人在旅途,只能自己买单。
02. 从县城到日本,我被AI连坑两次
麻薯|北京 自由撰稿人
我一直觉得自己算是“比较会用AI的人”。
工作上查资料、梳理信息,生活里聊聊天、同步情绪,甚至有时候把它当半个心理咨询师。再加上我是天秤座+INFP,天生纠结又爱多想,凡是能让生活更顺一点的工具,我基本都会用。
但有一次出差,我被AI狠狠上了一课。
那次我要去一个县城,从北京出发。我懒得自己查路线,直接问了豆包。它给了我两套方案:要么飞机转大巴,要么高铁转大巴。还特别强调,下了高铁就是汽车站,班次很多,半小时一趟,一直到晚上九点半都有车。
为了多睡一会儿,我特意选了一趟下午的高铁,既能赶上大巴,又不至于太晚到县城,整个计划看起来很完美。
结果一出站我就懵了。所谓的“汽车站”,其实就是高铁站旁一个类似保安亭的小窗口,旁边只停着一辆中巴车。时刻表显示:白天确实半小时一班,但下午六点就停运了,下一趟直接跳到晚上九点半。
我看了眼时间,刚过六点——完美错过。
窗口旁边几个开黑车的师傅很快围了上来,我孤身一人不敢坐,最后只能打了个滴滴花了195块,而大巴只要10块。
后来我发现,AI在交通和餐厅上最容易“坑人”。
交通的问题在于,它不一定是实时的,也不一定完全准确。尤其是这种偏远地区,它给你的,很可能是合理推测,而不是真实信息。
餐厅方面,AI参考的是评分,但评分本身就有偏差,很容易踩雷。
有了这次教训,我去日本时换了Gemini,以为它接入谷歌地图,在国外会更靠谱。一开始确实很好用,路线顺、点位准,甚至让我一度觉得,人类可以不用再做攻略了。
直到第五天。那天我和朋友在大阪,逛完药妆店后临时问Gemini附近有哪些好去处。它很快推荐大阪生活博物馆。描述得极具吸引力:1:1复原大阪人的生活史,可以看到古迹、生活场景,还能现场体验传统织布手工艺。
我们坐了一个多小时的公交车赶过去。但到了现场才发现,所谓1:1复原,就是几个做得很粗糙的假人站在那里。所谓展览,是从一个小房间走到另一个小房间,看十几分钟纪录片。至于“织布体验”,工作人员一脸茫然——显然那是Gemini自己编的。
后来我质问Gemini,它只会标准化回应:“该景点在谷歌地图上确实存在,并有部分好评。如果您不满意,我会根据反馈进行调整。”
我点开那些好评,几乎清一色英文。那一刻我才知道,这个地方就是给欧美游客看的“文化体验点”,但对我们来说,只是低配版景观。
被AI坑了两次,我并没有彻底否定它。它依然是我日常使用工具,能帮我解决生活里80%的问题。但剩下那20%,恰恰是最容易出事的部分,因为它不知道的内容,也会给你一个看起来很合理的答案。
03. AI再智能,也不会为我的生命安全负责
@小杨在丹佛|美国 自由职业者
刚到美国丹佛的我,几乎事事都依赖AI。国内用惯了豆包,到这边就换成了Gemini。大到生活常识,小到吃饭散步,我都习惯先问AI,它秒回的答案让我越来越依赖,也越来越放松警惕。
第一次出事,是我想找一条短途徒步路线。我问Gemini:“推荐附近能看野生动物、安全好走的小路。”它很快给出路线,告诉我家门口15分钟能到,还配了美观的AI生成图,我找到入口时只看到一块写着“Rocky Flats National Wildlife Refuge”的牌子,画着蝴蝶,但没有毒蛇和任何危险提示。
当时我感觉到,那里比较荒凉,但因为附近就有民宅,我放松了警惕。进去后我甚至还摘了路边的草想带回家种,后来才知道那是全株有毒的狼毒。
因为戴着降噪耳机,我对周围声响毫无察觉,也没有听到响尾蛇摇尾巴的警告声音,甚至耳机掉落,我还蹲在深草里反复翻找。
意识到不对劲是我回去翻看视频,地区荒凉、草丛遍布,我去追问Gemini周边是否有蛇,它才轻描淡写地告知这片区域有毒蛇分布。我感到后怕,可AI只会顺着你道歉,我气得无奈,却又拿它没办法。
我这次经历在网上走红后,特意重返故地,想走正规入口进避开危险,但AI又把我带进了第二个坑。
AI告诉我正门是柏油路、可驾车进入、适合近距离接触小动物。可抵达后,我只看到一扇紧锁的铁门,车辆根本无法进入。AI却继续让我下车步行进入。
后来我才得知,这里根本不是正门,而是高度敏感的历史危险区域。门口依旧没有任何危险警示,而当时我抱着“来都来了”的心态,推门走了进去。
更离谱的是,AI还建议我阴雨天来,说白天晒动物不出来,完全不提这里是高原,阴雨天极度寒冷,风险极高。
连续两次被AI带进致命险境,它永远给出完美攻略,永远隐瞒关键风险,永远在出事之后只会道歉。
现在我依然会用AI解决问题,假期出行和生活中的事情必须依靠它,它也确实能用最快的方式搜索到所有的消息,但我也不会百分百相信了。毕竟AI再智能,也不会为我的生命安全负责。
04. 我用4个AI做五一攻略,比自己做还累
张欣|北京 自由职业者
作为典型J人,我出门旅行必做攻略,而且要做得很细。以往每次出行,我会把行程精确到半小时,并整理成详细的Excel表格。过去几年,我做的攻略从没出过差错。
有了AI后,我想让它帮我分担这份工作。去年去日本关西,我尝试把整个行程交给AI。我清晰地告诉DeepSeek我的出行时间、目的地、同行人数、预算和我的游玩喜好。它很快就生成了一份看起来十分专业的行程表,可仔细一核对,问题就来了。
第一个雷点,它安排我在工作日的傍晚去摩耶山看夜景。但现实是,摩耶山工作日下山的缆车5点就停运了,要是我照着它的行程走,看完夜景根本没法下山。
第二个雷点,它建议我在六甲山景点门口的车站购买套票。但我提前做过功课,大部分人都会在梅田站提前买好套票,从那里出发路线更合理、换乘更方便。我追问AI为什么不推荐更合理的方案,它只会一味道歉,承认自己疏忽了。
一番核对下来,我感觉根本不是在“做攻略”,而是在批改AI的作业。它在景点开放时间、交通票务、行程衔接等强时效、本地化信息上,很容易出现错误,而所有漏洞都要靠我自己逐一排查。
今年五一我去福州玩,又试着让AI帮我做攻略,这一回我找到了一些窍门。
我提前从不同渠道收集信息,比如小红书的旅游笔记、公众号的攻略推文、携程的景点排行榜等,先对目的地建立基础认知,再把自己整理好的资料扔给豆包、元宝、Claude、Gemini四款AI。
我先让豆包搭建整体框架,核对它推荐的景点是否在我的小红书收藏夹里。如果不在,我就去查证理由,明确告诉它我的必去目的地,让它删掉无效行程。接着我会交叉参考其他几个AI给出的路线建议,交由豆包统一整合,敲定最终行程。
整个过程,我需要反复调试、验证、交叉比对,AI只是帮我省下了前期搭建初步方案的时间。
但即便同时用多个AI工具,还是会出现疏漏。比如福州有一个适合散步的景点,园区内没有树荫遮挡,网上攻略都建议不要在午后前往。AI却建议我中午或下午去,考虑到了人流量却没有考虑到天气因素。
这次经历让我更加明白,AI只是辅助提效工具,不能完全依赖它。
05. 跟着AI游大理:大方向对了,细节全错
浓浓|北京 图书编辑
清明假期,我和朋友两个人终于去了心心念念的大理。我俩都不爱做攻略,又怕假期人多,干脆把行程全权交给AI。没想到,就算同时用了两款工具,该踩的坑一个没少。
为了稳妥,我们同时问了豆包和DeepSeek,提前半个月输入需求,把两家AI重合推荐的龙龛码头、才村、喜洲古镇、大理古城和洱海公园定为最终攻略。
但在路线顺序上,两位AI导游出现了分歧,一家建议下高铁后直接走海西线,打卡龙龛、才村、S湾,之后还有时间去大理古城;另一家则推荐第一天抵达后只逛古城。我特意问了去过的闺蜜,她说地点相距不远,古城就在海西线西侧,我们便选择了前者。
AI倒没骗人,路程确实不远,可没有一家提醒我们大理古城里是石板路。我们拖着行李箱硬走,轮子震得快要散架,走到一半直接累瘫。
本以为只是提示词不够细,我们选择继续相信AI。第二天,按着它强烈推荐的“环海骑行”出发,结果新坑又来了:我们租的电动车进不了最靠近洱海的那条生态廊道,更令人崩溃的是,洱海边的紫外线格外强烈。半天骑行下来,我们不仅没感受到海风的凉爽,反而发现两个人都黑了一个度。
AI推荐的当地特色美食更是让人失望。它推荐了洱海公园旁一家“特色菜馆”,我们跟着导航在漆黑偏僻的小路上绕了很久才找到。但那家店招牌菜味道很普通,和别处相差无几,价格还更贵,我们吃得又累又亏。
邻桌小姑娘告诉我们,她们也是被AI导航到这家店的。你以为AI在帮你避峰,其实它在批量制造人潮。
这次经历让我感觉到用AI做攻略,大方向是没错,景点热门、路程大致准确,但一到细节就频频出bug。石板路、电动车限行、紫外线强、餐厅坑人……所有真正影响体验的关键信息,它全都漏掉了。AI可以做参考,但真的不能全信。
06. 踩坑以后,交通班次、站点位置再也不敢信AI了
阿杰|福建 外贸商家
我在福建泉州经营出海贸易工厂,工作时间相对自由,酷爱旅行。不管是自己出行还是带家人出去玩,每次都是我自己做攻略。
AI流行后,很多人用它规划行程,但我一直觉得AI做的攻略太模板化,从来不信它能规划出合我心意的行程。
直到去年,我从日本旅游回来,抱着试试看的心态用DeepSeek帮我做了一份九州6天5晚的行程,没想到结果超出我预期。AI建议我从福冈入境,先去熊本,再到阿苏、由布院、别府、小仓,每天的景点衔接、交通换乘,都和我自己规划的路线一模一样。
这次体验让我对AI有了很大的改观。
不久前,我计划带家人去广州短途旅行,再次让AI帮我规划一份7天行程,结果却不尽如人意。
最坑的地方是交通规划。我们住在越秀区,第二天打算自驾去白云山,但是AI规划的两条路线都要穿过附近的一个大学校园。
被校门拦下后,AI又建议:把车停在附近,步行从学校后方居民区穿行,说那里有白云山“隐蔽入口”,平时只有当地居民会从那里进去爬山,还能避开人群。
我核对地图后发现确实有路,便按指引前往。没想到走到一半学校侧门路段在施工,施工队宿舍把原本的路给堵了,好不容易抵达位置,却发现只有小区出口,根本没有景区入口,白跑了一趟。
除了交通,AI在餐厅推荐上也很一般。我把自己收藏的目标餐厅发给AI,让它结合行程搭配早中晚餐,并填补空缺时段。可最终方案让我无语:比如我指定中午吃A餐厅,AI推荐的早晚餐,菜系风格高度雷同,如果按它的规划,我们一天三顿吃得几乎一样。
这次踩坑后,我重新回归手动做攻略。AI确实能帮我快速搭建旅行框架,省去从零开始做攻略的麻烦,但它的短板也很明显:实时信息、精准交通、本地细节极易出错或滞后。
现在我只会用AI查大致的景点路线,涉及具体的交通班次、站点位置,我都会亲自核对,再也不敢完全依赖它。
*应受访者要求,文中Ryan、麻薯、 张欣、阿杰为化名。 -

亚马逊利润增长背后现金流紧张
亚马逊最新财报显示其收入和利润均实现强劲增长,但与此同时,公司的自由现金流却大幅下降。2026年第一季度,亚马逊营收达到1815亿美元,同比增长17%,其中AWS业务收入376亿美元,同比增长28%,创下15个季度以来的最快增速。亚马逊在人工智能领域的投资显著增加,过去12个月在物业和设备上的净支出高达1510亿美元,同比增长593亿美元,主要用于AI基础设施建设。这导致亚马逊的自由现金流在过去一年从259亿美元降至12亿美元,下降了95%。
亚马逊正将现金转化为计算能力,通过大量投资数据中心、GPU集群、自研芯片等,为未来几年的AWS业务增长打下基础。这一策略并非亚马逊独有,谷歌、微软、Meta等科技巨头也在加大AI领域的资本开支。2026年四家公司的资本开支总和将超过7000亿美元,远超以色列的GDP。
亚马逊的自由现金流几乎被资本开支全部消耗,显示出其在AI领域的激进投资。AWS的商业属性正在发生变化,从过去的轻资产扩张转向重资产模式。AI业务需要大量硬件投资,导致AWS的边际成本上升。随着AI需求的快速增长,AWS的财务特征也在改变,利润仍在,但现金流被持续投入基础设施建设。
亚马逊正在与时间赛跑,用现在的现金流换取未来的供给控制权。这场对赌的前提是AI需求持续增长、算力长期稀缺,以及提前建设的基础设施能够转化为长期收入优势。虽然目前这些前提都在被验证,但对赌的风险不容忽视。亚马逊的现金流已经非常紧张,如果AWS增速放缓或AI需求降温,市场耐心可能迅速消失。亚马逊正在重金押注AI基础设施,以期在需求爆发时获得规模优势。 -

小红书组织架构升级
小红书在4月30日发布内部信,宣布进行组织架构升级。此次调整整合了社区、电商和商业化三大业务及技术体系,并任命了相应负责人。同时,小红书还成立了AI一级部门Dots和企业智能部,加强AI领域的投入。Dots部门的目标是构建完整的AI技术体系,汇聚顶尖AI人才与资源。企业智能部则整合了原企业效率部、数据科学部等,旨在为AI时代组织打下基础。此次组织架构调整,小红书借鉴了阿里和字节跳动的组织变革经验,旨在打破部门壁垒,提升组织效率。但小红书面临的真正挑战是如何将庞大的用户时长转化为商业产出,实现社区感与商业化的平衡。AI部门的成立,表明小红书在AI领域的战略布局。Dots部门负责技术落地,企业智能部负责组织基建。两个部门的协同与边界问题,是小红书需要解决的新难题。小红书的组织架构调整,体现了公司在AI时代积极探索、不断迭代的特质。尽管面临诸多挑战,但小红书的不断尝试,或许能找到适合自己的发展路径。
-

养元饮品业绩分化,春节影响明显
曾以“经常用脑,多喝六个核桃”广告语走红的六个核桃,似乎正面临销售挑战。六个核桃的母公司养元饮品发布最新财报,显示2025年与2026年一季度业绩出现显著波动。2025年养元饮品的营收与净利润双双下滑,分别下降11.91%和26.84%。然而,2026年一季度公司业绩迎来强劲反弹,营收大幅增长37.5%,净利润增长25.8%。养元饮品表示,增长主要得益于春节的推迟,导致核桃乳产品销售旺季后移。养元饮品的主要产品六个核桃具有明显的周期性特点,其在节日旺季的销售额占比显著。此外,公司对主要产品六个核桃的依赖性较大,其销售额占总营收的80%以上,但同期下滑了17.55%,影响了整体业绩。养元饮品面临行业增速放缓和消费者偏好变化的双重压力。新茶饮、无糖茶和功能饮料等新兴饮品对传统植物蛋白饮料形成竞争,尽管养元饮品推出了新产品,但市场反应并未达到预期。同时,六个核桃品牌也受到一些争议,包括核桃补脑无科学依据和实际核桃含量与产品名不符的问题。面对行业和市场的变化,养元饮品正在尝试渠道转型,推行全域分销模式,并代理红牛业务以寻求增长。财报显示,功能性饮料营收大幅增长,占总营收的16%。但是,红牛业务的毛利率较低,且品牌方控制核心环节,限制了养元饮品的长期增长。养元饮品也在尝试跨界投资,涉足科技领域,投资半导体、新能源、人工智能等行业。尽管如此,养元饮品的根本问题在于产品创新和品牌年轻化。如果不能摆脱对节日和单一产品的依赖,公司的跨界投资可能面临较大风险。
-

罗永浩再次炮轰西门子冰箱质量问题
近日,罗永浩在社交媒体上公开指责西门子iQ100冰箱存在设计缺陷和质量问题。他表示自己曾警告过西门子,但对方并未重视。罗永浩还转发了多条用户维权的微博,并动用自己的律师团队向西门子施压。这场维权风波再次将西门子推向风口浪尖。
此前在2011年,罗永浩就因西门子冰箱质量问题而进行过高调维权,成为网络热点。十五年过去,西门子在中国市场的份额已大幅缩水。面对罗永浩的再次炮轰,西门子能否顶住压力?
过去一年中,大量用户反映西门子iQ100冰箱在使用4-5年后出现各种问题,如漏胶、漏制冷剂等。有维修师傅怀疑这款冰箱存在设计缺陷。尽管如此,西门子仍拒绝承认问题,而是将责任推给消费者。
罗永浩的发声并非全无效果。在舆论压力下,部分用户已成功换新。但西门子的售后服务短板暴露无遗。西门子在中国市场的困境并非仅是技术问题,而是对消费市场的洞察不足。在激烈的市场竞争中,企业一旦失去敬畏、停止进化,终将被替代。
-

横琴口岸假期客流量创纪录
根据珠海边检总站横琴边检站的统计数据,5月2日,横琴口岸的出入境客流量达到了约14.8万人次,较去年同期增长了15.1%,这一数字打破了该口岸单日出入境客流量的历史最高记录。
-

俄罗斯批准农村移动药品销售
俄罗斯总统普京签署了一项新的法律修正案,允许在缺乏医药设施的农村地区开展为期三年的移动药品销售试点项目,项目将从今年9月1日起实施。此项新法特别针对没有常设药房等医药机构的农村区域,旨在通过特别车辆提供药品供应。参与试点的州和边疆区,在获得联邦政府的批准后,可以选择合格的药品零售商参与。联邦卫生管理部门将负责向中选的零售商颁发许可证,而联邦卫生监督局将监管试点项目的执行。参加试点的药品零售商需设立专门的移动售药部门,并配备专门的售药车辆和设备,前往指定区域提供服务。这些车辆将出售常用药品及消费者预订的药品,但不包括麻醉药品和含有精神类成分的药物。
-

AI Coding Agents Face High Costs and Inefficiencies
Imagine asking an AI to fix a coding bug. It examines numerous files, makes changes, and repeatedly runs tests without success, ultimately racking up a significant API bill in the process. A recent study from universities such as Stanford, MIT, and the University of Michigan delves into the financial implications of AI agents in coding tasks. Here are some startling revelations:
Firstly, the cost of AI coding tasks is 1000 times higher than that of regular AI conversations. This disparity is not due to the coding itself but rather the extensive amount of information the AI agent needs to process, such as project context, historical logs, and error messages. Each interaction adds to the context, increasing costs proportionally.
Secondly, the cost variability for the same bug can double, and more expensive bugs are less stable. Researchers observed a random nature in the cost of bug fixes, with some tasks consuming up to 700 million more Tokens than others, and cost differences of up to 30 times between different models.
Thirdly, high-cost operations often involve repetitive actions, with up to 50% of file reviews and edits being redundant. This indicates that money is spent on aimless navigation rather than problem-solving.
Fourthly, there is a significant difference in efficiency between models. Some models are much more frugal with Tokens, while others consume significantly more. Moreover, models often lack a sense of when to stop, continuing to consume resources even when a task is unsolvable.
Fifthly, there is a mismatch between human perception of task difficulty and the actual cost for an AI agent. Tasks that seem simple to humans may be costly for an AI due to the need for extensive context understanding. Conversely, tasks that seem complex for humans might be easily resolved by an AI.
Lastly, AI models themselves are unable to accurately predict the cost of their operations. Experiments showed that models consistently underestimated their Token consumption.
The paper concludes that current models cannot predict Token usage, and there is a need for budget-aware tool-use policies to prevent excessive spending. Efficient AI coding agents are not just about performance but also about cost-effectiveness. Understanding and optimizing these aspects are crucial for the industry’s evolution.
Note: The article is based on a preprint paper titled ‘How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks’, which has not been peer-reviewed.








