现在很多人优化 Agent 成本，第一反应是： 换更便宜的模型，或者做 model routing。 但这篇论文提醒了一个更容易被忽略的地方： Agent 真正烧钱的，是整个执行循环。 一次 Agent 任务里，可能包含多轮对话、工具调用、上下文回放、历史压缩、重试、等待、子任务委派。 这些东西怎么组织，决定权大多在 harness / orchestration layer 这一层。 论文把这个现象叫做 token maxing： 模型单 token 价格在下降，但 Agent 为了完成更复杂的任务，会塞进更多上下文、更多工具信息、更多 reasoning trace。最后每个任务消耗的 token 反而越来越多。 实验设计很直接。 作者用 22 个企业 Agent 任务，测试 6 个模型，包括 Claude、Gemini、Qwen、GLM、Palmyra 等。然后只替换 orchestration layer：一边是普通 production agent loop，一边是 Writer Agent Harness。 结果很明显： 换上 Writer Agent Harness 后，平均任务成本从 $0.21 降到 $0.12，token 从 14.2k 降到 8.8k，耗时从 48 秒降到 27 秒；任务质量基本持平，quality per dollar 提升 82%。 这个差异主要来自几个很工程化的设计： 稳定内容放进可缓存 prefix，变化内容放在 tail；旧历史做结构化压缩；大块上下文尽量 offload；等待和重试阶段要有预算控制。 这篇最有意思的地方在于，它把 Agent 成本问题从「选哪个模型」推进到了「怎么组织一次任务执行」。 这对 AI coding、Research Agent、多智能体系统都很关键。 之后做 Agent，不能只盯模型榜单。真正拉开差距的地方，会越来越多地出现在 context engineering、tool exposure、cache discipline、failure governance 和 workflow orchestration 这些层面。 Agent 越复杂，harness 越像基础设施。 模型决定能力上限，harness 决定接近这个上限要花多少钱。 📎 arxiv: