論文の概要: How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks

• arxiv url: http://arxiv.org/abs/2604.22750v2
• Date: Wed, 29 Apr 2026 17:20:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 13:51:53.963446
• Title: How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks
• Title（参考訳）: AIエージェントはどのようにお金を振り返るのか?エージェントのコーディングタスクにおけるトークン消費の分析と予測
• Authors: Longju Bai, Zhemin Huang, Xingyao Wang, Jiao Sun, Rada Mihalcea, Erik Brynjolfsson, Alex Pentland, Jiaxin Pei,
• Abstract要約: 本稿では,エージェントプログラミングタスクにおけるトークン消費パターンに関する最初の体系的研究について述べる。 タスク実行前に、モデルが自身のトークンコストを予測する能力を評価する。 我々の研究は、AIエージェントの経済性に関する新たな洞察を提供し、将来の研究を刺激することができる。
• 参考スコア（独自算出の注目度）: 40.99169244450745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The wide adoption of AI agents in complex human workflows is driving rapid growth in LLM token consumption. When agents are deployed on tasks that require a significant amount of tokens, three questions naturally arise: (1) Where do AI agents spend the tokens? (2) Which models are more token-efficient? and (3) Can agents predict their token usage before task execution? In this paper, we present the first systematic study of token consumption patterns in agentic coding tasks. We analyze trajectories from eight frontier LLMs on SWE-bench Verified and evaluate models' ability to predict their own token costs before task execution. We find that: (1) agentic tasks are uniquely expensive, consuming 1000x more tokens than code reasoning and code chat, with input tokens rather than output tokens driving the overall cost; (2) token usage is highly variable and inherently stochastic: runs on the same task can differ by up to 30x in total tokens, and higher token usage does not translate into higher accuracy; instead, accuracy often peaks at intermediate cost and saturates at higher costs; (3) models vary substantially in token efficiency: on the same tasks, Kimi-K2 and Claude-Sonnet-4.5, on average, consume over 1.5 million more tokens than GPT-5; (4) task difficulty rated by human experts only weakly aligns with actual token costs, revealing a fundamental gap between human-perceived complexity and the computational effort agents actually expend; and (5) frontier models fail to accurately predict their own token usage (with weak-to-moderate correlations, up to 0.39) and systematically underestimate real token costs. Our study offers new insights into the economics of AI agents and can inspire future research in this direction.
• Abstract（参考訳）: 複雑なヒューマンワークフローにおけるAIエージェントの広範な採用は、LLMトークンの消費を急速に増加させています。 エージェントが大量のトークンを必要とするタスクにデプロイされるとき、(1)AIエージェントはトークンをどこで使うのか? (2)トークン効率が良いモデルは? (3) エージェントはタスク実行前にトークンの使用を予測できますか? 本稿では,エージェントプログラミングタスクにおけるトークン消費パターンに関する最初の体系的研究について述べる。 我々は,SWE-bench Verified上での8つのフロンティアLCMの軌跡を解析し,タスク実行前にモデルが自身のトークンコストを予測する能力を評価する。 1)エージェントタスクはコード推論やコードチャットよりも1000倍多くのトークンを消費し、全体的なコストを駆動するアウトプットトークンよりも入力トークンを消費する (2) トークンの使用量は高度に変動しており、本質的に確率的である 2) 同じタスク上で実行されるトークンは全トークンの最大30倍まで変化し、より高いトークン使用量はより高い精度に変換される。 我々の研究は、AIエージェントの経済性に関する新たな洞察を提供し、この方向に将来の研究を刺激することができる。

関連論文リスト

• How Long Is a Piece of String? A Brief Empirical Analysis of Tokenizers [39.60188078597529]
  トークン化はテキストのモデルやドメインによって大きく異なり、トークンの素早い解釈が問題となる。 私たちの分析では、トークンの長さに関する直観が一般的であり、過度に単純化されていることが分かりました。
  論文  参考訳（メタデータ） (2026-01-16T18:58:29Z)
• Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
  数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。 モデル、足場、ベンチマークにまたがる3次元解析を行う。 私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
  論文  参考訳（メタデータ） (2025-10-13T22:22:28Z)
• MARCOS: Deep Thinking by Markov Chain of Continuous Thoughts [82.46857666702924]
  大規模言語モデル(LLM)における推論のための新しいパラダイムを提案する。 自己回帰的にトークンを生成する代わりに、連続的で高次元の「思考」のマルコフ連鎖として推論をモデル化する。 MARCOSはトークンベースのCoTに匹敵する性能を初めて達成し、GSM8Kでは4.7%、推論では15.7倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2025-09-29T16:44:22Z)
• Do Thinking Tokens Help or Trap? Towards More Efficient Large Reasoning Model [7.8354921036790275]
  大きな推論モデル(LRM)は複雑な問題を解決するのに優れているが、過度なジレンマに直面している。 単純なタスクを扱う場合、思考トークンがオーバーロードされた冗長なレスポンスを生成することが多い。 これらのトークンは、リフレクションやバックトラックのような不要な高レベルの推論動作を引き起こし、効率を低下させる。
  論文  参考訳（メタデータ） (2025-06-30T13:30:33Z)
• IGD: Token Decisiveness Modeling via Information Gain in LLMs for Personalized Recommendation [79.22388408461458]
  我々は,トークン決定性をチューニングと復号の両方に統合する情報ゲインに基づく決定性対応トークンハンドリング(IGD)戦略を導入する。 IGDはリコメンデーションの精度を一貫して改善し、強力なベースラインに比べて広く使われているランキングの指標で顕著に向上した。
  論文  参考訳（メタデータ） (2025-06-16T08:28:19Z)
• Multipole Attention for Efficient Long Context Reasoning [64.94673641704289]
  大規模推論モデル (LRM) は複雑な問題解決タスクにおいて有望な精度の向上を示す。 LRMは、答える前に考えるために、長い連鎖推論を生成する必要がある。 本稿では,重要なトークンに対してのみ正確に注意を払うことで,自己回帰推論を高速化するマルチポール注意法を提案する。
  論文  参考訳（メタデータ） (2025-06-16T03:00:40Z)
• TokenButler: Token Importance is Predictable [8.514853311344458]
  大規模言語モデル(LLM)はトークン履歴を保存するためにキーバリューキャッシュ(KV)に依存しており、トークンの効率的な復号を可能にする。 以前の研究では、トークンの小さなサブセットのみが、各デコードステップに有意義に寄与することが示されている。 TokenButlerは、これらの重要なトークンを識別することを学ぶ、高粒度でクエリ対応の予測器である。
  論文  参考訳（メタデータ） (2025-03-10T16:41:14Z)
• Let's Think Dot by Dot: Hidden Computation in Transformer Language Models [30.972412126012884]
  言語モデルの連鎖応答は、ほとんどのベンチマークのパフォーマンスを改善する。 変換器は、2つの難解なアルゴリズムタスクを解くための思考の連鎖の代わりに無意味なフィラートークンを使用できることを示す。 フィラートークンを使用する学習は困難であり、収束するためには、具体的で密集した監督が必要である。
  論文  参考訳（メタデータ） (2024-04-24T09:30:00Z)
• Revisiting Token Pruning for Object Detection and Instance Segmentation [25.3324628669201]
  オブジェクトとインスタンスのセグメンテーションの推論を高速化するトークンプルーニングについて検討する。 従来のトークンプルーニング法と比較して,ボックス・マスクともに1.5mAPから0.3mAPに低下した。
  論文  参考訳（メタデータ） (2023-06-12T11:55:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。