測試顯示每 token 低價未必降低成功任務成本

2026年11月5日，DEV Community 報道，Arize 與 Fireworks 對10個模型進行2,400次 Terminal-Bench 測試。測試所得結論是，每 token 成本最低，不代表成功完成任務的成本亦最低；換言之，單看每 token 成本，未必能判斷哪個模型完成任務的實際成本最低。目前提供的報道內容列出測試涵蓋的模型數目、測試次數及整體結論，但未列出各模型的個別數據、成功率或具體任務成本，也未交代更詳細的測試結果。

AI 根據報道生成 · 16 分鐘前更新

還沒有足夠的連續觀測數據，暫不繪製趨勢。