TurnCost：编码智能体的成本由轮次而非观测决定

研究分析 600 条公开编码智能体轨迹（覆盖两种智能体框架和两种语言模型）后发现，轮次数量解释了日志轨迹成本方差的 84%，而平均观测大小仅解释 4%，最昂贵的轨迹轮次最多但观测最小。98.6% 的输入 token 由前缀缓存提供，扁平输入定价在近理想缓存下将循环成本平均高估约 7 倍。团队发布 TurnCost 工具，可在不同缓存、定价、压缩和路由策略下重新评分轨迹语料。