统计了GitHub上有关“Token Waste”相关Issues的数量。这一讨论至少有5200个，仅2026年一季度就诞生了4150个。越来越多的开发者在实际业务中正面临控制Token浪费的问题。

　　目前大多数Agent的工程实现还相当粗糙。面对Agent的多步任务，Token消耗以接近线性的速度增长，而其中大量内容对当前步骤毫无意义。这类问题催生了一个新的工程概念——Agent Harness，它不是模型本身，而是包裹在模型外部、负责管理上下文、编排工具调用、控制执行生命周期的“缰绳”和“马具”。

　　Token 效率因此形成了两条并行的压力线，一条来自 Agent 框架侧，Harness 的出现就是典型代表；另一条来自模型侧，推动厂商用更精简的参数完成同等质量的推理。

　　在这场范式转移中，一批深耕“token效率”的模型成为了舞台中央的主角。它们不比拼参数规模，而是在单位Token成本下，比拼推理速度、指令遵循度以及长上下文的稳定性。

　　根据OpenRouter 的 LLM Leaderboard在4月16日的数据，模型格局呈现出明显的“大模型控榜，小模型控场”的分化态势。

　　在前20名的榜单中，传统意义上的大尺寸旗舰模型，主要分布在榜单头部和中上部，依然掌握着复杂任务的话语权；而主打轻量化、高性价比的小尺寸模型，且多集中在第 8 名至第 20 名的区间，形成了不可忽视的“腰部力量”。

　　可以明显看到，小尺寸模型的涨幅惊人。根据4月16日数据，排名第17位的 GPT-5.4 Nano以48%的惊人涨幅领跑增长榜，100B模型Elephant单日涨幅 38%。

　　从App使用情况来看，OpenClaw、Hermes Agent、Kilo Code、CLaude Code 等成为这些小尺寸模型的“最大流量贡献”，开发者正在将小尺寸模型作为高频、低延迟任务的首选。

　　在业界看来，100B-300B已然成为一个实用主义区间。GPT-5.4-Mini是目前这条路线的典型代表之一，以更低延迟和更低成本大幅缩小与旗舰模型的性能差距。

　　OpenAI 此前着重强调了新模型在多模型分层系统中的位置：以其自研编程助手Codex为例，GPT-5.4负责规划、协调与最终判断，而GPT-5.4 mini子智能体则并行处理代码库检索、大文件审阅及辅助文档处理等粒度更细的子任务。

　　OpenAI表示，随着小型模型速度更快、功能更强大，开发者无需使用单一模型处理所有任务，而是可以构建系统，由大型模型负责决策，小型模型则快速大规模地执行任务。这种分层调用的模式开始变得实用而非将就。

　　Elephant Alpha是另一个值得关注的案例，该模型于4月13日深夜上线 Openrouter。同为100B参数，Elephant定位为“智能效率”优先，在保持256K 上下文窗口的同时，重点优化Token使用效率，适合代码补全、快速文档处理和轻量Agent交互等场景。由于

　　旗舰模型不会消失。在需要跨领域深度推理、多步骤规划、复杂代码生成的任务上，它们仍然是必要的。没有人认线B模型可以在所有场景下替代旗舰版。

　　但在日常的业务执行层——那些占据大多数调用量的任务——用旗舰模型是在为不需要的能力付费。把这部分流量迁移到效率更高的模型上，毫无疑问是更具性价比的决策。

　　这种分工在软件工程里有先例。CPU发展从追求单核主频转向多核协作，不是因为单核不重要，而是因为在实际工作负载下，多核架构的整体吞吐远超单纯堆主频。数据库领域也有类似的演变：OLTP和OLAP长期共存，不同的查询特征对应不同的存储和计算架构。

　　模型选型的逻辑正在经历类似的成熟。Token效率正在成为工程师评估模型的核心维度之一——不是因为便宜，而是因为在高频调用的场景下，它直接关系到产品的商业可行性。那些在单位成本下能提供足够推理质量的模型，正在成为 Agentic应用的默认底座。

　　一条路线日渐清晰：规模继续重要，但效率开始定价......

　　*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。