JetBrains研究：token消耗难衡量工程师产出
热点事件持续更新
JetBrains研究：token消耗难衡量工程师产出
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
JetBrains 研究者将 404 名工程师五周的编码智能体 token 用量与提交记录关联，发现 token 消耗主要因工程师个人而异，高消耗者在五周内基本稳定。在提交数相近的周里，消耗第 90 百分位是第 10 百分位的 39 至 240 倍；同一工程师消耗翻倍，仅对应约 10% 的提交增长。 研究称，现有工作指标只能解释工程师间消耗差异的 38%，因此 token 消耗更适合用于资源核算，而非衡量产出价值。
AI 根据报道生成 · 53 分钟前更新
最新进展11月11日 13:00
JetBrains 研究：工程师 token 消耗量衡量的是什么？报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIJetBrains 研究：工程师 token 消耗量衡量的是什么？
JetBrains 将 404 名工程师五周的编码智能体 token 用量与提交记录关联，发现 token 消耗主要因工程师而异，且高消耗者五周内基本稳定。在提交数相近的周里，消耗第 90 百分位是第 10 百分位的 39 至 240 倍；同一工程师消耗翻倍仅对应约 10% 的提交增长。现有工作指标只能解释工程师间消耗差异的 38%，因此 token 消耗更适合资源核算，而非衡量产出价值。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。