罗福莉：优化Token消耗与提升模型效率是Agent时代的核心出路

随着人工智能进入Agent时代，算力与Token消耗之间的矛盾愈发凸显。小米MiMo团队负责人罗福莉近日在一次分享中指出，当前全球算力的增长速度远远跟不上Agent框架中Token消耗的需求。她强调，出路绝非单纯依赖更便宜的Token，而是通过框架的优化设计和更高效模型的协同演进，以实现经济性与性能的平衡。

罗福莉特别提到，OpenClaw在上下文管理上的技术问题导致了严重的资源浪费。一个用户请求往往会触发多轮低价值的工具调用，每轮调用均带来了超过10万Token的长上下文窗口。与同类竞争框架Claude Code相比，这种设计下实际的请求次数大幅增加，使API成本远远超出订阅价格。

短期成本压力倒逼技术改进

面对这样的情况，罗福莉提出了第一个核心观点：短期的成本压力可能反而是一种推动力。对于第三方框架而言，在API成本的高压下，它们不得不优先优化当前的上下文管理。例如，降低请求过程中的无效Token消耗、加强框架优化设计，或提高Prompt缓存的命中率。

这一成本驱动不仅是技术优化的契机，也是行业质量提升的助推器。罗福莉相信，当越来越多的框架能够通过技术手段减少对算力资源的滥用，整个行业将迎来更健康的生态。

价格战陷阱与行业长远发展

在分享中，罗福莉还发出了一个重要呼吁：即大模型公司应慎重对待低价Token的市场策略。她指出，一些厂商为了抢占市场，会选择以低价出售Token，同时对第三方框架的大规模开放提供支持。虽然短期内这看似能吸引更多开发者和用户，但从长远来看，这种价格战策略实际上是一种隐性陷阱。

她以Anthropic为例，说明这种策略可能造成的后果。Anthropic在初期低估了Token调用所带来的隐形成本，陷入了长期亏损的窘境，最终不得不优化框架、调高API价格，才得以逐渐恢复平衡。

兼顾高效与经济：未来的方向

罗福莉的观点为行业提供了重要启示，即无论是第三方开发者还是模型提供方，都需要将实际经济性与技术高效性视为第一要务。过于强调价格优势而忽视技术路径的可持续性，只会让问题更加复杂。

从长期来看，上下文管理、Prompt优化和Token预估技术的进步，将成为行业发展的关键点。同时，大模型公司应当以审慎的态度引导市场的发展，避免陷入以Token价格战为中心的恶性循环。更高效的模型进化和工具协同，才是AI走向成熟的必经之路。