AI自主研究团队来了，成本只要竞品的十分之一

有人习惯让AI完成单次任务，写完一段代码、整理一份资料就结束。

现在一款叫PRAXIST Beta的工具，把这件事彻底改了：你只要告诉它要做什么、有什么限制、做成什么样算成功，剩下的全交给它自己完成。

它的工作方式是同时放出多个「研究同伴」，各自尝试不同的方法，互相分享有用的发现，还会把每次实验的结果积累下来，传给下一轮研究。

在合作方提供的火箭模拟环境里，PRAXIST达到了100%的安全着陆成功率，还降低了累积误差。

开发者@svpino 认为：这不是又一个普通的编码AI。

在75项任务的对比测试中，PRAXIST拿到49枚金牌，Claude Code+Opus 4.8只拿到35枚；PRAXIST的token成本约3000美元，Claude Code的成本约38000美元。

@bybardiia 认为：大多数自主研究流程都把探索当成一次性搜索，找到最好的结果就扔掉剩下的，PRAXIST完全改变了这种模式。

过去两年，AI token的成本已经下降了约100倍，现在我们用的AI大多是单次交互，一轮下来只消耗约两千tokens。而未来的AI工作流，是多步骤自动运行，需要反复调用模型、验证结果、失败重试，token消耗量会远远超过现在。

高盛研究预计，2026到2030年，AI智能体的token消耗量会增长24倍，达到每月120千兆tokens。成本控制，已经成了AI自主运行的核心问题。

对需要做长期复杂研究的人来说，现在不用花几十万买顶级模型的运算量，花十分之一的钱就能拿到更好的结果。

而目前主流的做法，还是每次只走一步，用完就丢探索结果，这种积累式的并行研究，会不会成为下一代AI的标准玩法？