超越排行榜：智能体小语言模型集成的 Token 经济学分析

基于小语言模型（SLM）与裁判反馈回路的智能体集成系统在 541 个提示词的 IFEval 基准中达到 97.34% 严格提示词准确率，在更低成本下超越独立大模型 gpt-5.4 达 5.81 个百分点。研究系统分析了其单样本成本、token 构成、吞吐量及延迟分解等指标。结果表明，智能体 SLM 集成能通过消耗额外测试时 token 换取更高的指令遵循保真度。