Episode Details

Cursor 實測：同一個任務、同樣通過全部測試，帳單從 10,565 美元掉到 1,339 美元。省錢的關鍵是讓貴模型只負責規劃，把執行交給便宜模型，指令一旦明確照做就行。

⭐ 文章深度讀：五種失效模式的完整修法、舊版崩壞的逐項數據，還有 Field Guide 的做法
→ https://heymaibao.com/cursor-agent-swarm-model-economics/

⚡ 章節重點
開場 00:00
實驗長什麼樣 00:25
四種模型組合 01:22
帳單差在哪 02:23
便宜的規劃者不等於便宜的整體 03:35
為什麼拆成想和做會有效 04:22
五種失效模式 05:28
失控長什麼樣 06:30
我會怎麼用這篇 07:19

📝 懶人包
∙ 在新版系統下，四種模型組合最終都通過 100% 測試套件，但總花費從 1,339 美元 (Opus 4.8 規劃、Composer 2.5 執行) 到 10,565 美元 (GPT-5.5 從頭包到尾) 不等

∙ 執行端扛下至少 69% 的 token (模型的計價單位，用量直接等於帳單)，多數情況超過 90%。但在 Opus 4.8 那組裡，規劃端那一小撮 token 吃掉了約三分之二的錢

∙ 省錢的關鍵不在挑便宜的模型。Fable 5 當規劃者的帳單比 Opus 4.8 低，卻讓執行端多燒好幾倍 token，整輪算下來反而更貴

∙ 我的觀察是，這篇真正能帶走的東西是一條分工原則：貴模型負責收斂模糊，便宜模型負責執行明確指令。它不需要你有上千個 agent 才成立，手上有兩三個並行任務時就開始值錢

📚 參考資料
Agent swarms and the new model economics
→ https://cursor.com/zh-Hant/blog/agent-swarm-model-economics

Agent swarms and the new model economics (英文原版)
→ https://cursor.com/blog/agent-swarm-model-economics

cursor/minisqlite
→ https://github.com/cursor/minisqlite

sqllogictest
→ https://sqlite.org/sqllogictest

Scaling long-running autonomous coding
→ https://cursor.com/blog/scaling-agents