本文探讨推理的经济价值如何受容量与任务信息在 AI 生产各阶段的分配影响。我们通过受控工作流实验，对外部验证的软件工程任务进行分析。
在两组资源匹配的面板中，直接执行在 12,000 与 24,000 逻辑令牌上限下均实现 59.6% 的成功率；而信息受限的规划阶段成功率分别从 36.2% 提升至 51.2%。规划劣势缩小了 15.0 个百分点（95% 任务簇自助抽样区间：4.2~25.8）。
严格的只读规划实验进一步比较了规划者是否可见任务发布信息的影响。12,000 令牌时，获取任务信息可使成功率提升约 16 个百分点。与直接执行相比，12,000 令牌下任务感知的规划仍低约 10 个百分点；而在 24,000 令牌时则出现 29.6 个百分点的优势。
资源面板显示，直接执行实际使用的令牌远低于两种上限；而规划工作流的绑定率从 46.2% 降至 0.8%，下游执行贡献了总使用量增长的 89.9%。规模决定系统可用容量，工作流与信息结构则塑造了产出价值。
点评