스탠포드, MIT 및 기타 기관들의 공동 연구에 따르면, AI 에이전트가 코딩 작업에서 매우 많은 토큰을 소비하는 것으로 밝혀졌으며, 이 에이전트들이 코드 버그를 수정하려고 시도하는 동안 수백만 개의 토큰을 소모할 수 있다고 합니다. 2026년 4월에 발표된 이 연구는 AI 에이전트가 코드를 작성하는 비용이 표준 AI 대화에 비해 약 1,000배 더 높다는 점을 강조하는데, 이는 광범위한 코드 '읽기'가 필요하기 때문입니다. 이 과정에는 프로젝트 컨텍스트, 운영 로그, 오류 메시지를 모델에 입력하는 것이 포함되어 입력 토큰 수가 기하급수적으로 증가합니다. 연구는 또한 비용의 큰 변동성을 발견했으며, 동일한 작업이 다른 실행에서는 두 배의 비용이 들 수 있음을 보여줍니다. 추가로, GPT-5와 같은 일부 모델이 다른 모델보다 토큰 효율성이 높아 기업용 애플리케이션의 재무 결과에 영향을 미친다는 점도 확인했습니다. 연구 결과는 현재 AI 모델들이 '손실 제한 인식'이 부족하여 해결 불가능한 작업에서 더 많은 토큰을 소비하는 경향이 있음을 시사합니다. 이에 연구진은 토큰 소비를 효과적으로 관리할 수 있는 예산 인식 정책 개발을 촉구하며, 예측 불가능한 비용이 AI 에이전트 시나리오에서 구독 가격 모델의 지속 가능성을 위협한다고 지적합니다.