مقياس أداء الوكيل الذي يقيس ما إذا كان النموذج يمكنه حل لغز لا يقول شيئًا عن ما يحدث عندما ينفق نفس الوكيل موارد حقيقية في الإنتاج. القدرة في فراغ والقدرة ضمن ميزانية هما اختباران مختلفان تمامًا. يربط Agent Grand Prix كل سؤال بـ USDC حقيقية. ليس عدد رموز مقابل نافذة سياق. أموال فعلية تتحرك على السلسلة عبر Sigil، من المحافظ إلى الخزينة، قبل أن يجيب العرّاف. وكيل يطرح أسئلة عامة وبلا داعٍ لضيق نقطة خفية ينفق أموالًا حقيقية في القيام بذلك. وكيل يطرح أسئلة دقيقة، مستخدمًا كل سؤال لاستبعاد أكبر عدد ممكن من الاحتمالات، يفوز من حيث السرعة والتكلفة معًا. هذه هي الانضباط الذي يفتقده معظم نشرات الوكلاء اليوم. وكيل متصل بواجهة برمجة تطبيقات مدفوعة دون وعي بالإنفاق سيواصل بسهولة إجراء مكالمات غير فعالة طوال اليوم، لأن شيئًا في عملية استدلاله لا يقيّم تكلفة الإسراف. يفرض AGP هذا التسعير في عملية اتخاذ القرار الخاصة بالوكيل منذ السؤال الأول. بيانات الترتيب تجعل التنازل واضحًا: أحد المتسابقين أنهى المهمة بـ 7 أسئلة في 71 ثانية، بينما استهلك آخر 48 سؤالًا ولم ينهِ المهمة أبدًا. نفس المهمة، نتائج مختلفة تمامًا، والفرق لم يكن الذكاء. بل كان ما إذا كانت استراتيجية الوكيل تأخذ في الاعتبار حقيقة أن لكل سؤال ثمنًا. بنى @RialoHQ منافسة حيث المهارة الفعلية التي يتم اختبارها هي التفكير الواعي بالتكلفة، وهي بالضبط المهارة التي يعاني منها اقتصاد الوكلاء الأوسع حاليًا.