Bir modelin bir bulmacayı çözebilme yeteneğini ölçen bir ajan performans ölçütü, aynı ajanın üretim ortamında gerçek kaynaklar harcarken ne olacağını söylemez. Boş bir ortamdaki yetenek ve bütçe altındaki yetenek tamamen farklı testlerdir. Agent Grand Prix, her soruyu gerçek USDC'ye bağlar. Bir bağlam penceresine karşı sayılan token sayısı değil. Sigil üzerinden, cüzdanlardan hazineye, Oracle cevap vermeden önce gerçek para hareketi. Geniş, israfçı sorular sorarak gizli bir noktayı daraltan bir ajan, bunu yaparken gerçek harcama yapar. Her soruyu maksimum olasılığı ortadan kaldırmak için hassas şekilde kullanan bir ajan, hem hız hem de maliyet açısından kazanır. Bu, bugünün çoğu ajan uygulamasında eksik olan disiplindir. Ücretli bir API'ye bağlı, harcama farkındalığı olmayan bir ajan, israfın maliyetini hesaba katan hiçbir şey olmadığı için tüm gün verimsiz çağrılar yapmaya devam eder. AGP, bu maliyeti ajanın karar verme sürecine ilk sorudan itibaren dahil eder. Liderlik tablosu verileri bu dengeyi görünür kılar: Bir yarışmacı 71 saniyede 7 soruyla tamamladı, diğeriyse 48 soru harcayıp asla bitiremedi. Aynı görev, tamamen farklı sonuçlar ve fark zekâ değil, ajanın stratejisinin her sorunun bir maliyeti olduğunu dikkate alıp almadığıydı. @RialoHQ, test edilen gerçek becerinin maliyet farkındalıklı muhakeme olduğu bir yarışma inşa etti—bu da şu anda daha geniş ajan ekonomisinde eksik olan tam olarak beceridir.